31a395be5e
- 创建10个微服务目录结构和Maven多模块配置 - 完成15张MySQL 5.7表设计和初始化数据（40意图+8话术分类+管理员） - 实现common模块：Result、PageResult、异常处理、MyBatisPlus/Redis/RabbitMQ/跨域配置 - 实现BaseEntity、AutoFillHandler、JsonUtils、JsonTypeHandler - 配置API Gateway路由和全部服务的application.yml - 添加docker-compose.yml（MySQL+Redis+RabbitMQ）
1.8 KiB
1.8 KiB
第九联盟AI坐席辅助系统
项目愿景
为第九联盟（9artedu.com）课程顾问/销售（坐席）构建一个基于企业微信会话存档 + LLM 的实时话术推荐系统。当学员通过企微咨询课程时，系统实时分析对话内容，识别学员意图，构建学员画像，并推荐最合适的话术，帮助坐席提高转化率和响应效率。
核心业务
- 数据接入: 企微会话存档拉取（C SDK + JNA）、RSA解密、消息解析
- AI分析引擎: 对话上下文理解（最近10轮滑动窗口）、意图识别（40个场景多标签分类）、学员画像构建（5维度标签体系）、话术召回（规则召回+向量召回+热门召回）、话术排序（多因子加权+MMR多样性）、LLM动态话术生成（兜底策略）
- 输出交互: PC端侧边栏H5（360px）、手机端侧边栏H5（80%高度）、模板卡片消息推送、一键发送
- 管理后台: 话术库管理（CRUD+分类+导入导出）、数据统计看板、系统配置
目标用户
- 主要用户: 第九联盟课程顾问/销售（坐席）
- 服务对象: CG美术培训潜在学员（外部联系人）
关键指标
- 端到端延迟目标: < 25秒（含15秒企微回调间隔）
- 话术推荐准确率: 基于坐席采纳率和转化率持续优化
- 覆盖40个意图场景、8个销售阶段
技术栈
- 后端: Spring Boot 2.7.x + MyBatis-Plus + MySQL 5.7 + Redis 6.x + RabbitMQ 3.x
- 前端: React 18 + TypeScript + Vite + Ant Design / Ant Design Mobile
- LLM: 通义千问API (qwen-turbo/qwen-plus)
- 企微集成: 企业微信JS-SDK 2.0 + JNA调用C SDK
- 部署: Docker + Docker Compose
约束条件
- 线上环境为 MySQL 5.7（JSON→TEXT适配，向量存Redis）
- 用户自有服务器部署
- 数据合规要求（使用国产LLM）