AI智能客服与工单处理系统
项目简介：基于RAG、意图识别和AI回复建议，实现知识库问答、客户会话、工单创建、优先级识别、人工处理、服务质检和统计分析，适合学习FAQ资料、客服业务闭环、满意度评价和过程追踪。
本项目覆盖的技术点
学完能答的面试题
学完这个项目，下面 11 道面试题你都能结合项目细节讲出来。题目在 AIGC 面试刷题网可以免费看。
系统架构
一张图看清整个系统的分层与核心链路，点开可缩放查看细节。
- 1接入层：客户 + 客服两端客户问 AI 客服、看引用来源、提工单、评价；客服和管理员维护知识库、处理工单、看质检统计。
- 2客服知识库入库（离线）文档上传解析、切分成知识片段，用 LangChain4j EmbeddingModel 向量化后写入 PGVector。
- 3两条入口：AI 客服问答 / 人工工单客户可以在 AI 客服页提问，走 RAG 回答并列出引用来源；也可以在工单页自行提交工单，默认优先级「中」，客服点按钮触发 AI 分类与优先级识别，再给回复建议草稿，客服确认后回复。
- 4AI 服务质检与统计多轮会话全程留痕，客户对会话打分；客服对单条工单点按钮做 AI 质检，服务质量从凭感觉变成可量化。
- 5存储与模型底座业务数据在 MySQL 8，向量只放 PGVector；LangChain4j AI Services 把接口声明成 AI 服务，对话与向量模型分开配。
技术栈
用到的框架、中间件和模型。
技术难点与解法
每一项优化都针对一个真实问题，讲清楚问题、做法和背后的原理。
01AI 客服问答与人工工单两条入口
- 问题
- 全交给 AI，复杂问题答不好还不可控；全交给人工，高频的标准问题又占满客服的时间。
- 做法
- 两条入口：客户在 AI 客服页提问，走 RAG 自动回答并列出引用来源；需要人工处理的在工单页自行提交，客服处理时点按钮触发 AI 分类与优先级识别，再给回复建议草稿和质检。
- 原理
- 不是用 AI 取代客服，而是让 AI 处理能处理的、辅助处理不了的。
02工单分类和优先级不稳定
- 问题
- 让模型自由判断分类，同一类问题今天叫「退款」明天叫「售后」，优先级也五花八门，没法分派和统计。
- 做法
- 分类取自工单分类表作为枚举交给模型，给出判定标准，要求结构化 JSON 输出；优先级只保留高、中、低三档，其他说法由后端归一化。
- 原理
- 限定取值范围 + 结构化输出 + 后端归一化，把模型的判断收敛到业务能用的几个值上。
03控制 RAG 客服的幻觉
- 问题
- 客服回答一旦编造政策或流程，会直接误导客户，比答不上来更糟。
- 做法
- 入库和查询用同一个 Embedding 模型，TopK + 相似度阈值过滤，Prompt 约束只依据资料回答，并返回引用来源。
- 原理
- Prompt 限制要写清楚但别过度，写得越多模型越容易一律回答「资料不足」。
04AI 回复要可控
- 问题
- 人工工单直接让 AI 回复客户，内容不可控，出了问题责任也说不清。
- 做法
- AI 结合知识库检索生成回复建议草稿，客服在草稿基础上修改确认后再回复客户。
- 原理
- AI 负责效率，人负责准确和责任：建议而不代发。
功能清单
按角色看这个系统都能做什么。
客服知识库5 项
- 知识库分类与文档管理维护客服知识库分类与知识文档
- 文档上传与文本解析上传文档并解析为文本
- 知识片段切分与管理把文档切分为知识片段
工单5 项
- 工单分类与工单管理维护工单分类，处理人工工单
- AI 分类与优先级识别工单进入系统即由 AI 识别分类与优先级
- AI 回复建议AI 结合知识库给出回复草稿，辅助客服处理
系统2 项
- AI 模型配置与 Prompt 模板维护聊天模型、向量模型和各场景 Prompt
- 用户信息管理系统所有用户
页面截图
共 8 张真实运行截图，点击大图查看高清原图。
点击放大你将获得
购买后可以拿到的全部内容。
喂饭级学习教程18 章
从工程底座、知识库与工单管理讲起，到 RAG 客服、AI 工单分类、回复建议和服务质检，按开发顺序一章一章讲。
完整源码 + SQL
Spring Boot 后端 + Vue3 前端完整源码，MySQL 业务库与 PGVector 向量库建表脚本和初始化数据。
配套面试文档
电梯陈述、架构与选型、RAG 与工单 AI 深挖、高频面试题和难点包装，面试时照着讲。
环境安装文档
Windows 本地安装 PostgreSQL 与 PGVector，以及 JDK、MySQL、Node.js 等开发环境。
项目运行文档
两个数据库初始化、前后端启动、模型配置，从零把项目跑起来。
常见问题
下单前最常被问到的几个问题。
这个项目是 Java 还是 Python？
后端是 Java（JDK 21 + Spring Boot 4.1 + LangChain4j），前端是 Vue3。
模型需要自己准备吗？
需要自己准备两个 API Key：DeepSeek 用于对话，阿里云百炼用于 Embedding 向量化，在管理端「AI 模型配置」里填入即可，不用改代码。模型都走接口调用，不需要显卡。
基础薄弱能学会吗？
教程是喂饭级的，从登录注册、统一返回这些工程底座讲起，每章都有验证步骤。基础不够的话，可以先按上面的「学习路径」从基础项目学起。
能写进简历、用作毕业设计吗？
可以，配套面试文档里有项目介绍、难点包装和高频追问，照着就能讲清楚。至于毕业设计，有小伙伴问过我，统一回答一下：AI 实战库板块的项目拿去做毕业设计，就四个字——降维打击。
源码能用于商业项目吗？
源码和教程本质上是给大家学习、提升技能的。如果需要商用，自己二次开发一下也没问题，但禁止原项目 + 教程转手倒卖。我是一个程序员，能看到你们学习我的教程提升能力，能听你们叫我一声大佬，挺幸福的！知足~
售后答疑
买完不是结束跟着教程学习，遇到问题不用自己硬扛。