AI导哈

电商客服智能体

全本地化部署的电商客服智能体，支持咨询、投诉、技术支持和闲聊功能，确保数据隐私。

  • by TonySMM
  • Python
  • 本地部署
  • 5 星标
  • 更新于
在 GitHub 查看 TonySMM/local-ecommerce-ai-agent

使用说明

全本地化电商客服智能体 (Fully Local E-commerce AI Agent)

核心特性：完全离线 | 数据隐私 | MCP 架构

项目简介

本项目是一个基于 Dify Chatflow 构建的电商客服系统。与传统的云端 AI 不同，本项目实现了全链路本地化部署：

  1. 模型：用 Ollama 运行 Qwen 8B (LLM) 和 Qwen-embedding 4B (Embedding)，确保数据不出本地
  2. 工具：自主开发 Python MCP Server，模拟电商后台系统
  3. 数据：库存和订单数据存储于独立的两个 JSON 文件中

文件结构说明

📁 Project_Root
├── 📜 README.md              # 项目说明文档
├── 🐍 ecommerce_server.py    # MCP 服务器代码 (基于 fastmcp)
├── 📦 inventory.json         # 库存数据库 (独立数据文件)
├── 🚚 orders.json            # 订单数据库 (独立数据文件)
├── 📚 shop_knowledge.txt     # RAG 知识库源文件 (产品参数/售后/技术支持)
└── ⚙️ 电商客服智能体.yml      # Dify DSL 导出文件 (导入即可复现完整Chatflow)

技术栈与架构

  • 编排引擎: Dify (Docker Local Version)
  • 大语言模型: Qwen 8B (via Ollama)
  • 向量模型: Qwen-embedding 4B (via Ollama)
  • 工具协议: Model Context Protocol (MCP)
  • 后端开发: Python 3.10+, fastmcp 库
  • 架构模式: RAG (检索增强) + Tool Use (工具调用) + Chatflow (多轮对话)

功能场景与实现逻辑

将用户需求分发至四个核心场景：

1. 咨询 (Consulting) - [RAG + MCP]

  • 产品咨询：知识库获取产品参数信息，mcp工具实时读取数据库查询库存
  • 物流咨询：自动提取订单号，mcp工具读取数据库获取物流状态
  • 店铺政策：如退换货、售后政策

2. 投诉 (Complaint) - [RAG]

  • 基于知识库，不管有无相关内容LLM都会进行人性化回复并安抚

3. 技术支持 (Tech Support) - [Pure RAG]

  • 基于知识库的专家问答和llm本身知识，检索维修手册，解决问题

4. 闲聊模式 (Chitchat)

  • 处理非业务类对话（如打招呼），展现客服的人格化设定

启动

1. 启动模型服务 Ollama

win+r cmd输入以下命令，确保本地Ollama服务启动：

ollama run qwen:8b              # 用于对话和逻辑处理
ollama pull qwen-embedding:4b   # 用于知识库索引

2. 启动 MCP 服务器

在项目根目录下运行Python：

pip install fastmcp
python ecommerce_server.py # 启动服务 (默认端口 3002, SSE模式)

注意：保持终端窗口开启。Dify 将通过 http://host.docker.internal:3002/sse 连接此服务。

3. 部署 Dify 应用

  1. 知识库：新建知识库，上传 shop_knowledge.txt，Embedding 模型选择本地的 qwen-embedding:4b
  2. 工具配置：在 Dify 工具页 -> MCP 工具 -> 添加自定义工具，填入上面的 SSE 地址
  3. 导入 DSL：创建空白 Chatflow，导入 电商客服智能体.yml
  4. 关联资源：进入编排页面，检查 LLM 节点和知识库检索节点是否已正确关联本地模型

Created by TonySMM | 2026

相关 MCP