本项目面向电商零售和企业客户服务场景,针对传统人工客服重复咨询多、订单查询效率低、商品信息答复不统一及售后审核流程繁琐等问题,开发 AI 智能订单客服与售后自动化系统。
通过大语言模型、商品知识库检索和自动化业务流程,实现自然语言订单查询、商品咨询及退款资格判断,并引入人工审批机制处理敏感售后操作。项目以模拟电商订单业务为基础,验证 AI Agent 在智能客服和售后自动化场景中的实际应用能力。
点击空白处退出提示
本项目面向电商零售和企业客户服务场景,针对传统人工客服重复咨询多、订单查询效率低、商品信息答复不统一及售后审核流程繁琐等问题,开发 AI 智能订单客服与售后自动化系统。
通过大语言模型、商品知识库检索和自动化业务流程,实现自然语言订单查询、商品咨询及退款资格判断,并引入人工审批机制处理敏感售后操作。项目以模拟电商订单业务为基础,验证 AI Agent 在智能客服和售后自动化场景中的实际应用能力。
本项目主要包含以下功能模块:
1. **AI 智能客服:** 通过大语言模型识别用户咨询意图,自动分流订单查询、商品咨询和退款申请等业务。
2. **智能订单查询:** 用户通过自然语言提供订单号,系统调用 MCP 工具查询 PostgreSQL 数据库,返回订单状态及相关信息。
3. **RAG 商品知识库:** 使用 ChromaDB 和向量嵌入模型检索商品资料,结合大语言模型生成商品问答内容,减少无依据回答。
4. **退款资格审核:** 根据订单付款状态、发货状态及退款期限自动判断是否符合规则。
5. **人工审批工作流:** 通过 LangGraph 的 interrupt/resume 机制,实现退款流程暂停、人工审核和恢复执行。
6. **Web 可视化界面:** 提供 AI 客服对话、订单查询、工作台及 API 文档入口。
7. **接口与部署:** 提供 REST API、MCP 工具服务,支持 Docker Compose 部署,并编写自动化测试。
当前项目使用模拟订单数据,退款操作为数据库业务状态处理,尚未连接真实电商平台和支付退款接口。
本人负责项目整体架构设计、后端开发、AI Agent 工作流设计、数据库建模、MCP 工具开发、RAG 知识库构建、Web 界面开发及 Docker 容器化配置。
后端采用 Python + FastAPI,使用 PostgreSQL + SQLAlchemy 管理订单及退款数据;通过 LangGraph 构建意图分类、订单查询、商品问答和人工审批流程;使用 MCP Server/Client 封装订单查询及退款业务工具;采用 Sentence Transformers + ChromaDB 实现商品知识库的向量检索和 RAG 问答。
项目重点解决了自然语言请求与业务接口衔接、Agent 工作流条件分支、人工审批中断与恢复、MCP 工具调用及多服务容器化部署等技术问题。使用 pytest 编写业务逻辑和接口测试,并通过原生 HTML、CSS、JavaScript 实现客服工作台。



评论