基于硅基流动大模型构建思考 - 行动循环电商智能客服 Agent（附完整可运行源码） 摘要随着大语言模型技术落地产业传统固定问答式客服存在拓展性差、无法对接真实业务数据的痛点。本文基于硅基流动大模型 API自主实现一套具备思考 - 行动循环的智能客服 Agent 系统支持三大核心工具调用订单物流查询、商品库存统计、对话记录自动推送 QQ 邮箱。项目采用 Flask 搭建本地业务后端读取 CSV 订单数据集Agent 依靠大模型自主识别用户口语化需求、分发对应工具执行完整记录每一轮思考决策链并可视化输出解决传统客服无法联动真实业务数据、交互生硬、会话记录无法自动归档的行业痛点。全文附带完整可运行代码、环境部署教程、功能测试效果与排错方案适合大模型 Agent 入门、Python 后端开发、智能客服实训项目参考。关键词大模型 Agent硅基流动思考行动循环工具调用智能客服FlaskPython邮件自动归档一、项目背景与需求分析1.1 传统客服系统现存缺陷当前电商平台客服分为两种模式均存在明显短板 第一类是规则关键词客服依靠固定 if-else 匹配关键词仅能应对预设标准提问用户口语化、多样化提问极易匹配失败新增业务功能需要大量修改规则代码维护成本极高 第二类是通用大模型对话客服仅具备闲聊问答能力无法对接企业真实订单、库存业务数据库不能返回真实物流、库存数据不具备业务落地能力 同时两类客服均缺少会话自动归档能力人工导出聊天记录效率低下无法实现物流信息一键推送至客户邮箱。1.2 项目核心需求本项目依托大模型 Agent 的思考 - 行动循环架构实现自主规划、工具调用、结果反馈全流程自动化明确四大核心需求自主意图识别无需硬编码关键词硅基大模型根据用户自然口语自主判断需求区分查询订单、查询库存、发送邮件、闲聊引导四类场景真实业务数据联动搭建本地 Flask HTTP 后端读取标准化订单 CSV 数据集提供订单物流、商品库存查询接口返回真实业务数据多工具链式调用内置三大可执行工具模型自主选择工具、提取对应参数完成业务操作全流程决策日志留存记录每一轮对话的 AI 思考内容、执行工具、入参、返回结果程序退出后完整可视化打印决策链真实邮件自动推送集成 yagmail 实现 QQ SMTP 邮件发送一键将全量对话 物流记录归档发送至指定 QQ 邮箱高容错稳定运行解决 Windows 中文编码、大模型接口超时、模型输出 JSON 解析异常等常见问题提供完整异常捕获机制。1.3 整体架构设计项目分为三层架构分层解耦便于后期扩展商品新增、支付查询、售后工单等工具大模型 Agent 交互层核心调度层负责接收用户输入、调用硅基流动 API、清洗模型输出 JSON、分发工具、记录决策日志、控制台对话交互业务工具层封装三大业务工具包含订单查询、库存查询、QQ 邮件发送统一入口分发执行后端数据服务层Flask 搭建本地 HTTP 接口读取 orders.csv 订单数据集提供带 Token 鉴权的查询接口隔离数据层与 Agent 交互层。数据流完整流程用户输入口语提问 → Agent 转发至硅基大模型思考 → 模型输出标准化 JSON思考文本 工具名称 参数→ Agent 解析 JSON 并分发对应工具 → 工具调用后端接口获取真实数据 → 结果返回用户控制台 → 本轮完整流程存入决策日志。二、项目环境与依赖部署2.1 开发环境操作系统Windows 10/11Python 版本3.10 及以上大模型服务硅基流动 DeepSeek-R1-0528-Qwen3-8B数据存储CSV 本地订单数据集轻量化无需部署数据库2.2 依赖库一键安装命令打开 CMD 执行一次性安装全部所需第三方库bash运行pip install flask pandas yagmail requests -i https://pypi.tuna.tsinghua.edu.cn/simple各库作用说明flask搭建本地业务 HTTP 后端接口pandas读取、解析订单 CSV 数据集yagmail封装 QQ 邮箱 SMTP 服务实现邮件发送requests发起硅基流动大模型 API 请求、本地后端接口请求。2.3 前置资源准备硅基流动平台密钥登录硅基流动官网在 API 密钥页面复制 sk 开头密钥填入代码配置区QQ 邮箱 SMTP 授权码QQ 邮箱网页端 - 设置 - 账户开启 POP3/SMTP 服务短信验证获取 16 位授权码订单数据集 orders.csv标准化 7 字段订单文件存放订单、商品、物流、客户信息。三、项目完整代码实现项目共三份核心文件放置同一文件夹运行分别为后端接口backend_api.py、智能客服 Agent 主程序smart_customer_agent.py、订单数据集orders.csv。3.1 后端接口文件 backend_api.py作用提供带鉴权的订单、库存查询 HTTP 接口读取本地 CSV 订单数据隔离业务数据与对话层。python运行from flask import Flask, request, jsonify import pandas as pd app Flask(__name__) # 接口统一鉴权令牌主程序需保持完全一致 VALID_API_TOKEN shop20260705 # 读取订单数据集UTF-8编码避免中文乱码 df pd.read_csv(./orders.csv, encodingutf-8) # Token鉴权校验函数 def check_token(): auth_header request.headers.get(Authorization, ) if not auth_header.startswith(Bearer ): return False token auth_header.replace(Bearer , ) return token VALID_API_TOKEN # 订单物流查询接口 app.route(/api/order, methods[GET]) def