1.前言
在用户与人工客服的沟通中，等待时间长、需求难满足等问题频发，企业面临用户流失风险，用户渴望快速精准的答案，企业需要“开源节流”、“降本增效”。对此，利用 AI 大模型打造智能客服成为主流解决方案。本次调用大模型 API，实操构建一个具备知识库的 AI 智能客服系统，有效化解沟通难题。
2.智能客服系统展示
不同以往，这次我选择把智能客服系统页面展示放前头。先让大家伙直观看到系统界面和操作流程，一秒 get 系统全貌，再讲干货内容。要是我先讲一堆理论，大家伙怕是早不耐烦了吧。把页面展示放前面，也是为我后续介绍API调用、知识库、实际开发操作这些干货内容时做铺垫，帮助大家理解理论和代码。
下面是智能客服系统运行后的界面，这个智能客服是支持知识库的上传的。
实际对话界面如下
隔了一段时间再与智能客服进行对话，可以看见智能客服系统能保留我们的历史对话记录，并正常给我们推荐符合要求的手机商品，响应快速。
3.API调用
3.1.大模型API介绍
大模型API是大模型对外提供服务的接口。通过API，开发者不需要了解大模型复杂的内部结构和运行机制，就能将大模型强大的功能集成到自己的应用、系统中。同时我们也可以调用大模型的API对模型进行微调、推理训练等。
3.2.API 调用流程
3.2.1确定调用方式
用 Python 语言常用的requests库（这个库没安装需要手动安装）来构造请求。我们要根据所选大模型 API 的要求，确定请求的 URL 地址。
平台URL地址：
https://maas-api.lanyun.net/v1/chat/completions
requests库安装命令：
pip install requests
3.2.2构造请求参数
请求参数是 API 调用的关键部分，它决定了我们向大模型传递的信息以及期望得到的响应形式 。
- API KEY获取，进入Maas平台，创建API KEY，复制即可
- 链接：https://cloud.lanyun.net//#/registerPage?promoterCode=0131
- 模型相关参数：指定要调用的具体模型名称，在请求参数中明确设置模型参数。
这次智能客服并不需要向用户展示深度思考的思维链，我选择的模型是deepseek -V3模型，这个模型自然语言处理能力不错，最重要是的是响应十分快速，符合智能客服的需要。
“model”: “/maas/deepseek-ai/DeepSeek-V3”
设置生成文本的最大长度（max_tokens），设置为 200，意味着大模型生成的回答不超过 200 个 token。
控制生成文本的随机性（temperature），取值范围在 0 - 1 之间，这里设置为 0.7，生成的文本会相对更具多样性。
API配置核心代码：
# API配置
self.api_config = {
"url": "https://maas-api.lanyun.net/v1/chat/completions",
"api_key": "请替换为实际API密钥", # 请替换为实际API密钥
"model": "/maas/deepseek-ai/DeepSeek-V3"
}
这里我给一段测试代码，大家可以试试自己的API调用是否成功
import requests
url = "https://maas-api.lanyun.net/v1/chat/completions"
headers = {
"Content-Type": "application/json",
"Authorization": "Bearer 这里改成自己的API密钥"
}
data = {
"model": "/maas/deepseek-ai/DeepSeek-V3",
"messages": [
{
"role": "system",
"content": "You are a helpful assistant."
},
{
"role": "user",
"content": "Hello!"
