网硕互联帮助中心文章目录
- 1.框架设计
-
- 1.1.EnterpriseDataService类：
- 1.2.创建用户代理
- 1.3.定义智能体角色
-
- 1.3.1. 客服接待智能体
- 1.3.2. 订单查询智能体
- 1.3.3. 物流跟踪智能体
- 1.3.4. 库存管理智能体
- 1.4 注册工具函数
- 1.5 企业级客服场景测试
-
- 1.5.1 创建群组聊天
- 1.5.2 创建群组经理
- 1.6 测试场景
- 2.场景1：订单状态查询
- 3.场景2：缺货问题处理
- 4.场景3：物流延误处理
- 5. 核心价值与结论
- 6.完整代码
1.框架设计
1.1.EnterpriseDataService类：
EnterpriseDataService类主要是创建一下假数据和四个功能
四个function： “”“查询订单信息”“” def get_order_info(self, order_id: str) -> Dict: “”“查询库存信息”“” def get_inventory_info(self, product: str) -> Dict: “”“查询物流信息”“” def get_logistics_info(self, tracking_number: str) -> Dict: “”“更新订单状态”“” def update_order_status(self, order_id: str, new_status: str) -> bool:
EnterpriseDataService类完整代码：
class EnterpriseDataService:
"""企业数据服务模拟类"""
def __init__(self):
# 模拟订单数据
self.orders = {
"ORD001": {
"order_id": "ORD001",
"customer_id": "CUST001",
"status": "已发货",
"items": [{"product": "iPhone 15", "quantity": 1, "price": 7999}],
"total": 7999,
"shipping_address": "北京市朝阳区xxx街道",
"tracking_number": "SF1234567890",
"order_date": "2024-01-15",
"expected_delivery": "2024-01-18"
},
"ORD002": {
"order_id": "ORD002",
"customer_id": "CUST002",
"status": "处理中",
"items": [{"product": "MacBook Pro", "quantity": 1, "price": 15999}],
"total": 15999,
"shipping_address": "上海市浦东新区xxx路",
"tracking_number": None,
"order_date": "2024-01-16",
"expected_delivery": None
}
}
# 模拟库存数据
self.inventory = {
"iPhone 15": {"stock": 100, "warehouse": "华北仓"},
"MacBook Pro": {"stock": 0, "warehouse": "华东仓"}
}
# 模拟物流数据
self.logistics = {
"SF1234567890": {
"status": "运输中",
"current_location": "北京分拣中心",
"estimated_arrival": "2024-01-18 14:00"
}
}
def get_order_info(self, order_id: str) –> Dict:
"""查询订单信息"""
return self.orders.get(order_id, {})
def get_inventory_info(self, product: str) –> Dict:
"""查询库存信息"""
return self.inventory.get(product, {})
def get_logistics_info(self, tracking_number: str) –> Dict:
"""查询物流信息"""
return self.logistics.get(tracking_number, {})
def update_order_status(self, order_id: str, new_status: str) –> bool:
"""更新订单状态"""
if order_id in self.orders:
self.orders[order_id]["status"] = new_status
return True
return False
1.2.创建用户代理
user_proxy = autogen.UserProxyAgent(
name="客户",
human_input_mode="NEVER",
max_consecutive_auto_reply=10,
is_termination_msg=lambda x: x.get("content", "") and ("问题已解决" in x.get("content", "") or "TERMINATE" in x.get("content", "")),
code_execution_config={"work_dir": "temp", "use_docker": False},
)
1.3.定义智能体角色
1.3.1. 客服接待智能体
customer_service_agent = autogen.AssistantAgent(
name="客服接待员",
system_message="""你是一名专业的电商客服接待员。你的职责是：
1. 友好接待客户，了解客户问题
2. 对问题进行初步分类（订单查询、退换货、物流问题、产品咨询等）
3. 收集必要的订单信息（订单号、客户信息等）
4. 将问题转交给相应的专业团队处理
请用简洁明了的语言与客户沟通。当客户提到具体订单号时，请直接转交给订单查询专员处理。
如果问题涉及多个方面，请协调相关专员共同解决。
回复格式：简洁专业，直接回答客户问题。""",
llm_config=llm_config,
)
1.3.2. 订单查询智能体
order_query_agent = autogen.AssistantAgent(
name="订单查询专员",
system_message="""你是订单查询专员，负责处理所有订单相关的查询。你的职责包括：
1. 根据订单号查询订单详细信息
2. 解释订单状态和处理进度
3. 提供预计发货和到货时间
4. 识别需要其他部门协助的问题
当客户提供订单号时，请立即使用 get_order_info 函数查询订单信息。
根据查询结果，如果发现需要物流或库存部门协助，请主动通知相关专员。
回复格式：提供详细的订单信息，包括状态、商品、金额等关键信息。""",
llm_config=llm_config,
)
1.3.3. 物流跟踪智能体
logistics_agent = autogen.AssistantAgent(
name="物流跟踪专员",
system_message="""你是物流跟踪专员，专门处理配送和物流相关问题。你的职责包括：
