全本地化电商客服智能体 (Fully Local E-commerce AI Agent)
*核心特性*：完全离线 | 数据隐私 | MCP 架构
项目简介
本项目是一个基于 Dify Chatflow 构建的电商客服系统。与传统的云端 AI 不同，本项目实现了全链路本地化部署：
- 模型：用 Ollama 运行 Qwen 8B (LLM) 和 Qwen-embedding 4B (Embedding)，确保数据不出本地
- 工具：自主开发 Python MCP Server，模拟电商后台系统
- 数据：库存和订单数据存储于独立的两个 JSON 文件中
文件结构说明
📁 Project_Root
├── 📜 README.md # 项目说明文档
├── 🐍 ecommerce_server.py # MCP 服务器代码 (基于 fastmcp)
├── 📦 inventory.json # 库存数据库 (独立数据文件)
├── 🚚 orders.json # 订单数据库 (独立数据文件)
├── 📚 shop_knowledge.txt # RAG 知识库源文件 (产品参数/售后/技术支持)
└── ⚙️ 电商客服智能体.yml # Dify DSL 导出文件 (导入即可复现完整Chatflow)技术栈与架构
- 编排引擎: Dify (Docker Local Version)
- 大语言模型: Qwen 8B (via Ollama)
- 向量模型: Qwen-embedding 4B (via Ollama)
- 工具协议: Model Context Protocol (MCP)
- 后端开发: Python 3.10+,
fastmcp库 - 架构模式: RAG (检索增强) + Tool Use (工具调用) + Chatflow (多轮对话)
功能场景与实现逻辑
将用户需求分发至四个核心场景：
1. 咨询 (Consulting) - [RAG + MCP]
- 产品咨询：知识库获取产品参数信息，mcp工具实时读取数据库查询库存
- 物流咨询：自动提取订单号，mcp工具读取数据库获取物流状态
- 店铺政策：如退换货、售后政策
2. 投诉 (Complaint) - [RAG]
- 基于知识库，不管有无相关内容LLM都会进行人性化回复并安抚
3. 技术支持 (Tech Support) - [Pure RAG]
- 基于知识库的专家问答和llm本身知识，检索维修手册，解决问题
4. 闲聊模式 (Chitchat)
- 处理非业务类对话（如打招呼），展现客服的人格化设定
启动
1. 启动模型服务 Ollama
win+r cmd输入以下命令，确保本地Ollama服务启动：
ollama run qwen:8b # 用于对话和逻辑处理
ollama pull qwen-embedding:4b # 用于知识库索引2. 启动 MCP 服务器
在项目根目录下运行Python：
pip install fastmcp
python ecommerce_server.py # 启动服务 (默认端口 3002, SSE模式)*注意：保持终端窗口开启。Dify 将通过 http://host.docker.internal:3002/sse 连接此服务。*
3. 部署 Dify 应用
- 知识库：新建知识库，上传
shop_knowledge.txt，Embedding 模型选择本地的qwen-embedding:4b - 工具配置：在 Dify 工具页 -> MCP 工具 -> 添加自定义工具，填入上面的 SSE 地址
- 导入 DSL：创建空白 Chatflow，导入
电商客服智能体.yml - 关联资源：进入编排页面，检查 LLM 节点和知识库检索节点是否已正确关联本地模型
*Created by TonySMM | 2026*