query_order(): if not check_token(): return jsonify({code: 401, data: None, msg: 接口鉴权失败请核对Token}) order_id request.args.get(order_no, ) target_data df[df[order_id] order_id] if len(target_data) 0: return jsonify({code: 404, data: None, msg: 未查询到该订单信息}) res_data target_data.iloc[0].to_dict() return jsonify({code: 200, data: res_data}) # 商品库存统计接口同商品行数即为库存数量 app.route(/api/stock, methods[GET]) def query_stock(): if not check_token(): return jsonify({code: 401, data: None, msg: 接口鉴权失败请核对Token}) product_name request.args.get(product_name, ) target_data df[df[product_name] product_name] stock_num len(target_data) return jsonify({code: 200, data: {stock: stock_num}}) if __name__ __main__: app.run(host127.0.0.1, port8080, debugTrue)3.2 订单数据集 orders.csv新建文本文件修改后缀为 csv粘贴以下内容UTF-8 编码保存csvorder_id,phone,product_name,product_id,shipping_status,logistics_no,receiver_email 01001,13800138000,无线鼠标,P001,已发货,SF20260705001,user1qq.com 01002,13900139000,机械键盘,P002,待出库,YT20260705002,user2163.com 01003,13700137000,电竞耳机,P003,运输中,ZTO20260705003,user3gmail.com 01004,13600136000,27英寸显示器,P004,已签收,SF20260705004,user4outlook.com 01005,13500135000,电脑音箱,P005,待付款,JD20260705005,user5qq.com3.3 智能客服 Agent 主程序 smart_customer_agent.py核心代码实现编码修复、大模型调用、JSON 清洗、工具分发、决策日志、邮件发送全功能已将接口超时优化至 20 秒解决网络超时问题python运行# 全局UTF-8编码修复Windows系统latin-1中文报错 import sys sys.stdout.reconfigure(encodingutf-8) import time import yagmail import requests import json import re from typing import Dict, List, Any, Optional from dataclasses import dataclass # 全局配置区【必须自行修改为个人信息】 # 1.硅基流动大模型配置 SILICON_API_KEY sk-替换为你自己的硅基流动API密钥 SILICON_API_URL https://api.siliconflow.cn/v1/chat/completions LLM_MODEL deepseek-ai/DeepSeek-R1-0528-Qwen3-8B # 2.后端接口配置与backend_api.py内TOKEN保持一致 API_BASE_URL http://127.0.0.1:8080/api API_TOKEN shop20260705 API_TIMEOUT 5 # 3.QQ邮箱发送配置 SENDER_QQ_MAIL 你自己的QQ账号qq.com # 发件QQ邮箱 QQ_MAIL_AUTH_CODE 替换为你的16位SMTP授权码 # QQ邮箱授权码 RECEIVE_MAIL 你自己的QQ账号qq.com # 接收归档邮件的邮箱 # # 决策日志数据结构存储每一轮对话完整链路 dataclass class DecisionRecord: round_id: int thought: str action: str params: Dict observation: str class DecisionLogger: def __init__(self): self.records: List[DecisionRecord] [] def add_record(self, round_id: int, thought: str, action: str, params: Dict, observation: str): record DecisionRecord(round_id, thought, action, params, observation) self.records.append(record) def show_all_log(self): 程序退出后可视化打印全部决策日志 print(\n Agent完整思考-行动决策日志 ) for item in self.records: print(f\n【第{item.round_id}轮对话】) print(fAI思考内容{item.thought}) print(f执行工具动作{item.action}) print(f工具入参{item.params}) print(f工具返回结果{item.observation}) print(\n) # 