1. 查询包裹物流状态和位置
2. 提供准确的配送时间预估
3. 处理配送异常和延误问题
4. 协调配送地址修改
当需要查询物流信息时，请使用 get_logistics_info 函数。
请提供实时、准确的物流信息，并主动提醒客户注意事项。
回复格式：提供详细的物流状态，包括当前位置、预计到达时间等。""",
llm_config=llm_config,
)
1.3.4. 库存管理智能体
inventory_agent = autogen.AssistantAgent(
name="库存管理专员",
system_message="""你是库存管理专员，负责处理库存相关问题。你的职责包括：
1. 查询产品库存状态
2. 预估补货时间
3. 协调缺货订单处理
4. 提供替代产品建议
当需要查询库存信息时，请使用 get_inventory_info 函数。
请提供准确的库存信息，并为缺货情况提供合理的解决方案。
回复格式：提供库存状态，如果缺货请说明预计补货时间。""",
llm_config=llm_config,
)
1.4 注册工具函数
autogen.register_function(
get_order_info,
caller=order_query_agent,
executor=user_proxy,
description="根据订单号获取订单详细信息"
)
autogen.register_function(
get_inventory_info,
caller=inventory_agent,
executor=user_proxy,
description="根据产品名称获取库存信息"
)
autogen.register_function(
get_logistics_info,
caller=logistics_agent,
executor=user_proxy,
description="根据运单号获取物流跟踪信息"
)
1.5 企业级客服场景测试
autogen的核心：“创建群组聊天”, “创建群组经理”
1.5.1 创建群组聊天
把之前的客服agent，订单agent， 物流agent，库存agent放进autogen.GroupChat
# 创建群组聊天
groupchat = autogen.GroupChat(
agents=[customer_service_agent, order_query_agent, logistics_agent, inventory_agent, user_proxy],
messages=[],
max_round=12,
speaker_selection_method="auto"
)
1.5.2 创建群组经理
manager = autogen.GroupChatManager(groupchat=groupchat, llm_config=llm_config)
run_scenario_with_autogen全部代码：
def run_scenario_with_autogen(scenario_name: str, customer_message: str):
"""使用 AutoGen 运行客服场景"""
print(f"\\n{'='*60}")
print(f"🎯 {scenario_name}")
print(f"{'='*60}")
print(f"客户问题：{customer_message}")
print(f"\\n🤖 AutoGen 多智能体协作处理：")
print("-" * 50)
try:
# 创建群组聊天
groupchat = autogen.GroupChat(
agents=[customer_service_agent, order_query_agent, logistics_agent, inventory_agent, user_proxy],
messages=[],
max_round=12,
speaker_selection_method="auto"
)
manager = autogen.GroupChatManager(groupchat=groupchat, llm_config=llm_config)
# 开始对话
user_proxy.initiate_chat(
manager,
message=customer_message
)
print(f"\\n✅ 场景处理完成")
except Exception as e:
print(f"❌ 处理过程中出现错误: {e}")
print("这可能是由于API配置或网络问题导致的")
1.6 测试场景
scenarios = [
("场景1：订单状态查询", "你好，我想查询一下我的订单ORD001的状态，什么时候能到货？"),
("场景2：缺货问题处理", "我下单的MacBook Pro订单ORD002一直显示处理中，什么时候能发货？"),
("场景3：物流延误处理", "我的订单ORD001已经超过预计到货时间了，但还没收到货，这是怎么回事？")
]
for scenario_name, customer_message in scenarios:
run_scenario_with_autogen(scenario_name, customer_message)
time.sleep(2) # 避免API调用过于频繁
# 开始对话
user_proxy.initiate_chat(
manager,
message=customer_message
)
2.场景1：订单状态查询
客户：你好，我想查询一下我的订单ORD001的状态，什么时候能到货？ 从日志上看，autogen将客户问题
订单查询专员 -> 物流跟踪专员-> 客服接待员
日志信息：
============================================================
🎯 场景1：订单状态查询
============================================================
客户问题：你好，我想查询一下我的订单ORD001的状态，什么时候能到货？
🤖 AutoGen 多智能体协作处理：
––––––––––––––––––––––––––––––––––––––––––––––––––
客户 (to chat_manager):
你好，我想查询一下我的订单ORD001的状态，什么时候能到货？
––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
Next speaker: 订单查询专员
订单查询专员 (to chat_manager):
***** Suggested tool call (call_Z0TGG18pFGnso5zT6dYJHsHo): get_order_info *****
Arguments:
{"order_id":"ORD001"}
*******************************************************************************
––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
Next speaker: 客户
>>>>>>>> EXECUTING FUNCTION get_order_info...
