企业官网建设流程全解析

AI微信客服的本质，是在消息网关和发送接口之间插一个LLM推理层。用户消息进来→网关做去重和路由→LLM生成回复→发送接口回出去。WTAPI负责收发，大模型负责理解和生成，各管一段。这篇给出可直接落地的完整代码。

一、整体架构

用户消息 → Webhook → 消息队列 → 会话管理 → LLM推理 → 发送接口 → 用户

关键点：消息收发和LLM推理解耦，中间靠会话管理层串联上下文。

二、LLM接入层

WTAPI官方文档提到支持接入ChatGPT、文心一言、自研NLP等大模型。用统一客户端封装，方便后续切换：

classLLMClient:def__init__(self,provider="chatgpt"):self.provider=providerdefchat(self,messages):ifself.provider=="chatgpt":returnself._chatgpt(messages)elifself.provider=="ernie":returnself._ernie(messages)# 其他自研NLP...def_chatgpt(self,messages):# 调用大模型接口，返回回复文本# 具体实现按所选模型的SDK文档pass

三、会话上下文管理

多轮对话需要维护上下文，按instanceId:fromWxid存最近N轮消息：

importjson MAX_HISTORY=10# 保留最近10轮defget_history(instance_id,from_wxid):raw=redis.get(f"history:{instance_id}:{from_wxid}")returnjson.loads(raw)ifrawelse[]defappend_history(instance_id,from_wxid,role,content):history=get_history(instance_id,from_wxid)history.append({"role":role,"content":content})history=history[-MAX_HISTORY:]redis.setex(f"history:{instance_id}:{from_wxid}",3600,json.dumps(history,ensure_ascii=False),)

四、完整处理流程

defhandle_ai_reply(instance_id,from_wxid,content):# 1. 加入用户消息到上下文append_history(instance_id,from_wxid,"user",content)# 2. 构造prompt（含系统人设）system_prompt="你是一个专业的客服，回答要简洁友好"messages=[{"role":"system","content":system_prompt}]messages+=get_history(instance_id,from_wxid)# 3. 调用LLMllm=LLMClient(provider="chatgpt")reply=llm.chat(messages)# 4. 加入助手回复到上下文append_history(instance_id,from_wxid,"assistant",reply)# 5. 发送回复requests.post(f"{BASE}/finder/v2/api/postText",headers=HEADERS,json={"appId":APP_ID,"instanceId":instance_id,"toWxid":from_wxid,"content":reply,},timeout=10,)

五、生产环境的防护

AI客服直接面向用户，必须加防护：LLM调用设超时，超时回兜底话术，不让用户干等；LLM输出过一遍敏感词过滤，防止生成不当内容；用户连续3次说"人工"或LLM置信度低时转人工客服；会话超过1小时自动清空，避免上下文污染。

六、工具调用（进阶）

如果要让AI能查订单、查物流，需要给LLM加工具调用能力。但微信侧只负责消息收发，工具实现对接业务后端——这部分不在WTAPI能力范围内，按所选大模型的function calling机制实现即可。

参考资料WTAPI框架
微信机器人接口二次开发平台
感兴趣的朋友可以测试开发，有试用
接口字段见api文档weiti.apifox.cn 。