企业官网建设流程全解析

项目简介

AI智能客服系统是一个基于微服务架构的企业级智能客服平台，集成了大语言模型（LLM）、知识库检索（RAG）、工单管理等核心功能，为企业提供从传统人工客服到AI智能问答的完整解决方案。项目采用前后端分离架构，后端基于Spring Boot 3.x + Spring Cloud Gateway，前端使用Vue 3 + Element Plus，支持多租户、多会话隔离，具备高可扩展性和高可用性。

核心特性

🤖 AI智能对话

• 基于大语言模型的智能问答，支持上下文会话管理
• 意图识别与智能路由，自动判断用户需求
• Function Call工具调用，支持扩展AI能力
• 多轮对话记忆管理，Redis持久化存储

📚 知识库检索（RAG）

• 传统FAQ管理：支持FAQ的增删改查、分类管理
• RAG检索增强生成：
  • 多格式文档支持：PDF、TXT、DOCX、MD
  • 智能文本切片：可配置chunkSize和overlap参数
  • 向量化存储：支持Chroma（本地开发）和Milvus（生产环境）
  • 两阶段检索：向量召回 + Rerank重排，提升检索精度
  • 多用户会话隔离：基于Redis的对话记忆管理
  • 防幻觉机制：自定义Prompt模板，确保回答准确性

🎫 工单系统

• 智能工单创建与流转管理
• 工单状态跟踪：待处理、处理中、已完成、已关闭
• 工单分配与优先级管理
• 工单统计与报表

💬 实时通信

• 基于WebSocket的即时消息推送
• 支持在线客服聊天
• 消息广播与群发功能
• 连接状态管理

👥 客户管理

• 完整的客户信息管理系统
• 客户标签与分组
• 客户画像与行为分析
• 坐席账号管理

技术架构

系统架构图

┌─────────────────────────────────────────────────────────────┐ │ 前端层 (Vue3) │ │ ai-cs-frontend │ └──────────────────────┬──────────────────────────────────────┘ │ HTTP/WebSocket ┌──────────────────────▼──────────────────────────────────────┐ │ 网关层 (Gateway) │ │ ai-cs-gateway :8080 │ │ 路由转发 | 负载均衡 | 鉴权 | 限流 │ └──┬──────────┬──────────┬──────────┬──────────┬─────────────┘ │ │ │ │ │ ▼ ▼ ▼ ▼ ▼ ┌────────┐ ┌────────┐ ┌────────┐ ┌────────┐ ┌────────┐ │基础服务│ │AI代理 │ │知识库 │ │工单服务│ │WebSocket│ │:9001 │ │:9002 │ │:9003 │ │:9004 │ │:9005 │ └────────┘ └────────┘ └────────┘ └────────┘ └────────┘ │ │ │ │ │ └──────────┴──────────┼──────────┴──────────┘ │ ┌──────────▼──────────┐ │ 公共模块 (Common) │ │ Feign API (API) │ └─────────────────────┘ │ ┌────────────────┼────────────────┐ ▼ ▼ ▼ ┌─────────┐ ┌──────────┐ ┌──────────┐ │ MySQL │ │ Redis │ │ Milvus │ │ 主数据库 │ │ 缓存 │ │向量数据库│ └─────────┘ └──────────┘ └──────────┘

技术栈

后端技术：

• Java 17 + Spring Boot 3.2.0
• Spring Cloud Gateway（微服务网关）
• MyBatis Plus 3.5.5（ORM框架）
• MySQL 8.0+（关系型数据库）
• Redis 6.0+（缓存数据库）
• Milvus 2.x / Chroma（向量数据库）
• LangChain4j 0.32.0（Java版LLM应用框架）
• Ollama（本地大模型服务）
• WebSocket（实时通信）

前端技术：

• Vue 3.x（前端框架）
• Vite 4.x（构建工具）
• Element Plus（UI组件库）
• Axios（HTTP客户端）
• Vue Router 4.x（路由管理）

AI/ML技术：

• LLM集成（通义千问、ChatGLM等）
• RAG检索增强生成
• Embedding向量化（nomic-embed-text）
• 重排模型（BGE-Reranker）

模块介绍

核心服务模块

公共模块

• ai-cs-common：通用工具类、常量、DTO、异常处理、统一返回结果封装
• ai-cs-api：Feign客户端接口定义、服务间通信DTO

前端应用

• ai-cs-frontend：Vue3 + Element Plus用户界面，包含聊天、客户管理、知识库、工单管理等页面

RAG系统详解

RAG工作流程

用户提问 ↓ 文本向量化（Embedding） ↓ 向量相似度检索（Chroma/Milvus） ↓ Rerank重排优化（BGE-Reranker） ↓ 检索相关文档片段 ↓ 构建Prompt（包含检索到的上下文） ↓ LLM生成答案 ↓ 返回用户

RAG核心配置

rag:ollama:base-url:http://localhost:11434llm-model:qwen:7b# 对话模型embedding-model:nomic-embed-text# 向量模型rerank-model:bge-reranker:latest# 重排模型temperature:0.1chroma:base-url:http://localhost:8000collection-name:private_knowledge_basesplit:chunk-size:500# 文本切片大小chunk-overlap:80# 切片重叠字符数retrieve:top-k:5# 初次检索返回数量rerank-top-k:3# 重排后保留数量chat-memory:ttl:604800# 对话记忆过期时间（7天）

RAG API接口

• POST /api/rag/upload/pdf- 上传PDF文档入库
• POST /api/rag/upload/file- 上传普通文件入库
• POST /api/rag/chat- 智能问答（支持多轮对话）
• POST /api/rag/memory/clear/user- 清空单用户记忆
• POST /api/rag/memory/clear/all- 清空全部记忆