Call ID: call_Z0TGG18pFGnso5zT6dYJHsHo
Input arguments: {'order_id': 'ORD001'}
>>>>>>>> EXECUTED FUNCTION get_order_info...
Call ID: call_Z0TGG18pFGnso5zT6dYJHsHo
Input arguments: {'order_id': 'ORD001'}
Output:
订单信息查询成功：
{
"order_id": "ORD001",
"customer_id": "CUST001",
"status": "已发货",
"items": [
{
"product": "iPhone 15",
"quantity": 1,
"price": 7999
}
],
"total": 7999,
"shipping_address": "北京市朝阳区xxx街道",
"tracking_number": "SF1234567890",
"order_date": "2024-01-15",
"expected_delivery": "2024-01-18"
}
客户 (to chat_manager):
***** Response from calling tool (call_Z0TGG18pFGnso5zT6dYJHsHo) *****
订单信息查询成功：
{
"order_id": "ORD001",
"customer_id": "CUST001",
"status": "已发货",
"items": [
{
"product": "iPhone 15",
"quantity": 1,
"price": 7999
}
],
"total": 7999,
"shipping_address": "北京市朝阳区xxx街道",
"tracking_number": "SF1234567890",
"order_date": "2024-01-15",
"expected_delivery": "2024-01-18"
}
**********************************************************************
––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
Next speaker: 物流跟踪专员
物流跟踪专员 (to chat_manager):
***** Suggested tool call (call_Arqe6dpZ2F2nTy30KScvKn5s): get_logistics_info *****
Arguments:
{"tracking_number":"SF1234567890"}
***********************************************************************************
––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
Next speaker: 客户
>>>>>>>> EXECUTING FUNCTION get_logistics_info...
Call ID: call_Arqe6dpZ2F2nTy30KScvKn5s
Input arguments: {'tracking_number': 'SF1234567890'}
>>>>>>>> EXECUTED FUNCTION get_logistics_info...
