AI产品问答- 基于企业本地知识库-AI产品经理-星鲜助手
2025-07-17 09:51:22
行业：人工智能
载体：小程序
技术：PyTorch、Transformers、Linux Driver
业务和功能介绍
这个项目最初是为了解决企业产品咨询难、资料分散、客服压力大的问题。公司的冷链和智能柜类产品比较多，涉及到商超、生鲜、新零售、餐饮、医药等多个行业，客户经常需要了解设备参数、使用方法、选型推荐，但传统方式不是靠翻说明书就是打电话问客服，效率非常低。我们想通过一个智能问答小程序，把企业知识库“装进”AI助手里，让用户随时随地都能提问，比如“这款冷柜能最低到多少度”“酸奶机一天能卖几杯”等。前期我们和产品部、市场部、售后客服等进行了大量沟通，把用户常问的问题、技术资料、销售FAQ等都梳理成结构化知识，同时兼顾语音交互和多轮对话，力求让这个“星鲜助手”变得真的好用、有用、能推广。
星鲜助手小程序的核心功能就是：用户用语音或者文字问任何关于我们产品的问题，AI会直接给出准确的回答。它支持接入我们企业的本地知识库，比如风冷无霜柜、智能取餐柜、医药冷藏箱、管家盒子等几十种产品的说明书、参数、使用教程都能被AI“记住”。如果知识库里找不到答案，它还能自动联网搜索我们的官网和相关网页进行补充。另外，小程序还接入了商城系统，支持用户看完产品后直接跳转到购买页。我们还支持语音识别和播报，适合动手不方便的场景，比如仓库、门店操作员。此外，AI助手还能根据问答上下文保持逻辑连贯，支持多轮对话，并且能自动判断用户需求，给出推荐产品或文档下载链接。
星鲜助手小程序的核心功能就是：用户用语音或者文字问任何关于我们产品的问题，AI会直接给出准确的回答。它支持接入我们企业的本地知识库，比如风冷无霜柜、智能取餐柜、医药冷藏箱、管家盒子等几十种产品的说明书、参数、使用教程都能被AI“记住”。如果知识库里找不到答案，它还能自动联网搜索我们的官网和相关网页进行补充。另外，小程序还接入了商城系统，支持用户看完产品后直接跳转到购买页。我们还支持语音识别和播报，适合动手不方便的场景，比如仓库、门店操作员。此外，AI助手还能根据问答上下文保持逻辑连贯，支持多轮对话，并且能自动判断用户需求，给出推荐产品或文档下载链接。
项目实现
1、我用的是本地部署方案，LLM部分选的是 Deepseek 蒸馏模型，部署在 vLLM 上，响应速度很快。RAG 部分我做了知识预处理、向量化，选用的是 Embedding + Ranker 两阶段召回，提升了匹配准确率。问答用 LLaMA Factory 做了 SFT 微调，针对我们产品领域的数据训了一轮。TTS 用的是 Xinference 部署的 ARS 模型，体验接近真实语音。
2、在接口服务方面，用Spring Boot+Gunicorn搭建Web API，部署在Docker容器中，还集成了微信接口，实现用户通过微信小程序进行交互
3、用 Dify 来做流程编排，让多个模型之间的调用变得更顺畅，整体运行起来比较稳定，也方便后期维护和扩展。
2、在接口服务方面，用Spring Boot+Gunicorn搭建Web API，部署在Docker容器中，还集成了微信接口，实现用户通过微信小程序进行交互
3、用 Dify 来做流程编排，让多个模型之间的调用变得更顺畅，整体运行起来比较稳定，也方便后期维护和扩展。
示例图片视频
相似推荐
memRagAgent - 智能认知记忆系统
开源地址：https://github.com/daoyou-zhang/memRangeAgent
### 记忆增强检索（Memory RAG）
系统的核心是三层记忆架构的实现。情节记忆（Episodic）采用 PostgreSQL 存储，每条记录包含对话内容、时间戳、用户 ID、会话 ID 等元数据，并通过向量化技术生成 embedding，支持语义检索。语义记忆（Semantic）通过 LLM 从情节记忆中提炼，存储抽象概念、用户偏好、领域知识等，形成结构化的知识条目。程序记忆（Procedural）记录成功的工具调用序列和操作流程，支持流程复用。
