6.3 智能客服系统端到端开发：对话管理加RAG加人工转接

6.3 智能客服系统端到端开发：对话管理加RAG加人工转接

一、系统架构（与书 6.3 对应）

《大模型应用开发极简入门》第6章「实战项目：端到端AI应用」中，综合案例1为智能客服系统：对话管理 + RAG + 工具调用 + 人工转接。本节与之一一对应，给出架构、流程与实现要点，便于端到端搭建。

智能客服系统包含：对话管理（多轮上下文）、RAG（知识库检索）、人工转接（无法回答时转人工）。

二、核心流程

1. 用户提问 → 可选「意图识别」判断是否需查知识库
2. 若需知识库：检索 RAG（Top-K 通常 3–5），将检索结果注入 system 或 user
3. 对话历史（session_id + messages）与当前问题、检索结果一起送入 LLM 生成回复
4. 若置信度低、用户说「转人工」、或模型输出「无法回答」→ 触发转接，进入人工队列

三、实现要点

3.1 对话历史管理

• 为每个会话维护session_id，将历史 messages 存 Redis 或 DB，每次请求加载最近 N 轮，避免超长上下文。
• 与第 2、3 章多轮对话一致：每次请求携带 [system, user1, assistant1, …, user_current]，并将本轮 assistant 写回存储。

3.2 RAG 检索

• 知识库为产品手册、FAQ、工单知识等，用 LlamaIndex 或自建向量库；用户问题转为向量后检