最近刚刚入职了某小厂，作为ai实习生，也是开启了自己的牛马生涯。 公司的第一个任务就是做一个电商客服，我在网络上搜罗了一下可能比较成形的方案，最终决定选择使用fastgpt框架调用qwen api+千牛后台。
介绍#
fastgpt是是一个ai agent搭建平台，提供了开箱即用的数据处理和模型调用能力，可以方便的本地化部署工作流。而且这个项目好像是中文项目，感觉ai agent领域很多都是中文（比如还有dify）。
工作流介绍#
我的智能客服工作流是在他在线方案的模板下，简单改了一下，模板可以通过这个网站访问。
下面为流程图
系统配置#
设置开场白，如：
1您好！欢迎光临云米净水旗舰店！❤️
2我是您的专属顾问。
3想要咨询一些什么问题呢
流程开始#
用户输入问题string，会直接进入安抚程序。
用户意图解析#
通过问题分类将用户的问题string输入到qwen flash，可以对问题进行大致分类，比如分成产品问题售后类，其他类（打招呼，情绪宣泄）。对于不同的问题走不一样的后续流程。
产品品类解析#
同样还是通过调用qwen flash，来判断问题有关的产品是什么。方便调用对应的知识库来查询。
知识库查询#
知识库使用的embedding模型也是阿里旗下的text-embedding-v4(因为阿里有免费额度 😄) 💯，知识库检索的重排模型使用的是gte-rerank-v2 。
查询融合#
因为可能会走不同的知识库查询，为了方便下文中调用，通过这个查询融合模块就可以不用管走哪个数据库，住模型都使用相同的数据库变量。
主模型#
根据用户问题和知识库查询结果，输出客服回答。
遇到的问题#
一开始我虽然知道对于客服这种对回复效率有一定要求的agent，不能使用思考类模型，于是我一开始特地使用的就是带flash（🤗）的模型即qwen3.5-flash，但是还是不行还是会存在思考过程。导致输出非常地慢，会要一分多钟。后来选择了qwen-flash，就没有这个问题了，效果也还可以。
我一开始就是白嫖的阿里的免费额度，阿里是每个模型都有独立的免费额度，我原本以为我会先把qwen-flash用完，但是我没想到的，最先用完的是embedding模型（好像据说每次知识库搭建和调用都会使用embedding模型），后来为了方便测试含泪😢爆了10块大洋，后续部署的话希望公司买点api吧。
过了一段时间，我对原本的智能客服进行了迭代升级，因为我们有对问题要求有了更精细的划分，比如：售前，售后；净水类，厨卫类，于是进行了迭代，但是再次不做过多赘述，因为后面我的任务被分配为针对云米净水旗舰店去做这样的ai客服，下面让我继续聊我的工作进展
Q:问题汇总#
failed to upload error#
据ai解释好像是因为脚本默认推荐的ip是192.18.0.1，这是一个docker内部虚拟的网桥地址，浏览器和minio没办法访问到，所以在开始设置时可以直接设置自己在局域网的ip,这样的话不太会出现上传不了的现象。 但是很明显，局域网的ip很有可能会变化，因为dhcp协议会自动分配ip地址，如果你可以访问到路由器管理员页面，可以在路由器里面设置静态ip，将ip和设备mac捆绑起来。 但是如果你没办法访问后台的话，可以每次开始工作前，去docker-compose.yml中重新设置一下， 通过以下命令得到ip地址
1ip addr show设置成局域网ip。
1STORAGE_EXTERNAL_ENDPOINT: http://192.168.2.190:9000 # 一个服务器和客户端均可访问到存储桶的地址，可以是固定的宿主机 IP 或者域名，注意不要填写成 127.0.0.1 或者 localhost 等本地回环地址(因为容器里无法使用)之后每次出现重新开始工作如果局域网ip🖇️变了，就执行一下上面的更改，再重新通过当前的ip:3000来访问这个前端网页🕸️。