Dify+ADB Supabase+LLM 实现 AI 客服系统

2025-12-09 654

版权

本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。

简介： 本文介绍如何利用Dify、云原生数据仓库AnalyticDB PostgreSQL版的Supabase及大语言模型（LLM）构建AI客服系统，实现售后咨询、订单查询等自动化处理，提升响应效率与客户满意度。

本文介绍如何使用Dify、云原生数据仓库AnalyticDB PostgreSQL版的Supabase和LLM构建一个AI客服系统，帮助在线服装店高效处理售后咨询、订单查询和个性化回复。通过结合Dify的工作流能力、Supabase的实时数据存储与LLM的自然语言理解能力，实现快速自动化响应，显著减轻人工客服压力并提升客户满意度。

一、背景

云原生数据仓库AnalyticDB PostgreSQL版Supabase提供强大的数据库功能和实时数据处理能力，高度兼容PostgreSQL向量数据库。Dify是一个开源的LLM应用开发平台，支持快速构建基于RAG架构的智能应用。通过将云原生数据仓库AnalyticDB PostgreSQL版Supabase与Dify集成，您可以轻松构建高效的AI客服系统，为用户提供实时、精准的服务。

本文以在线服务装店为例，介绍如何构建AI客服系统。该系统可以处理售后咨询、获取订单信息并生成个性化回复，从而减轻人工客服压力，提升响应速度和客户满意度。主要优势如下：

数据驱动的精准回复：AI基于Supabase中真实、结构化的订单和物流数据生成回复，确保信息准确无误。
AI理解：AI不仅读取数据，还能分析客户意图和情绪，主动安抚客户。
高效自动化处理：传统客服需手动查系统再打字回复，而Dify+Supabase组合实现了秒级自动化响应，释放人工客服资源以应对更复杂的场景。

二、前提条件

已创建Supabase项目。
本文以通义千问为例，需要获取API Key作为调用大模型的鉴权凭证。

三、操作步骤

步骤一：部署Dify

您可以在云端托管或本地部署Dify，本文介绍本地部署Dify的方法。

1.依次执行以下命令部署Dify。

git clone https://github.com/langgenius/dify.git
cd dify/docker
cp .env.example .env
docker compose up -d

2.访问http:///install注册用户并登录。IP地址为运行Dify的服务器IP地址。

步骤二：接入大模型

1.鼠标悬浮于右上角头像处，单击设置。

2.单击左侧导航栏的模型供应商，选择并安装模型供应商。本文示例选择通义千问。

3.安装完成后，在待配置区域，找到对应模型，并单击设置，输入API Key并保存。

步骤三：配置Supabase

1.在Dify界面安装Supabase插件，作为外部存储或向量存储的一部分。

单击右上角的插件，然后单击左侧的搜索Marketplace。
搜索supabase，根据提示完成安装。

2.授权Dify操作Supabase项目。

获取Supabase项目的URL和service role key。查询方法请参见获取API Keys。
在插件列表中找到已安装的Supabase，单击卡片，并选择API Key授权配置。
在弹出框中配置授权信息，单击保存。

步骤四：准备Supabase测试数据

创建orders表，并插入测试数据。

您可以在Supabase Dashboard页面左侧导航栏单击SQL Editor，复制以下SQL语句并单击Run，快速插入测试数据。

CREATE TABLE IF NOT EXISTS orders (
    order_id TEXT PRIMARY KEY,                       --订单号
    customer_name TEXT NOT NULL,                     --用户姓名
    product_name TEXT NOT NULL,                      --商品名称
    product_size TEXT NOT NULL,                      --商品尺码
    current_status TEXT NOT NULL,                    --物流状态
    last_updated TIMESTAMP WITH TIME ZONE NOT NULL,  --最后一次更新的时间
    estimated_delivery DATE                          --预计送达日期
);
INSERT INTO orders (
    order_id,
    customer_name,
    product_name,
    product_size,
    current_status,
    last_updated,
    estimated_delivery
) VALUES (
    'ORD12345',
    '张***',
    '法式复古蓝色连衣裙',
    'M',
    '已到达【杭州市】分拨中心，等待发往【宁波市】',
    '2025-08-16 14:20:00+08',
    '2025-08-20'
);

步骤五：创建电商客服工作流

1.在Dify界面，单击上方的工作室>Chatflow，然后创建应用。

2.按照以下过程配置节点。相关节点的配置操作，请参见workflow。

本示例中问题分类器中配置了三个问题分类，包括“物流”、“颜色”和“尺寸”，您可根据需要添加对应分类。分类器用于识别物流状态查询咨询，提取具体订单号，“物流”分类下的流程节点配置如下：

节点	配置信息
参数提取器	输入变量：sys.query。提取参数：名称：order_id。类型：String。描述：客户的订单号，必须是以 "ORD" 开头的字母数字组合，例如 ORD12345, ORD67890。只提取符合此格式的字符串。必填：是。
GET ROWS	配置此节点，AI助手向Supabase发起API请求，查询物流状态。添加节点时，选择工具>Supabase>Get Rows。在节点配置右侧，选择已配置的API Keys。输入变量： Table Name：orders Limit：100 Filter：order_id
模板转换	输入变量，变量值选择Get Rows下的json。
LLM	AI助手将查询到的物流信息与客户情绪结合，根据提示词生成回复。上下文：选择模板转换下的output。 SYSTEM：将以下提示词复制到SYSTEM，并在<context></context>XML标签内输入“/”插入上下文。使用以下上下文作为你所学习的知识，放在<context></context> XML标签内。 <context> <请在此处输入“/”插入上下文> </context> 当回答用户时：如果你不知道，就说你不知道。如果你不确定时不知道，寻求澄清。避免提及你从上下文中获取的信息。并根据用户问题的语言进行回答。
直接回复	回复：选择LLM下的text。

测试示例

用户问题

你好，我订单号 #ORD12345 的那件连衣裙，物流没更新了，急着穿，什么时候能到？会不会丢件了

AI回复

您好，关于您的订单 #ORD12345，目前物流状态显示商品已到达杭州市分拨中心，预计将在 2 天内送达宁波市。请您放心，商品在运输过程中有完善的追踪系统，不会丢

四、了解更多

欢迎搜索钉钉群号101930027031入群与技术专家交流！

ADB Supabase钉群.png