}
]
}
response = requests.post(url, headers=headers, json=data)
if response.status_code == 200:
result = response.json()
print(result)
else:
print(f"请求失败，状态码: {response.status_code}")
调用成功模型是会给我们返回结果的，我利用的是利用Jupyter Notebook环境，当然别的环境也可以测试
4.知识库
4.1介绍
知识库（Knowledge Base） 是一个系统地存储、管理和组织知识的结构化集合，旨在高效地检索、共享和利用知识。它不仅包含事实、数据和信息，还涵盖规则、经验、理论等经过提炼的知识，通常用于辅助决策、问题解决或信息检索。
4.1.1核心特点
- 结构化存储:知识通过分类、标签、层级结构或关联关系进行组织，便于快速检索和管理。
- 知识多样性:包含多种类型的知识
- 可扩展性:支持持续更新和扩展，通过人工录入、自动抓取或机器学习等方式补充新知识。
- 应用导向:设计目标明确，服务于特定领域或场景，解决实际问题。
4.1.2知识库与数据库的区别
下面简单从四个方面，区分一下知识库和数据库
4.2知识库在智能客服中的用途
知识库是智能客服系统的核心，存储产品介绍、使用指南等业务相关知识，经整理分类后，可被系统快速检索匹配用户问题。它能让智能客服快速提供准确答案、保证回答一致、提升响应速度，支持多轮对话与个性化服务，还能辅助人工客服，且可随业务发展更新知识。
4.3知识库文件上传格式
为上传的文件设置可上传的格式，python进行文件操作比较中常见的格式有json、txt格式
考虑现实生活中知识库需要的格式非常常用的是word文件和pdf文件。若想要我们的知识库支持.docx和.pdf格式文件上传我们需要导入python的第三方库 python-docx 、PyPDF2，这个库没安装的需要我们手动安装。
打开终端输入安装命令
pip install python-docx PyPDF2
这里显示我已经安装过python-docx库了，只需要安装PyPDF2库就行
这样我们的知识库就可以支持多种格式上传了。知识库上传文件的函数代码逻辑:
# 新增库：用于处理Word和PDF文件
try:
from docx import Document
import PyPDF2
PDF_SUPPORT = True
except ImportError:
PDF_SUPPORT = False
print("警告：缺少PyPDF2或python-docx库，无法支持PDF和DOCX格式")
class KnowledgeBaseManager:
def __init__(self):
self.knowledge_base = []
self.vector_index = None # 预留向量索引接口
def load_from_file(self, filepath):
"""从文件加载知识库，支持多种格式"""
try:
filename = os.path.basename(filepath)
if filepath.endswith('.json'):
with open(filepath, 'r', encoding='utf-8') as f:
data = json.load(f)
self.knowledge_base.extend(data if isinstance(data, list) else [data])
elif filepath.endswith('.txt'):
with open(filepath, 'r', encoding='utf-8') as f:
self.knowledge_base.extend([
{"content": line.strip(), "source": filename}
for line in f if line.strip()
])
elif filepath.endswith('.docx'):
# 处理Word文档
doc = Document(filepath)
content = "\n".join([para.text for para in doc.paragraphs])
self.knowledge_base.append({"content": content, "source": filename})
elif filepath.endswith('.pdf') and PDF_SUPPORT:
# 处理PDF文档
with open(filepath, 'rb') as f:
reader = PyPDF2.PdfReader(f)
content = ""
for page_num in range(len(reader.pages)):
content += reader.pages[page_num].extract_text() + "\n"
self.knowledge_base.append({"content": content, "source": filename})
else:
messagebox.showerror("格式错误", f"不支持的文件格式: {filename}")
return False
return True
except Exception as e:
messagebox.showerror("加载错误", f"无法解析文件 {filename}: {str(e)}")
return False
这里我演示下实际操作效果，点击我们的智能客服“上传文件”按钮，就能打开文件目录，选择需要的格式上传就OK了。
这里，我以手机产品介绍为例作为智能客服的知识库上传，上面这个模块是展示我们上传了的文档的列表，下面显示文档具体的内容，最下面是系统操作提示。
5.智能客服
带知识库的智能客服是融合知识库与智能交互的服务系统。它以结构化知识库为核心，存储产品说明、操作指南等海量专业信息，通过自然语言处理技术理解用户问题，快速匹配知识库内容生成标准化回答。
5.1获取知识库内容
通过遍历知识库中前max_items条内容，将每条内容按格式[知识序号] 内容拼接成字符串返回，实现根据查询获取相关知识库内容。
def get_context(self, query, max_items=5):
"""获取与查询相关的知识库内容"""
return "\n".join(
f"[知识{i+1}] {item['content']}"
for i, item in enumerate(self.knowledge_base[:max_items])
) if self.knowledge_base else ""
5.2开场白设置
设置的开场白prompt，符合企业风格。
# 聊天历史
self.conversation = [
{"role": "system", "content": self.get_system_prompt()},