Call ID: call_Arqe6dpZ2F2nTy30KScvKn5s
Input arguments: {'tracking_number': 'SF1234567890'}
Output:
物流信息查询成功：
{
"status": "运输中",
"current_location": "北京分拣中心",
"estimated_arrival": "2024-01-18 14:00"
}
客户 (to chat_manager):
***** Response from calling tool (call_Arqe6dpZ2F2nTy30KScvKn5s) *****
物流信息查询成功：
{
"status": "运输中",
"current_location": "北京分拣中心",
"estimated_arrival": "2024-01-18 14:00"
}
**********************************************************************
––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
Next speaker: 物流跟踪专员
物流跟踪专员 (to chat_manager):
您的订单（ORD001）状态如下：
– 商品：iPhone 15
– 当前物流状态：运输中
– 当前位置：北京分拣中心
– 预计到达时间：2024年1月18日14:00
请注意查收，如有任何问题或需要修改配送地址，请随时联系我。
––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
Next speaker: 客户
客户 (to chat_manager):
––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
Next speaker: 客户
客户 (to chat_manager):
––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
Next speaker: 客户
客户 (to chat_manager):
––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
Next speaker: 客户
客户 (to chat_manager):
––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
Next speaker: 客服接待员
客服接待员 (to chat_manager):
如果您有其他问题需要帮助，请随时告知我。
––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
Next speaker: 客户
客户 (to chat_manager):
––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
>>>>>>>> TERMINATING RUN (8c15084c–6ed3–4f81–afe2–fb04bece67fc): Maximum rounds (12) reached
✅ 场景处理完成
3.场景2：缺货问题处理
客户：我下单的MacBook Pro订单ORD002一直显示处理中，什么时候能发货？ 从日志上看，autogen将客户问题
订单查询专员 -> 库存管理专员-> 客服接待员
日志信息：
============================================================
🎯 场景2：缺货问题处理
============================================================
客户问题：我下单的MacBook Pro订单ORD002一直显示处理中，什么时候能发货？
🤖 AutoGen 多智能体协作处理：
––––––––––––––––––––––––––––––––––––––––––––––––––
客户 (to chat_manager):
我下单的MacBook Pro订单ORD002一直显示处理中，什么时候能发货？
––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
Next speaker: 订单查询专员
订单查询专员 (to chat_manager):
***** Suggested tool call (call_9j1zGlyJYUKjWJSFoJwepxSv): get_order_info *****
Arguments:
{"order_id":"ORD002"}
*******************************************************************************
––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
Next speaker: 客户
>>>>>>>> EXECUTING FUNCTION get_order_info...
Call ID: call_9j1zGlyJYUKjWJSFoJwepxSv
Input arguments: {'order_id': 'ORD002'}
>>>>>>>> EXECUTED FUNCTION get_order_info...
Call ID: call_9j1zGlyJYUKjWJSFoJwepxSv
Input arguments: {'order_id': 'ORD002'}
Output:
订单信息查询成功：
{
"order_id": "ORD002",
"customer_id": "CUST002",
"status": "处理中",
"items": [
{
"product": "MacBook Pro",
"quantity": 1,
"price": 15999
}
],
"total": 15999,
"shipping_address": "上海市浦东新区xxx路",
"tracking_number": null,
"order_date": "2024-01-16",
"expected_delivery": null
}
客户 (to chat_manager):
***** Response from calling tool (call_9j1zGlyJYUKjWJSFoJwepxSv) *****
订单信息查询成功：
{
"order_id": "ORD002",
"customer_id": "CUST002",
"status": "处理中",
"items": [
{
"product": "MacBook Pro",
"quantity": 1,
"price": 15999
}
],
"total": 15999,
"shipping_address": "上海市浦东新区xxx路",
"tracking_number": null,
"order_date": "2024-01-16",
"expected_delivery": null
}
**********************************************************************
––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
Next speaker: 库存管理专员
库存管理专员 (to chat_manager):
***** Suggested tool call (call_J4RwuAN2czupY7XwNE2hRcgV): get_inventory_info *****
Arguments:
{"product":"MacBook Pro"}
***********************************************************************************
––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
Next speaker: 客户
>>>>>>>> EXECUTING FUNCTION get_inventory_info...
Call ID: call_J4RwuAN2czupY7XwNE2hRcgV
Input arguments: {'product': 'MacBook Pro'}
>>>>>>>> EXECUTED FUNCTION get_inventory_info...