文档版本管理（新增功能）

系统新增了文档版本管理功能，支持文档的版本跟踪、回退和对比：

核心功能

• 版本创建：每次上传文档自动创建新版本记录
• 版本查询：查看文档的所有历史版本
• 版本回退：一键回退到任意历史版本
• 版本对比：基于MD5和文件大小对比版本差异
• 内容去重：通过MD5检测重复文档

版本管理API

• GET /api/document/version/list- 获取所有文档列表
• GET /api/document/version/versions/{documentId}- 获取文档的所有版本
• POST /api/document/version/rollback- 回退到指定版本
• DELETE /api/document/version/delete/{id}- 删除指定版本
• GET /api/document/version/compare- 比较两个版本

快速开始

环境要求

• JDK 17+
• Maven 3.6+
• MySQL 8.0+
• Redis 6.0+
• Node.js 16+（前端开发）
• Ollama（RAG功能）
• Chroma/Milvus（向量数据库）

启动步骤

1. 克隆项目

gitclone https://gitee.com/huangrenhui/ai-cs-parent.gitcdai-cs-parent

2. 初始化数据库

CREATEDATABASEai_cs_dbCHARACTERSETutf8mb4COLLATEutf8mb4_unicode_ci;mysql-u root-p ai_cs_db<docs/database/init.sql

3. 启动RAG前置服务

# 拉取Ollama模型ollama pull qwen:7b ollama pull nomic-embed-text ollama pull bge-reranker:latest# 启动Chromachroma run--path./chroma-db

4. 编译项目

mvn cleaninstall-DskipTests

5. 启动后端服务

# 按顺序启动各微服务cdai-cs-gateway&&mvn spring-boot:runcdai-cs-base-service&&mvn spring-boot:runcdai-cs-ai-agent&&mvn spring-boot:runcdai-cs-knowledge&&mvn spring-boot:runcdai-cs-workorder&&mvn spring-boot:runcdai-cs-websocket&&mvn spring-boot:run

6. 启动前端服务

cdai-cs-frontendnpminstallnpmrun dev

应用场景

1. 企业客服中心

• 7x24小时智能问答，减少人工客服压力
• 知识库自动更新，保持信息同步
• 工单智能分配，提高处理效率

2. 技术支持系统

• 技术文档智能检索
• 问题自动诊断与解决方案推荐
• 多轮对话引导问题解决

3. 内部知识管理

• 企业文档集中管理
• 智能搜索与问答
• 版本控制与历史追溯

4. 在线教育平台

• 课程资料智能检索
• 学习问题智能解答
• 个性化学习路径推荐

项目亮点

1. 微服务架构

• 服务独立部署，易于扩展
• 故障隔离，提高系统可用性
• 技术栈灵活，便于技术升级

2. RAG技术落地

• 结合向量检索与大语言模型
• 两阶段检索优化，提升准确率
• 支持多种文档格式，适用性广

3. 文档版本管理

• 完整的版本追溯机制
• 一键回退，降低运维成本
• MD5去重，避免重复存储

4. 多用户会话隔离

• 基于Redis的对话记忆管理
• 支持多用户并发访问
• 会话过期自动清理

5. 高可扩展性

• 支持水平扩展
• 无状态服务设计
• 可集成消息队列解耦

部署架构

开发环境

本地运行各微服务，使用localhost访问

生产环境（推荐）

┌─────────────┐ │ Nginx LB │ └──────┬──────┘ │ ┌────────────┼────────────┐ │ │ │ ┌─────▼─────┐ ┌───▼────┐ ┌────▼─────┐ │ Gateway 1 │ │ GW 2 │ │ GW 3 │ └─────┬─────┘ └───┬────┘ └────┬─────┘ │ │ │ └────────────┼────────────┘ │ ┌────────────┼────────────┐ │ │ │ │ 各微服务集群 Redis集群 MySQL主从 Milvus/Chroma集群

安全设计

1. 网关鉴权：所有请求经过网关进行身份验证
2. 密码加密：坐席密码使用BCrypt加密存储
3. HTTPS：生产环境使用HTTPS协议
4. SQL注入防护：使用MyBatis Plus参数化查询
5. XSS防护：前端输入过滤和转义
6. CSRF防护：Token验证机制

性能优化

1. Redis缓存：热点数据缓存，减少数据库查询
2. 数据库索引：合理设计索引，优化查询性能
3. 连接池：使用HikariCP数据库连接池
4. 异步处理：耗时操作异步执行
5. 分页查询：大数据量使用分页
6. 向量检索优化：Milvus索引加速相似度搜索

监控与日志

1. Spring Boot Actuator：健康检查和指标监控
2. 日志收集：统一日志格式，支持ELK分析
3. 链路追踪：集成Sleuth/Zipkin（可选）
4. 告警机制：关键指标异常告警

项目地址

• gitee: https://gitee.com/huangrenhui/ai-cs-parent.git
• 维护者: huangrenhui
• 许可证: MIT License

总结

AI智能客服系统是一个功能完善、架构合理的企业级智能客服解决方案。通过集成RAG技术、文档版本管理等先进功能，为企业提供了从传统客服到智能问答的完整升级路径。项目采用微服务架构，具备高可扩展性和高可用性，适合各种规模的客服场景。

无论是企业客服中心、技术支持系统，还是内部知识管理平台，该系统都能提供强大的智能问答能力和完善的管理功能，帮助企业提升客服效率，降低运营成本。

欢迎Star、Fork和贡献代码！