向量检索基于余弦相似度算法，将用户输入向量化后，在记忆库中检索最相关的历史记录。检索结果按相关性和时间衰减加权排序，确保既考虑语义相关性，又优先召回近期记忆。通过 Redis 缓存热点查询，将 RAG 检索延迟控制在 100ms 以内。
### 认知控制器（Cognitive Controller）
认知流程分为四个阶段：意图理解 → 上下文聚合 → 回复生成 → 学习闭环。意图理解使用独立的快速模型（qwen-flash），低温度（0.1）保证稳定的 JSON 输出，分析用户意图类别、实体、置信度和是否需要工具调用。上下文聚合从记忆服务获取用户画像、工作记忆（最近对话）和 RAG 检索结果，从知识服务获取图谱查询结果，融合成完整上下文。回复生成使用高质量模型（deepseek-v3），温度 0.5 保证创造性和稳定性的平衡。学习闭环将对话存入情节记忆，触发异步的画像聚合任务。
### 知识图谱集成
采用 Neo4j 图数据库构建知识图谱，支持实体（Entity）、关系（Relationship）、属性（Property）的灵活建模。实体包括人物、概念、事件等，关系包括"属于"、"相关"、"导致"等语义连接。通过 Cypher 查询语言实现路径查询、社区发现、中心性分析等图算法。
电商类型-Home Live
HomeLive是一款服务于全球用户的在线外贸交易平台，核心定位是打破跨境购物壁垒，满足中国消费者不出国门就能便捷选购全球商品的需求。平台汇集全球各地知名品牌供应商，打造多元化服务体系，涵盖在线直播带货频道、认证商家一站式购物服务，同时保障海外商品现货库存充足，提供全球货物护航直邮服务，全方位提升跨境购物的便捷性与安全性。
.该工具仅采集互联网上公开可商用、无版权声明且符合国家
为解决电商从业者手动整理商品信息效率低的问题，我用 Python 开发了一款自动爬取公开商品列表的小工具，能按设定的关键词抓取商品名称、价格和销量信息，并自动整理成表格格式，帮助快速汇总竞品或目标类目的基础数据，降低人工整理的时间成本。该工具仅支持爬取用户授权或平台公开可商用的非版权类图片与基础数据，不涉及影视、付费素材等有版权保护的内容，全程遵守网站 robots 协议和数据使用规范，确保爬取行为合法合规
本地生活小程序
本地生活小程序，为了相应政策的拉动消费，让本地人群实现物美价廉的购物体验，包括在线超市，本地商家等，超市支持配送到家，平台商户折扣消费后返积分，积分可以兑换优惠券，再次消费，打造良性循环。
充电宝小程序，用于充电宝租借，电池包租借小程序用于电池包租借
立项背景和目标：
随着共享经济发展，共享充电宝已成为人们外出时解决手机电量焦虑的刚需。本项目旨在开发一款跨平台的充电宝租借小程序/App，覆盖用户从查找附近机柜、扫码租借、在线支付到归还的全流程。同时通过电池包租借功能拓展业务场景（如便携充电包），提升用户体验与平台收益。
核心功能模块：
地图找点：基于LBS显示附近可用机柜，支持按距离/空闲状态筛选，一键导航。
扫码租借：扫描机柜二维码或手动输入编号，快速租借充电宝或电池包。
信用免押：接入第三方信用分（如芝麻信用），高信用用户免押金租借。
订单与支付：实时计费，支持微信/支付宝支付，订单历史可查，押金秒退。
用户中心：个人信息、优惠券、客服反馈、使用帮助等。
业务流程描述：
用户打开小程序 → 授权定位 → 首页地图展示附近机柜 → 点击机柜查看详情（剩余充电宝数、距离）→ 选择“扫码租借”扫描二维码 → 确认租借，系统判断信用分 → 免押/支付押金 → 机柜弹出充电宝 → 使用中可查看剩余电量/计费 → 归还时扫描任意同品牌机柜二维码 → 插入充电宝 → 系统自动结算费用并扣款 → 订单完成。
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服