Call ID: call_J4RwuAN2czupY7XwNE2hRcgV
Input arguments: {'product': 'MacBook Pro'}
Output:
库存信息查询成功：
{
"stock": 0,
"warehouse": "华东仓"
}
客户 (to chat_manager):
***** Response from calling tool (call_J4RwuAN2czupY7XwNE2hRcgV) *****
库存信息查询成功：
{
"stock": 0,
"warehouse": "华东仓"
}
**********************************************************************
––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
Next speaker: 库存管理专员
库存管理专员 (to chat_manager):
目前MacBook Pro在我们的华东仓库处于缺货状态，因此订单ORD002暂无法发货。我们预计将在一周内补货。请您耐心等待，我们会在补货后尽快处理并发货。感谢您的理解与支持！
––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
Next speaker: 客服接待员
客服接待员 (to chat_manager):
目前MacBook Pro在我们的华东仓库处于缺货状态，因此订单ORD002暂无法发货。我们预计将在一周内补货。请您耐心等待，我们会在补货后尽快处理并发货。感谢您的理解与支持！
––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
Next speaker: 客户
客户 (to chat_manager):
––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
Next speaker: 客户
客户 (to chat_manager):
––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
Next speaker: 客户
客户 (to chat_manager):
––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
Next speaker: 客户
客户 (to chat_manager):
––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
Next speaker: 客户
客户 (to chat_manager):
––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
>>>>>>>> TERMINATING RUN (421d40a8–f5fb–4762–ad8f–681516716e5c): Maximum rounds (12) reached
✅ 场景处理完成
4.场景3：物流延误处理
客户：我的订单ORD001已经超过预计到货时间了，但还没收到货，这是怎么回事？ 从日志上看，autogen将客户问题
订单查询专员 -> 物流跟踪专员 -> 物流跟踪专员 -> 客服接待员
日志信息：
============================================================
🎯 场景3：物流延误处理
============================================================
客户问题：我的订单ORD001已经超过预计到货时间了，但还没收到货，这是怎么回事？
🤖 AutoGen 多智能体协作处理：
––––––––––––––––––––––––––––––––––––––––––––––––––
客户 (to chat_manager):
我的订单ORD001已经超过预计到货时间了，但还没收到货，这是怎么回事？
––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
Next speaker: 订单查询专员
订单查询专员 (to chat_manager):
***** Suggested tool call (call_wGgT2Cf2KhWbgy8i672mliZP): get_order_info *****
Arguments:
{"order_id":"ORD001"}
*******************************************************************************
––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
Next speaker: 客户
>>>>>>>> EXECUTING FUNCTION get_order_info...
Call ID: call_wGgT2Cf2KhWbgy8i672mliZP
Input arguments: {'order_id': 'ORD001'}
>>>>>>>> EXECUTED FUNCTION get_order_info...
Call ID: call_wGgT2Cf2KhWbgy8i672mliZP
Input arguments: {'order_id': 'ORD001'}
Output:
订单信息查询成功：
{
"order_id": "ORD001",
"customer_id": "CUST001",
"status": "已发货",
"items": [
{
"product": "iPhone 15",
"quantity": 1,
"price": 7999
}
],
"total": 7999,
"shipping_address": "北京市朝阳区xxx街道",
"tracking_number": "SF1234567890",
"order_date": "2024-01-15",
"expected_delivery": "2024-01-18"
}
客户 (to chat_manager):
***** Response from calling tool (call_wGgT2Cf2KhWbgy8i672mliZP) *****
订单信息查询成功：
{
"order_id": "ORD001",
"customer_id": "CUST001",
"status": "已发货",
"items": [
{
"product": "iPhone 15",
"quantity": 1,
"price": 7999
}
],
"total": 7999,
"shipping_address": "北京市朝阳区xxx街道",
"tracking_number": "SF1234567890",
"order_date": "2024-01-15",
"expected_delivery": "2024-01-18"
}
**********************************************************************
––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
Next speaker: 物流跟踪专员
物流跟踪专员 (to chat_manager):
***** Suggested tool call (call_05oJ1HvhKbns4P4pFYcG0j4t): get_logistics_info *****
Arguments:
{"tracking_number":"SF1234567890"}
***********************************************************************************
––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
Next speaker: 客户
>>>>>>>> EXECUTING FUNCTION get_logistics_info...
Call ID: call_05oJ1HvhKbns4P4pFYcG0j4t
Input arguments: {'tracking_number': 'SF1234567890'}
>>>>>>>> EXECUTED FUNCTION get_logistics_info...
