立项背景和目标: 小微企业客服人力有限、游戏规则分散、夜间无人值守, 重复咨询淹没客服; 通用大模型不了解业务规则, 会张冠李戴甚至编造规则和价格. wali-ai的目标是让运营者用自己的知识库, 7x24自动回答玩家问题, 答不上来就兜底或转人工, 以及记录,绝不编造.
软件功能与核心模块: 多租户SaaS控制面(注册即获默认租户与工作空间、两级角色权限、按套餐的对话条数/知识库数量/容量/席位/Token额度五维配额); 知识库管理(文件导入, 切片可视化编辑与检索测试); 自研RAG引擎(向量+关键词混合检索、RRF融合、Rerank重排、置信度评估); Agent编排(意图判断、会话上下文、人设提示词、闲聊/固定兜底双模式); 多渠道接入(游戏内Lua桥接、QQ群NapCat、网页悬浮球SDK、开放API); 会话管理与人工接管; 未回答问题沉淀反哺知识库; 运营统计与全量审计.
业务流程: 注册登录->创建游戏服与机器人->建知识库导入文档->自动切分并向量化索引->配置渠道->玩家在游戏内/QQ群/网页提问->统一网关验签、幂等、路由->Agent意图判断->RAG混合检索->大模型生成带来源引用的回答->写回会话、用量与审计->低置信度时兜底或转人工, 管理员在管理端查看会话、反馈、用量与配额.
整体架构和设计思路: 采用前后端分离的模块化单体架构, 按身份、渠道、知识库、检索、机器人、消息网关、支付划分模块边界, 保留后续拆分空间. 后端为Python Web框架, 数据层组合关系数据库、向量检索与缓存, 支撑知识库向量化检索与大模型问答; 前端基于Vue3, 分租户管理端、平台运营端、玩家对话端三端; 渠道层以独立进程适配器接入游戏内、QQ群和网页挂件, 与业务层解耦, 统一经消息网关进入后端. 全链路日志追踪, 容器化一键部署.
"我"的负责模块和结果: 覆盖全栈开发. 后端负责消息网关、订阅套餐与在线支付、开放接口、知识库多格式导入、实名核验等模块; 前端负责机器人编排工作台、用量报表、订阅收银台、数据可视化等30余个业务页面, 并主导前端整体质量专项收口. 配套30余个自动化测试覆盖多租户隔离、支付订单、检索评测等核心场景, 产品已闭环从注册开通、知识导入、多渠道问答到付费订阅的完整链路.
"我"遇到的难点和解决方案: 1)多租户数据隔离不能有任何漏网查询: 设计统一的租户上下文注入机制, 查询层强制附加租户条件并在检索层二次校验, 配合专项隔离测试兜底; 2)AI不能编造游戏规则: 引入检索置信度评估, 低置信时自动走兜底话术或转人工, 并把答不上来的问题沉淀成待补清单反哺知识库; 3)游戏内脚本不能同步等待网络请求: 设计异步桥接收发链路, 游戏体验不受AI响应速度影响; 4)在线支付不能出现丢单错账: 以订单状态机统一管理, 取消与回调双向核对, 异常留痕审计便于对账.