AI 智能商城客服系统
基于 RAG 和 MCP 技术的智能客服系统，支持知识检索、多轮对话和工具调用。
技术栈
- AI 引擎: Go 1.21 + Gin
- 商城服务: Java Spring Boot 3.2 + H2 Database
- MCP 服务: Python 3.11
- 向量数据库: Chroma
- LLM: 阿里云 DashScope (Qwen-Max)
- 部署: Docker Compose
快速启动
# 1. 配置环境变量
cp .env.example .env
# 编辑 .env，填入 DASHSCOPE_API_KEY
# 2. 启动所有服务
docker-compose up -d --build
# 3. 初始化知识库（等待 30 秒后执行）
docker-compose exec -T knowledge python /app/init_knowledge_rest.py
# 4. 访问系统
# http://localhost:8080项目架构
┌─────────────────────────────────────────────────────────────────────┐
│ 用户浏览器 │
│ http://localhost:8080 │
└───────────────────────────────┬─────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────────────────────────┐
│ Java Shop Service (端口: 8080) │
│ Spring Boot 3.2 + H2 │
├─────────────────────────────────────────────────────────────────────┤
│ ┌─────────────┐ ┌──────────────┐ ┌──────────────────────────┐ │
│ │ 商品管理 │ │ 订单管理 │ │ ChatController │ │
│ │ (CRUD API) │ │ (CRUD API) │ │ - 聊天接口 │ │
│ │ │ │ │ │ - 历史消息转发 │ │
│ └─────────────┘ └──────────────┘ │ - 配置 API │ │
│ └──────────┬───────────────┘ │
│ ┌──────────────────────────────────────────────┘ │
│ │ H2 Database │
│ │ (文件持久化: /data/shop.mv.db) │
│ └──────────────────────────────────────────────────────────────────│
└───────────────────────────────┬─────────────────────────────────────┘
│ HTTP POST /api/chat
│ { message, history }
▼
┌─────────────────────────────────────────────────────────────────────┐
│ Go AI Service (端口: 8081) │
│ Gin Framework │
├─────────────────────────────────────────────────────────────────────┤
│ ┌──────────────────────────────────────────────────────────────┐ │
│ │ Chat Handler │ │
│ │ 1. 接收用户消息 + 对话历史 (最多 20 轮) │ │
│ │ 2. 判断是否需要知识检索 │ │
│ │ 3. 构建 LLM Prompt (System + Context + History) │ │
│ │ 4. 调用 LLM 生成回复 │ │
│ │ 5. 解析工具调用并执行 │ │
│ └────┬──────────────────┬─────────────────────┬─────────────────┘ │
│ │ │ │ │
│ ▼ ▼ ▼ │
│ ┌─────────┐ ┌────────────┐ ┌──────────────┐ │
│ │ RAG │ │ LLM │ │ MCP │ │
│ │ Engine │ │ Client │ │ Client │ │
│ └────┬────┘ └─────┬──────┘ └──────┬───────┘ │
│ │ │ │ │
└───────┼─────────────────┼─────────────────────┼────────────────────┘
│ │ │
▼ ▼ ▼
┌──────────────┐ ┌──────────────────┐ ┌──────────────────────────┐
│ Chroma │ │ DashScope │ │ MCP Server (Python) │
│ Vector DB │ │ (阿里云 LLM) │ │ (端口: STDIO 通信) │
│ (端口: 8000) │ │ │ ├──────────────────────────┤
├──────────────┤ │ - qwen-max │ │ 工具列表: │
│ - products │ │ (对话生成) │ │ ✓ search_products │
│ 知识库 │ │ │ │ (商品搜索) │
│ - faq │ │ - embedding-v2 │ │ ✓ get_order │
│ 知识库 │ │ (向量化) │ │ (订单查询) │
└──────────────┘ └──────────────────┘ │ ✓ create_order │
│ (创建订单) │
└──────────────────────────┘
┌─────────────────────────────────────────────────────────────────────┐
│ 数据流示例 │
├─────────────────────────────────────────────────────────────────────┤
│ 用户: "你们有山地自行车吗？" │
│ ↓ │
│ 1. Java Shop 转发 → Go AI Service │
│ 2. RAG 检索 Chroma → 找到商品知识 │
│ 3. LLM 生成回复: "🔍 找到 1 个商品：山地自行车 Pro X1..." │
│ ↓ │
│ 用户: "多少钱？" (携带历史上下文) │
│ ↓ │
│ 1. Go AI Service 接收历史记录 │
│ 2. LLM 理解上下文 (知道是问山地自行车的价格) │
│ 3. 调用 MCP 工具: search_products("山地自行车") │
│ 4. 返回: "山地自行车 Pro X1 的价格是 ¥3999.0" │
└─────────────────────────────────────────────────────────────────────┘目录结构
ai-example/
├── go-ai-service/ # Go AI 客服引擎
│ ├── handlers/
│ │ └── chat_handler.go # 聊天处理 + 历史记忆
│ ├── llm/
│ │ ├── client.go # DashScope 客户端
│ │ └── tool_calling.go # 工具调用解析
│ ├── rag/
│ │ └── chroma_client.go # 向量检索
│ ├── mcp/
│ │ ├── client.go # MCP STDIO 通信
│ │ └── executor.go # 工具执行器
│ └── main.go
│
├── java-shop/ # Java 商城服务
│ ├── controller/
│ │ ├── ChatController.java
│ │ ├── ProductController.java
│ │ └── OrderController.java
│ ├── service/
│ │ └── AiChatService.java
│ ├── model/
│ │ ├── Product.java
│ │ └── Order.java
│ └── resources/
│ ├── application.yml
│ └── templates/
│ └── index.html # 前端界面
│
├── mcp-server/ # Python MCP 工具服务器
│ ├── server.py # MCP 协议实现
│ └── requirements.txt
│
├── knowledge/ # 知识库初始化
│ ├── init_knowledge_rest.py # 向量化脚本
│ ├── products.txt # 商品知识
│ └── faq.txt # FAQ 文档
│
├── docker-compose.yml # 服务编排配置
├── .env # 环境变量
└── README.md # 项目文档