Call ID: call_05oJ1HvhKbns4P4pFYcG0j4t
Input arguments: {'tracking_number': 'SF1234567890'}
Output:
物流信息查询成功：
{
"status": "运输中",
"current_location": "北京分拣中心",
"estimated_arrival": "2024-01-18 14:00"
}
客户 (to chat_manager):
***** Response from calling tool (call_05oJ1HvhKbns4P4pFYcG0j4t) *****
物流信息查询成功：
{
"status": "运输中",
"current_location": "北京分拣中心",
"estimated_arrival": "2024-01-18 14:00"
}
**********************************************************************
––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
Next speaker: 物流跟踪专员
物流跟踪专员 (to chat_manager):
您的订单ORD001（包含1部iPhone 15）已经在运输途中，目前位于北京分拣中心。根据最新的物流信息，预计到达时间为2024年1月18日下午2点。由于可能存在物流延误，建议您稍作等待，并关注接下来的物流更新。如果配送时间继续推迟，请随时与我们联系以便进一步协助。感谢您的耐心与理解！
––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
Next speaker: 客户
客户 (to chat_manager):
––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
Next speaker: 客服接待员
客服接待员 (to chat_manager):
如果您有其他问题或需要进一步帮助，请随时告知我。感谢您的理解与支持！
––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
Next speaker: 客户
客户 (to chat_manager):
––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
Next speaker: 客户
客户 (to chat_manager):
––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
Next speaker: 客户
客户 (to chat_manager):
––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
Next speaker: 客户
客户 (to chat_manager):
––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––
>>>>>>>> TERMINATING RUN (aa1a72b0–48bf–408d–a84e–3303d4da2811): Maximum rounds (12) reached
✅ 场景处理完成
================================================================================
🎉 企业级多智能体协同演示完成！
💡 该系统基于 AutoGen 框架，展示了电商客服系统中的多任务协同和跨部门协作
Process finished with exit code 0
5. 核心价值与结论
本演示成功展示了 AutoGen 框架在构建复杂、多智能体协作系统方面的强大能力：
自动化处理： 能够高效、准确地自动化处理常见的电商客服订单相关查询和问题。 智能路由与协作： 群组经理能根据问题本质，智能地将任务分配给最合适的专业智能体，并协调它们之间的信息传递和协作。 模块化与扩展性： 通过定义清晰的智能体角色和数据服务接口，系统具有良好的模块化设计，易于扩展新的功能或智能体。 提升效率与体验： 此类系统可显著提升电商客服效率，减少人工干预，并为客户提供快速、一致的响应。
综上所述，AutoGen 为开发企业级智能客服系统，特别是需要多角色协作处理的场景（如电商订单全流程），提供了一个极具潜力的技术框架。本演示为其在电商领域的实际应用提供了清晰的实现路径和验证。
6.完整代码
"""
企业级多智能体协同系统 – 电商客服订单处理案例
使用 AutoGen 框架实现多任务协同，包括：
1. 客服流程拆解
2. 数据查询联动
3. 跨部门协作调度
适用场景：电商客服系统订单问题处理
"""
import autogen
import json
import time
import os
from typing import Dict, List, Any
from datetime import datetime, timedelta
from dotenv import load_dotenv
# 加载环境变量
load_dotenv()
os.environ["OPENAI_API_KEY"] = "sk-某宝oai-key"
api_key = os.getenv('OPENAI_API_KEY')
# 配置 LLM
config_list = [
{
"model": "gpt-4o",
"api_key": api_key,
"base_url": "https://api.openai.com/v1"
}
]
llm_config = {
"config_list": config_list,
"temperature": 0.7,
"timeout": 60,
}
# 模拟企业数据库和API接口
class EnterpriseDataService:
"""企业数据服务模拟类"""
def __init__(self):
# 模拟订单数据
self.orders = {
"ORD001": {
"order_id": "ORD001",
"customer_id": "CUST001",
"status": "已发货",
"items": [{"product": "iPhone 15", "quantity": 1, "price": 7999}],
"total": 7999,
"shipping_address": "北京市朝阳区xxx街道",
"tracking_number": "SF1234567890",
"order_date": "2024-01-15",
"expected_delivery": "2024-01-18"
},
"ORD002": {
"order_id": "ORD002",
