搭建智能客服机器人：langgraph实现用户订单管理

大家好，今天我们将创建一个智能客服机器人，它能够记录用户的食物订单到真实数据库中，并允许用户查看他们的订单。这是一个相对高级的Langgraph项目，大家可以先看一下前面介绍的Langgraph的基础课程。

项目概述

我们要构建的系统是一个模拟登录的用户，可以创建订单或查看订单，其他功能则被屏蔽。首先我们会用一个虚拟令牌设置用户，并通过系统消息给机器人一个身份。然后我们会分类处理用户的意图：

离题意图：完全屏蔽。
获取所有订单：查询数据库，按用户过滤并返回订单。
创建订单：首先验证请求，缺失信息则提示用户补充。如果信息完整，将时间格式化为有效的时间戳，然后创建订单并写入数据库，最后给用户一个友好的响应。

这整个过程分步骤进行，下面我们详细介绍实现过程。

数据库设置

由于我们使用真实数据库，第一步是设置数据库。需要Docker支持。我们使用docker-compose文件设置一个PostgreSQL数据库，并在5433端口运行。运行docker-compose up命令启动数据库，可以通过docker ps确认数据库是否运行。

用户和产品表

我们用SQLAlchemy创建用户和订单表。首先加载API密钥，并安装SQLAlchemy：

pip install SQLAlchemy

我们创建一个基础类Base，并继承自declarative_base，然后创建用户表、订单表和食物项表。用户表和订单表通过关系关联。我们在食物项表中提供一些示例食物，如比萨等等。

from sqlalchemy import create_engine, Column, Integer, String, ForeignKey
from sqlalchemy.ext.declarative import declarative_base
from sqlalchemy.orm import relationship, sessionmakerBase = declarative_base()class Customer(Base):__tablename__ = 'customers'id = Column(Integer, primary_key=True)name = Column(String)orders = relationship("Order", back_populates="customer")class Order(Base):__tablename__ = 'orders'id = Column(Integer, primary_key=True)customer_id = Column(Integer, ForeignKey('customers.id'))food_item_id = Column(Integer, ForeignKey('food_items.id'))delivery_address = Column(String)order_date = Column(String)customer = relationship("Customer", back_populates="orders")food_item = relationship("FoodItem")class FoodItem(Base):__tablename__ = 'food_items'id = Column(Integer, primary_key=True)name = Column(String)

创建表后，我们插入一个示例用户和一些食物项。

engine = create_engine('postgresql+psycopg2://user:password@localhost:5433/mydatabase')
Base.metadata.create_all(engine)
Session = sessionmaker(bind=engine)
session = Session()# 创建示例用户和食物项
new_customer = Customer(name="John")
session.add(new_customer)
session.commit()pizza = FoodItem(name="Pizza")
salami = FoodItem(name="Salami")
session.add_all([pizza, salami])
session.commit()

代理状态和验证逻辑

为了在节点间传递数据，我们需要一个代理状态AgentState。这个状态包含用户问题、系统消息、用户消息、客户名、工具调用、生成的最终输出等信息。我们通过一系列函数对用户请求进行检查和处理。

class AgentState:def __init__(self):self.question = ""self.messages = []self.customer_name = ""self.tool_calls = []self.order_check = ""self.generation = ""self.system_message = ""

验证用户请求的示例如下：

def validate_order(question):# 假设这是一个调用LLM的函数，返回验证结果if "food items" not in question or "delivery address" not in question or "order date" not in question:return Falsereturn True

工具调用和函数

我们需要一些工具函数来处理数据库查询和订单创建。使用LangChain框架中的工具装饰器来定义这些函数。

@tool
def create_order(customer_name, food_items, delivery_address, order_date):session = Session()customer = session.query(Customer).filter_by(name=customer_name).first()if not customer:return "Customer not found"food_item = session.query(FoodItem).filter_by(name=food_items).first()if not food_item:return "Food item not found"new_order = Order(customer_id=customer.id, food_item_id=food_item.id, delivery_address=delivery_address, order_date=order_date)session.add(new_order)session.commit()return "Order placed successfully"@tool
def get_all_orders(customer_name):session = Session()customer = session.query(Customer).filter_by(name=customer_name).first()if not customer:return "Customer not found"orders = session.query(Order).filter_by(customer_id=customer.id).all()if not orders:return "No orders found"return [{"order_id": order.id, "food_item": order.food_item.name, "delivery_address": order.delivery_address, "order_date": order.order_date} for order in orders]

系统消息和用户消息

接下来我们需要创建系统消息和用户消息，并通过LangChain框架绑定工具。

system_message = "You are an order bot. You can help users create and view food orders."def create_human_message(question):return {"role": "user", "content": question}def create_system_message():return {"role": "system", "content": system_message}

意图识别和路由

通过LangChain框架，我们可以识别用户意图，并根据意图进行相应的处理。

def identify_intent(question):if "order" in question:return "create_order"elif "view" in question or "see" in question:return "get_all_orders"else:return "off_topic"def route_intent(intent, state):if intent == "off_topic":return "I can only help you with creating or viewing orders."elif intent == "create_order":if validate_order(state.question):return create_order(state.customer_name, state.order_check["food_items"], state.order_check["delivery_address"], state.order_check["order_date"])else:return "Your order information is incomplete."elif intent == "get_all_orders":return get_all_orders(state.customer_name)

生成最终消息

最后一步是生成最终消息，告知用户订单创建的结果或显示用户的所有订单。

def generate_final_message(state):if state.intent == "create_order":if validate_order(state.question):return create_order(state.customer_name, state.order_check["food_items"], state.order_check["delivery_address"], state.order_check["order_date"])else:return "Your order information is incomplete."elif state.intent == "get_all_orders":return get_all_orders(state.customer_name)else:return "I can only help you with creating or viewing orders."

测试与运行

我们可以通过一系列测试来验证系统的功能是否正常。

state = AgentState()
state.customer_name = "John"
state.question = "我需要预定一个披萨，地址是北京路123号4栋506，时间为明天上午10点"# 更新系统消息和用户消息
state.messages.append(create_system_message())
state.messages.append(create_human_message(state.question))# 识别意图并路由
state.intent = identify_intent(state.question)
response = route_intent(state.intent, state)
print(response)

通过以上步骤，我们成功创建了一个智能客服机器人，它能够处理用户的食物订单请求并返回相应的结果。这是一个复杂而强大的系统，展示了现代科技在客户服务领域的巨大潜力。

关注我，每天带你开发一个AI应用，每周二四六直播，欢迎多多交流。