{"role": "assistant", "content": "您好！我是您的手机智能助手，很高兴为您服务！关于手机购买、使用教程、故障排查等问题，都可以告诉我，我会尽力为您解答～"}
]
# 自动显示开场白
self.display_message("客服", "您好！我是您的手机智能助手，很高兴为您服务！关于手机购买、使用教程、故障排查等问题，都可以告诉我，我会尽力为您解答～")
5.3窗口布局设计
这里简单说明，系统窗口界面分成两个区域，一个区域用来上传智能客服需要的知识库，另一区域做AI客服与用户对话区域。
def setup_window(self):
self.root.title("AI智能客服系统 v1.0")
self.root.geometry("1000x700")
self.root.minsize(800, 600)
self.style = ttk.Style()
self.style.configure('TButton', padding=5)
self.style.configure('TFrame', background='#f0f0f0')
def setup_ui(self):
# 主布局框架
main_frame = ttk.Frame(self.root)
main_frame.pack(fill=tk.BOTH, expand=True, padx=10, pady=10)
# 知识库面板 (左侧30%)
knowledge_frame = ttk.LabelFrame(main_frame, text="知识库管理", width=300)
knowledge_frame.pack(side=tk.LEFT, fill=tk.Y, padx=(0, 10))
knowledge_frame.pack_propagate(False)
self.setup_knowledge_ui(knowledge_frame)
# 聊天面板 (右侧70%)
chat_frame = ttk.Frame(main_frame)
chat_frame.pack(side=tk.RIGHT, fill=tk.BOTH, expand=True)
self.setup_chat_ui(chat_frame)
5.3.1知识库区域
支持用户上传文件，并展示已上传文件的列表，点击文件可浏览文件具体内容。
def setup_knowledge_ui(self, parent):
# 上传按钮区域
upload_frame = ttk.Frame(parent)
upload_frame.pack(fill=tk.X, pady=5)
ttk.Button(upload_frame, text="上传文件", command=self.upload_knowledge).pack(side=tk.LEFT)
ttk.Button(upload_frame, text="清空知识库", command=self.clear_knowledge).pack(side=tk.RIGHT)
# 知识库列表
list_frame = ttk.Frame(parent)
list_frame.pack(fill=tk.BOTH, expand=True)
self.knowledge_list = tk.Listbox(
list_frame,
selectmode=tk.SINGLE,
font=('Microsoft YaHei', 10)
)
self.knowledge_list.pack(side=tk.LEFT, fill=tk.BOTH, expand=True)
scrollbar = ttk.Scrollbar(list_frame, orient=tk.VERTICAL)
scrollbar.config(command=self.knowledge_list.yview)
scrollbar.pack(side=tk.RIGHT, fill=tk.Y)
self.knowledge_list.config(yscrollcommand=scrollbar.set)
# 知识详情
detail_frame = ttk.LabelFrame(parent, text="知识详情")
detail_frame.pack(fill=tk.BOTH, pady=(5, 0))
self.knowledge_detail = scrolledtext.ScrolledText(
detail_frame,
wrap=tk.WORD,
font=('Microsoft YaHei', 10),
height=8
)
self.knowledge_detail.pack(fill=tk.BOTH, expand=True)
5.3.2聊天区域
用户可与客服直接用自然语言对话，页面会显示当前聊天的实时时间，（这是这个智能客服的一个小亮点），最下方还会显示系统的操作。
def setup_chat_ui(self, parent):
# 聊天显示区域
self.chat_display = scrolledtext.ScrolledText(
parent,
wrap=tk.WORD,
state='disabled',
font=('Microsoft YaHei', 12),
padx=10,
pady=10
)
self.chat_display.pack(fill=tk.BOTH, expand=True)
# 输入区域
input_frame = ttk.Frame(parent)
input_frame.pack(fill=tk.X, pady=(5, 0))
self.user_input = ttk.Entry(
input_frame,
font=('Microsoft YaHei', 12)
)
self.user_input.pack(side=tk.LEFT, fill=tk.X, expand=True, padx=(0, 5))
send_btn = ttk.Button(
input_frame,
text="发送",
command=self.send_message,
style='TButton'
)
send_btn.pack(side=tk.RIGHT)
# 状态栏
self.status_var = tk.StringVar()
self.status_var.set("就绪")
ttk.Label(
parent,
textvariable=self.status_var,
relief=tk.SUNKEN,
anchor=tk.W
).pack(fill=tk.X, pady=(5, 0))
实际运行效果与对话效果
6.总结
调用大模型API，在智能客服服务场景中，我们实现了带知识库的智能客服系统，智能客服借助统一知识库保障回答一致性、支持动态更新适配业务迭代，精准匹配用户问题，实现长时间高效服务，AI智能客服还能通过多轮对话解决复杂问题，适用于电商、金融等领域，助力企业降本增效的同时还提升用户满意度，构建智能化服务体系。