"customer_id": "CUST002",
"status": "处理中",
"items": [{"product": "MacBook Pro", "quantity": 1, "price": 15999}],
"total": 15999,
"shipping_address": "上海市浦东新区xxx路",
"tracking_number": None,
"order_date": "2024-01-16",
"expected_delivery": None
}
}
# 模拟库存数据
self.inventory = {
"iPhone 15": {"stock": 100, "warehouse": "华北仓"},
"MacBook Pro": {"stock": 0, "warehouse": "华东仓"}
}
# 模拟物流数据
self.logistics = {
"SF1234567890": {
"status": "运输中",
"current_location": "北京分拣中心",
"estimated_arrival": "2024-01-18 14:00"
}
}
def get_order_info(self, order_id: str) –> Dict:
"""查询订单信息"""
return self.orders.get(order_id, {})
def get_inventory_info(self, product: str) –> Dict:
"""查询库存信息"""
return self.inventory.get(product, {})
def get_logistics_info(self, tracking_number: str) –> Dict:
"""查询物流信息"""
return self.logistics.get(tracking_number, {})
def update_order_status(self, order_id: str, new_status: str) –> bool:
"""更新订单状态"""
if order_id in self.orders:
self.orders[order_id]["status"] = new_status
return True
return False
# 初始化企业数据服务
data_service = EnterpriseDataService()
# 定义工具函数
def get_order_info(order_id: str) –> str:
"""获取订单信息的工具函数"""
try:
order_info = data_service.get_order_info(order_id)
if order_info:
return f"订单信息查询成功：\\n{json.dumps(order_info, ensure_ascii=False, indent=2)}"
else:
return f"未找到订单号 {order_id} 的信息，请检查订单号是否正确。"
except Exception as e:
return f"查询订单信息时出错：{str(e)}"
def get_inventory_info(product: str) –> str:
"""获取库存信息的工具函数"""
try:
inventory_info = data_service.get_inventory_info(product)
if inventory_info:
return f"库存信息查询成功：\\n{json.dumps(inventory_info, ensure_ascii=False, indent=2)}"
else:
return f"未找到产品 {product} 的库存信息。"
except Exception as e:
return f"查询库存信息时出错：{str(e)}"
def get_logistics_info(tracking_number: str) –> str:
"""获取物流信息的工具函数"""
try:
logistics_info = data_service.get_logistics_info(tracking_number)
if logistics_info:
return f"物流信息查询成功：\\n{json.dumps(logistics_info, ensure_ascii=False, indent=2)}"
else:
return f"未找到运单号 {tracking_number} 的物流信息。"
except Exception as e:
return f"查询物流信息时出错：{str(e)}"
# 创建用户代理
user_proxy = autogen.UserProxyAgent(
name="客户",
human_input_mode="NEVER",
max_consecutive_auto_reply=10,
is_termination_msg=lambda x: x.get("content", "") and ("问题已解决" in x.get("content", "") or "TERMINATE" in x.get("content", "")),
code_execution_config={"work_dir": "temp", "use_docker": False},
)
# 定义智能体角色
# 1. 客服接待智能体
customer_service_agent = autogen.AssistantAgent(
name="客服接待员",
system_message="""你是一名专业的电商客服接待员。你的职责是：
1. 友好接待客户，了解客户问题
2. 对问题进行初步分类（订单查询、退换货、物流问题、产品咨询等）
3. 收集必要的订单信息（订单号、客户信息等）
4. 将问题转交给相应的专业团队处理
请用简洁明了的语言与客户沟通。当客户提到具体订单号时，请直接转交给订单查询专员处理。
如果问题涉及多个方面，请协调相关专员共同解决。
回复格式：简洁专业，直接回答客户问题。""",
llm_config=llm_config,
)
# 2. 订单查询智能体
order_query_agent = autogen.AssistantAgent(
name="订单查询专员",
system_message="""你是订单查询专员，负责处理所有订单相关的查询。你的职责包括：
1. 根据订单号查询订单详细信息
2. 解释订单状态和处理进度
3. 提供预计发货和到货时间
4. 识别需要其他部门协助的问题
当客户提供订单号时，请立即使用 get_order_info 函数查询订单信息。
根据查询结果，如果发现需要物流或库存部门协助，请主动通知相关专员。
回复格式：提供详细的订单信息，包括状态、商品、金额等关键信息。""",
llm_config=llm_config,
)