后端HTTP接口请求封装类 class RealBusinessAPI: def __init__(self): self.headers { Authorization: fBearer {API_TOKEN}, Content-Type: application/json; charsetutf-8 } def get_order_info(self, order_no: str) - Optional[Dict[str, Any]]: 查询订单完整物流信息 try: resp requests.get( urlf{API_BASE_URL}/order, headersself.headers, params{order_no: order_no}, timeoutAPI_TIMEOUT ) resp.encoding utf-8 res_json resp.json() if res_json[code] 200: return res_json[data] return None except Exception as e: print(f订单接口请求异常{str(e)}) return None def get_product_stock(self, product_name: str) - int: 查询商品库存数量 try: resp requests.get( urlf{API_BASE_URL}/stock, headersself.headers, params{product_name: product_name}, timeoutAPI_TIMEOUT ) resp.encoding utf-8 res_json resp.json() if res_json[code] 200: return res_json[data][stock] return 0 except Exception as e: print(f库存接口请求异常{str(e)}) return 0 # 业务工具封装层订单查询、库存查询、QQ邮件发送 class ServiceTools: def __init__(self): self.api_client RealBusinessAPI() # 初始化QQ邮箱SMTP客户端 self.mail_client yagmail.SMTP( userSENDER_QQ_MAIL, passwordQQ_MAIL_AUTH_CODE, hostsmtp.qq.com ) def query_order(self, order_no: str) - str: 物流查询工具 time.sleep(0.2) order_data self.api_client.get_order_info(order_no) if not order_data: return f未查询到订单号 {order_no} 的物流信息订单号为数字开头直接输入即可 info_text ( f【订单号】{order_data[order_id]}\n f【商品名称】{order_data[product_name]}\n f【商品ID】{order_data[product_id]}\n f【收件手机号】{order_data[phone]}\n f【物流状态】{order_data[shipping_status]}\n f【物流单号】{order_data[logistics_no]}\n f【收件邮箱】{order_data[receiver_email]} ) return info_text def query_stock(self, product_name: str) - str: 库存查询工具 stock_num self.api_client.get_product_stock(product_name) return f商品【{product_name}】当前库存数量{stock_num} 件 def send_mail_to_qq(self, receiver: str, mail_content: str) - str: 发送对话记录至QQ邮箱 try: self.mail_client.send( toreceiver, subject【智能客服Agent】完整对话物流记录归档, contentsmail_content ) return ✅ 对话与物流信息已成功发送至QQ邮箱 except Exception as err: return f❌ 邮件发送失败错误详情{str(err)} def run_tool(self, tool_name: str, params: Dict[str, Any]) - str: 工具统一分发入口 if tool_name query_order: return self.query_order(params[order_no]) elif tool_name query_stock: return self.query_stock(params[product_name]) elif tool_name send_email: return self.send_mail_to_qq(params[receiver], params[content]) else: return f未知工具{tool_name} # 核心Agent主体实现思考-行动循环 class CustomerServiceAgent: def __init__(self): self.tools ServiceTools() self.logger DecisionLogger() self.round_count 0 self.dialogue_history [] # 请求头强制UTF-8编码规避中文编码报错 self.llm_header { Authorization: fBearer {SILICON_API_KEY}, Content-Type: application/json; charsetutf-8 } def clean_json_str(self, raw_text: str) - str: 正则清洗模型输出仅提取{}内标准JSON过滤思考标签、换行、多余文字 match re.search(r\{[\s\S]*\}, raw_text) if match: return match.group(0).strip() return raw_text def llm_thought_think(self, user_input: str) - tuple[str, str, Dict]: 调用硅基流动大模型自主推理输出标准化工具调用JSON self.round_count 1 # 系统提示词约束模型仅输出JSON定义工具规则 system_prompt 你是电商智能客服大脑根据用户自然语言自主判断需要执行的工具仅输出标准JSON禁止多余文字、思考标签。 可用工具列表 1. query_order查询订单完整物流信息参数 {order_no:订单编号} 2. query_stock查询商品库存参数 {product_name:商品名称} 3. send_email把全部对话物流记录发送至邮箱参数 {receiver:收件邮箱,content:邮件正文} 4. reply_direct无法识别需求时直接回复用户参数为空{} 输出固定JSON格式 { thought: 你的完整推理思考过程, action: 工具名称, params: {} } 规则 1. 用户询问订单、物流、发货状态 → actionquery_order提取订单号 2. 用户询问商品剩余库存 → actionquery_stock提取商品名称 3. 用户提出发邮件、保存聊天记录、归档记录 → actionsend_email 4. 无关问题统一使用 reply_direct 输出引导话术 messages [ {role: system, content: system_prompt.strip()}, {role: user, content: user_input} ] payload { model: LLM_MODEL, messages: messages, temperature: 0.1 } try: # 超时优化至20秒解决网络波动read timed out报错 resp requests.post(SILICON_API_URL, headersself.llm_header, jsonpayload, timeout20) resp.encoding utf-8 resp_json resp.json() llm_output resp_json[choices][0][message][content].strip() # 清洗模型输出剔除多余文本 clean_str self.clean_json_str(llm_output) # 安全解析JSON decision_data json.loads(clean_str) thought decision_data.get(thought, ) action decision_data.get(action, reply_direct) params decision_data.get(params, {}) return thought, action, params except json.JSONDecodeError as je: error_msg f模型输出JSON解析失败原始输出{llm_output}错误{str(je)} return error_msg, reply_direct, {} except Exception as e: error_msg f硅基流动大模型调用失败{str(e)} return error_msg, reply_direct, {} def run_single_chat(self, user_msg: str) - str: 单轮对话完整思考-行动循环 # 第一步大模型思考决策 thought, action, params self.llm_thought_think(user_msg) # 第二步执行对应工具 if action reply_direct: if 大模型调用失败 in thought or JSON解析失败 in thought: obs thought else: obs 你可以查询订单物流信息、商品库存输入订单号即可查询物流也可以发送全部对话记录至QQ邮箱 elif action send_email: # 拼接全部历史对话作为邮件正文 mail_text 电商客服完整对话物流记录 \n for idx, item in enumerate(self.dialogue_history, 1): mail_text f\n【第{idx}轮】\n用户{item[user]}\n客服{item[bot]}\n params[content] mail_text params[receiver] RECEIVE_MAIL obs self.tools.run_tool(action, params) else: obs self.tools.run_tool(action, params) # 第三步保存本轮决策日志 self.logger.add_record(self.round_count, thought, action, params, obs) # 第四步存入对话历史用于邮件归档 self.dialogue_history.append({user: user_msg, bot: obs}) return obs def start_chat_loop(self): 启动多轮交互式对话控制台 print( 硅基流动大模型智能客服Agent已启动 ) print(支持查询订单物流、查询商品库存、发送全部记录至QQ邮箱) print(输入 quit 退出对话并打印完整AI决策日志\n) while True: user_input input(用户) if user_input.strip().lower() quit: print(\n对话结束正在打印全部决策日志) self.logger.show_all_log() break bot_reply self.run_single_chat(user_input) print(f客服{bot_reply}\n) if __name__ __main__: agent CustomerServiceAgent() agent.start_chat_loop()四、项目运行流程与功能测试4.1 启动步骤三份文件放在同一文件夹修改smart_customer_agent.py顶部配置硅基密钥、QQ 邮箱授权码打开第一个 CMD 窗口进入项目目录启动后端接口bash运行python backend_api.py保持窗口常开后端服务持续运行 3. 新开第二个 CMD 窗口先切换 UTF-8 编码避免中文乱码bash运行chcp 65001启动智能客服主程序bash运行python smart_customer_agent.py控制台输出启动提示即可开始对话。4.2 功能测试案例测试 1订单物流查询调用 query_order 工具用户输入帮我查 01001 订单的物流状态 程序自动提取订单号调用后端接口返回完整商品、手机号、物流单号、物流状态信息。测试 2商品库存查询调用 query_stock 工具用户输入无线鼠标还有多少库存 模型提取商品名称统计 CSV 内同款商品行数作为库存返回截图实测返回 1 件。测试 3对话记录推送 QQ 邮箱调用 send_email 工具用户输入把本次所有聊天记录发送到我的邮箱 程序自动拼接全程所有问答通过 QQ SMTP 发送完整归档邮件至配置邮箱。测试 4无关闲聊自动引导reply_direct用户输入桌面台灯的订单号是什么 模型识别无可用工具输出标准化引导话术不访问后端接口。测试 5退出打印完整决策链输入quit控制台可视化打印每一轮 AI 思考、工具、参数、返回结果完整还原 Agent 思考 - 行动循环全过程。示例4.3 项目核心运行效果截图解读库存查询输入 “看看无线鼠标的库存还有多少”客服返回库存 1 件模型成功识别商品名、调用库存接口无关提问询问桌面台灯订单号无有效工具可执行输出引导提示体现意图分类逻辑异常容错硅基接口网络波动出现超时20 秒超时配置降低报错概率重复提问即可正常请求日志留存退出后完整打印每一轮决策直观展示 Agent 思考 - 行动闭环适合课程实训展示。五、项目关键技术难点与解决方案5.1 Windows 中文 latin-1 编码报错问题Windows 默认编码 latin-1 无法解析中文请求硅基接口抛出编码异常解决方案程序最顶部添加sys.stdout.reconfigure(encodingutf-8)所有 requests 请求头强制携带charsetutf-8接口返回手动指定编码双重防护。5.2 大模型输出夹带多余文本JSON 解析崩溃问题DeepSeek-R1 模型会输出思考标签、换行、注释文本直接 json.loads 解析报错解决方案新增正则清洗函数clean_json_str仅提取大模型输出中{}包裹的标准 JSON 片段过滤无关字符单独捕获 JSON 解析异常给出友好提示。5.3 硅基流动 API 网络读取超时问题国内网络波动导致接口 12 秒超时抛出Read timed out解决方案将 requests.post 超时参数从 12 调整至 20 秒延长服务器响应等待时间降低超时报错频率。5.4 接口未授权数据泄露风险问题后端接口无鉴权任意程序可访问订单、客户手机号隐私数据解决方案后端增加全局 Token 鉴权主程序与后端使用统一密钥非法请求直接返回 401 拒绝访问保护用户隐私信息。5.5 会话记录无法自动归档问题传统客服需要人工复制聊天记录效率低下解决方案集成 yagmail 实现 QQ SMTP 邮件推送自动拼接全轮对话内容一键归档发送至邮箱无需人工操作。六、项目拓展优化方向本项目基础架构具备极强拓展性可基于现有代码快速新增业务工具拓展方向如下新增售后工单工具新增售后 CSV 数据集编写售后查询接口在提示词新增售后工具定义模型可自主识别 “退货、售后、维修” 类提问替换数据库存储将本地 CSV 改为 MySQL/PostgreSQL 数据库适配海量订单数据替换 pandas 读取逻辑为 SQL 查询多轮记忆优化增加对话窗口记忆支持跨多轮上下文关联提问例如 “这个订单物流更新了吗” 自动识别上一轮订单号可视化 Web 前端基于 Flask 搭建简单网页端替代 CMD 控制台实现网页对话、日志在线查看多邮箱兼容拓展 163、126、企业邮箱发送功能适配不同客户邮箱需求重试机制给硅基接口请求增加自动重试逻辑超时自动重发请求进一步降低人工重复提问操作。七、项目总结本文完整实现一套基于硅基流动大模型的电商智能客服 Agent彻底摆脱传统规则式客服的局限性依靠大模型自主完成需求理解、工具选择、参数提取、业务查询、结果反馈全流程思考 - 行动循环。项目轻量化部署无需复杂数据库仅依靠 CSV 存储订单数据配套完整异常处理、决策日志、邮件自动归档功能代码分层清晰、注释完善适合 Python 后端、大模型 Agent 初学者、高校人工智能实训课程作为完整实战项目。项目所有代码开箱即用仅需替换硅基流动 API 密钥与 QQ 邮箱授权码即可快速运行同时针对 Windows 平台常见编码、网络超时、JSON 解析三大类高频报错提供针对性修复方案运行稳定、容错性强具备真实电商业务落地参考价值。通过本项目可深入理解大模型工具调用、Agent 循环架构、前后端接口交互、邮件自动化等核心技术打通大模型从 API 调用到产业业务落地的完整开发链路。