Ai聊天回复助手产品系统

和海外客户外沟通时, 经常会因百度翻译和Googele翻译后, 前后语景变换, 造成翻译出来的并不是客户想表达的语景问题, 造成与客户沟通间, 相互不理解要表达的意愿, 错失客户.

实现客户消息 → 多场景（询价/催货/投诉等）→ 2～3 条西/英/中/等回复的生成流程
搭建 MySQL 话术库 RAG（关键词/向量/混合检索），话术上传、范例学习与 JSON 备份恢复
开发 AI 运维页：检索模式、CPU/GPU 算力档位、超时与检索试跑
集成 edge-tts 语音试听/生成；连续会话与多轮上下文
Linux 服务器部署（Ollama + gunicorn），CPU 无 GPU 环境超时与稳定性优化
技术栈：Python、Flask、Ollama、MySQL、edge-tts

客户回复生成
粘贴 WhatsApp 客户原文，按场景生成回复（询价、催货、投诉、感谢、婉拒降价）
回复语言：跟客户一致 / 西语 / 英语 / 中文 /等；自动检测客户语言
本机 Ollama 推理（如 qwen2.5:7b），文本生成离线、数据不出服务器
连续会话：多轮上下文写入 MySQL，可存范例、导出对话
话术库（RAG，不训练模型）
上传 .txt / .md 话术，生成时检索增强 prompt
检索模式：关键词（默认）/ 向量 / 混合（需 embedding）
学习范例：满意回复可「存为范例」，参与后续检索
JSON 备份 / 导入 / 本机快捷备份
语音 TTS（需联网 edge-tts）
回复卡片「生成语音」、客户原文「试听客户原文」
按检测语言自动选西/英/中 Neural 语音；生成后手动播放
AI 能力页（/ai-lab）
A 区：库统计、检索模式切换、CPU/GPU 推理档位与分档超时
B 区：语义标签回填、范例管理
C 区：检索试跑（keyword vs vector/hybrid）