烟草智能客服助手产品系统

基于 LangChain 框架的Agent组件整合开发，设计并实现了一套面向烟草行业的智能客服系统。该系统能够对本地烟草行业文档（PDF格式）进行内容解析和智能问答，通过RAG（检索增强生成）技术结合行业知识库，提供专业准确的咨询服务。

技术栈：FAISS，LangChain，PyTorch，SentenceTransformer，sklearn，BERT
具体工作：
1.数据处理： 使用Python编写数据预处理脚本，对烟草行业PDF文档进行格式标准化和文本清洗，采用递归字符文本分割器（RecursiveCharacterTextSplitter）实现文档智能分块
2.向量检索：使用Sentence-BERT（paraphrase-multilingual-MiniLM-L12-v2）生成文本向量，基于FAISS构建高效语义检索系统，实现知识库定期自动更新机制
3.对话管理：利用LangChain的ConversationBufferMemory支持多轮对话，设计融合行业上下文、对话历史和当前问题的提示词模板，经过5轮迭代优化后投入使用
4.意图识别：基于BERT微调烟草行业专用意图分类模型，支持6类烟草行业常见意图识别（政策咨询、许可证办理、产品查询、投诉建议、业务流程、其他）
5.系统评估：构建包含损失值、准确率、加权F1值等指标的自动化评估体系，结合用户满意度反馈优化系统性能

1.实现了基于本地知识库的烟草行业智能客服系统，针对烟草专卖政策、许可证申请等专业问题的回答准确率达到82%
2.意图分类模型在测试集上达到85%的准确率和0.83的加权F1值，符合行业应用标准
3.建立了知识库每周自动更新机制，通过用户反馈循环优化系统，将用户满意度从初版的72%提升至86%