# 3. 物流跟踪智能体
logistics_agent = autogen.AssistantAgent(
name="物流跟踪专员",
system_message="""你是物流跟踪专员，专门处理配送和物流相关问题。你的职责包括：
1. 查询包裹物流状态和位置
2. 提供准确的配送时间预估
3. 处理配送异常和延误问题
4. 协调配送地址修改
当需要查询物流信息时，请使用 get_logistics_info 函数。
请提供实时、准确的物流信息，并主动提醒客户注意事项。
回复格式：提供详细的物流状态，包括当前位置、预计到达时间等。""",
llm_config=llm_config,
)
# 4. 库存管理智能体
inventory_agent = autogen.AssistantAgent(
name="库存管理专员",
system_message="""你是库存管理专员，负责处理库存相关问题。你的职责包括：
1. 查询产品库存状态
2. 预估补货时间
3. 协调缺货订单处理
4. 提供替代产品建议
当需要查询库存信息时，请使用 get_inventory_info 函数。
请提供准确的库存信息，并为缺货情况提供合理的解决方案。
回复格式：提供库存状态，如果缺货请说明预计补货时间。""",
llm_config=llm_config,
)
# 注册工具函数
autogen.register_function(
get_order_info,
caller=order_query_agent,
executor=user_proxy,
description="根据订单号获取订单详细信息"
)
autogen.register_function(
get_inventory_info,
caller=inventory_agent,
executor=user_proxy,
description="根据产品名称获取库存信息"
)
autogen.register_function(
get_logistics_info,
caller=logistics_agent,
executor=user_proxy,
description="根据运单号获取物流跟踪信息"
)
# 企业级客服场景测试
def run_scenario_with_autogen(scenario_name: str, customer_message: str):
"""使用 AutoGen 运行客服场景"""
print(f"\\n{'='*60}")
print(f"🎯 {scenario_name}")
print(f"{'='*60}")
print(f"客户问题：{customer_message}")
print(f"\\n🤖 AutoGen 多智能体协作处理：")
print("-" * 50)
try:
# 创建群组聊天
groupchat = autogen.GroupChat(
agents=[customer_service_agent, order_query_agent, logistics_agent, inventory_agent, user_proxy],
messages=[],
max_round=12,
speaker_selection_method="auto"
)
manager = autogen.GroupChatManager(groupchat=groupchat, llm_config=llm_config)
# 开始对话
user_proxy.initiate_chat(
manager,
message=customer_message
)
print(f"\\n✅ 场景处理完成")
except Exception as e:
print(f"❌ 处理过程中出现错误: {e}")
print("这可能是由于API配置或网络问题导致的")
def main():
"""主函数 – 演示企业级多智能体协同"""
print("🏢 企业级多智能体协同系统 – 电商客服订单处理演示")
print("基于 AutoGen 框架实现")
print("="*80)
print("系统特性：")
print("✅ 1. 客服流程自动拆解")
print("✅ 2. 多数据源联动查询")
print("✅ 3. 跨部门智能协作")
print("✅ 4. 问题升级和路由")
print("✅ 5. AutoGen 框架支持")
# 检查API配置
if not api_key or api_key == "your-actual-api-key":
print("\\n⚠️ 警告：请在 .env 文件中配置正确的 V3_API_KEY")
print("当前将演示系统架构和数据查询功能")
# 演示数据查询功能
print(f"\\n📋 企业数据服务功能演示：")
print("=" * 50)
print("1. 订单查询演示：")
print(get_order_info("ORD001"))
print("\\n2. 库存查询演示：")
print(get_inventory_info("MacBook Pro"))
print("\\n3. 物流查询演示：")
print(get_logistics_info("SF1234567890"))
print(f"\\n📊 系统架构说明：")
print("=" * 50)
print("• 客服接待员：负责问题分类和初步处理")
print("• 订单查询专员：调用 get_order_info() 查询订单详情")
print("• 物流跟踪专员：调用 get_logistics_info() 查询物流状态")
print("• 库存管理专员：调用 get_inventory_info() 查询库存信息")
print("• AutoGen GroupChat：实现多智能体自动协作")
return
# 测试场景
scenarios = [
("场景1：订单状态查询", "你好，我想查询一下我的订单ORD001的状态，什么时候能到货？"),
("场景2：缺货问题处理", "我下单的MacBook Pro订单ORD002一直显示处理中，什么时候能发货？"),
("场景3：物流延误处理", "我的订单ORD001已经超过预计到货时间了，但还没收到货，这是怎么回事？")
]
for scenario_name, customer_message in scenarios:
run_scenario_with_autogen(scenario_name, customer_message)
time.sleep(2) # 避免API调用过于频繁
print(f"\\n{'='*80}")
print("🎉 企业级多智能体协同演示完成！")
print("💡 该系统基于 AutoGen 框架，展示了电商客服系统中的多任务协同和跨部门协作")
if __name__ == "__main__":
main()
评论前必须登录！
注册