代理AI客户支持智能平台
投资组合项目 Koushik Samudrala
🔗 拥抱脸部空间现场演示
______________________________________________________________________
🚀 概述
该项目是一个生产就绪的多代理客户支持AI平台，作为代理AI架构的模块化和可扩展的演示器而构建。它展示了明确的MCP-风格（模型上下文协议）代理通信、先进的检索增强生成（RAG）、先进的LLM集成（Gemini API）以及所有设计和部署的最先进的编排。
主要专业
- 使用显式消息传递的自定义多代理系统（无直接函数调用）
- 用于文档检索的RAG管道：语义搜索、混合检索、矢量数据库
- 智能体流中集成的知识图驱动推理
- 通过Google Gemini API生成LLM响应（免费、可扩展、零信用卡）
- 带Streamlit的企业级流媒体用户界面
- 完全容器化并部署到Hugging Face Spaces进行云访问
______________________________________________________________________
🌟 特点和专长
1.代理架构（MCP）
- 通过中央总线（MCP）进行显式代理间消息传递
- 代理关注点分离：QueryRouter、RAGAgent、KGAgent、ResponderAgent、EvaluatorAgent
- 轻松扩展/替换单个代理以实现新的业务逻辑
2.检索增强生成（RAG）
- 基于HuggingFace全MiniLM-L6-v2语义嵌入和色度的混合检索
- 可重复使用的组块和文档拆分，用于实际支持场景
- 快速、设备上和可扩展的知识库搜索
3.知识图谱集成
- NetworkX驱动的产品、策略和实体关系域图
- 代理利用图查询链接上下文，解决歧义，并确保响应基于事实
4.LLM集成：Google Gemini API
- Gemini Pro API，用于智能、专业的响应生成
- 免费使用（无信用卡），便于实验
- 快速工程控制：分类、上下文、特定角色说明
5.稳健的评估框架
- 用于反应评估的简单可扩展代理（相关性、质量、幻觉风险、源接地）
- 持续改进代理的历史跟踪
6.流线型用户界面
- 用于用户交互的现代、响应式仪表板
- 代理处理步骤、性能指标、调试日志的实时可视化
- 本地或云托管演示的单命令部署
7.企业就绪部署
- 容器化用于拥抱面部空间（云、可共享、可扩展）
- YAML配置的README用于自动配置
- API密钥的安全保密管理
______________________________________________________________________
🛠️ 工具和技术
- Python 3.10+ –全栈实现语言
- LangChain –多代理和RAG编排框架
- 色度数据库 –可扩展、快速的矢量搜索数据库
- 网络X –知识图构建，实体关系
- 溪流 –带仪表板的专业web应用程序UI
- Google Gemini API（langchain-Google-genai） –LLM供电响应
- Dotenv。 –机密的环境变量管理
- 拥抱面部空间 –免费的云原生托管和部署
- Git –源代码控制和部署管道
______________________________________________________________________
📖 完成分步实施指南
第一步：克隆项目
git clone https://huggingface.co/spaces/koushiksamudrala/customer-support-Intelligence-platform
cd customer-support-Intelligence-platform步骤2：设置Python环境
python -m venv venv
source venv/bin/activate # On Mac/Linux
venv\\Scripts\\activate # On Windows步骤3：安装所有依赖项
pip install -r requirements.txt步骤4：配置API密钥
在项目目录中创建.env文件：
GOOGLE_API_KEY=your_gemini_api_key在Google AI Studio注册并获得免费的API密钥。
步骤5：本地运行（Streamlit UI）
streamlit run app.py您的应用程序将在http://localhost:8501
第六步：尝试示例问题
- “我可以退货吗？”
- “运输需要多长时间？”
- “你们的退款政策是什么？”
- “有保修吗？”
步骤7：自动测试（可选）
python tests/test_system.py步骤8：部署到拥抱面部空间（云）
A.Web界面
前往拥抱脸部空间→ 创建空间
将SDK设置为streamlit，将App文件设置为App.py
上传所有脚本、README.md、requirements.txt、.env.example
B.Git推送
huggingface-cli login
git remote add origin [your-space-git-url]
git add .
git commit -m "Initial commit"
git push -u origin mainC.添加API机密
前往设置→ 存储库机密并添加：
Name: GOOGLE_API_KEY
Value: your_gemini_api_keyD.等待构建、测试UI
📂 项目结构
customer-support-Intelligence-platform/
├── mcplib.py # MCP message bus for agent comms
├── agents.py # All agent logic (message-driven)
├── rag_pipeline.py # RAG chunking, embedding, and retrieval
├── knowledge_graph.py # Knowledge graph definition and access
├── evaluation.py # Response quality and risk assessment
├── config.py # All settings in one place
├── app.py # Streamlit user interface
├── requirements.txt # Dependency manifest for pip
├── .env.example # Secrets template
└── tests/
└── test_system.py # Automated agent QA💡 显著成就
- 通过显式消息传递实现多代理编排，以实现可审计性和可扩展性
- 无需信用卡，演示和生产部署的云成本为0美元
- 专业的UI和部署管道，可实现即时共享和使用
- 可扩展架构：交换代理逻辑，添加新的集成，以最小的努力扩展到新的领域
- 即时工程和API集成：现实世界聊天机器人的可靠性
📚 其他学习资源
- LangChain文档
- Google Gemini API文档
- 简化文档
- 色度数据库
- 拥抱面部空间
- 网络X
📣 联系
创建者：Koushik Samudrala
领英：LinkedIn.com/in/koushiksamudrala
空间：客户支持智能平台
⚡ 准备好尝试了吗？
分叉或克隆项目，获得Gemini API密钥，体验代理人工智能客户支持-在企业人工智能研究和工程的前沿！ """