电商智能体（包含源码）

电商智能体的开发，一个主智能体负责意图识别，三个字智能体负责查询数据库内容

A_season

392人浏览 · 2026-05-06 16:10:52

A_season · 2026-05-06 16:10:52 发布

目录

前言

电商智能体的定义与背景

核心功能与应用场景

技术支撑与未来趋势

主智能体核心内容设计思路

意图识别模块

路由决策逻辑

工作流构建

二、使用步骤

使用步骤

注意事项

效果展示

总结

源码地址：relivately/E-commerce_agent: 电商智能体，主智能体负责调控，三个子智能体负责查询

前言

电商智能体的定义与背景

电子商务的快速发展催生了新一代技术变革，智能体（Agent）作为人工智能的核心载体，正逐步渗透至电商全链路。电商智能体通过算法驱动，具备自主决策、实时交互与动态优化的能力，成为提升用户体验与运营效率的关键工具。

核心功能与应用场景

电商智能体可覆盖售前咨询、商品推荐、订单处理及售后服务的全流程。基于自然语言处理技术，智能客服能精准理解用户需求；推荐系统依托深度学习，实现个性化商品匹配；供应链管理中的智能体则通过预测分析优化库存与物流。

技术支撑与未来趋势

机器学习、大数据分析与多模态交互构成电商智能体的技术底座。随着生成式AI的成熟，智能体将更贴近人类沟通方式，甚至具备情感化服务能力。未来，电商智能体或将成为品牌与消费者之间的超级连接者，重构商业生态的智能维度。

主智能体核心内容设计思路

代码的核心在于构建一个基于意图识别的多分支对话系统。通过分析用户输入，系统自动路由到不同的处理子图（subgraph），每个子图专门处理特定类型的请求。

意图识别模块

定义清晰的用户意图分类体系是关键。当前代码已包含5类意图：

商品查询（查商品、推荐、找东西、价格、库存）
订单查询（查订单、物流、发货、退款）
客服咨询（售后、规则、包邮、退货、发货时间）
数据统计（销量、销售额、订单量、日报）
其它（闲聊、无关内容）

PROMPT = """用户问题{question}

请判断用户意图,只能从以下类型选择一个:
- 商品查询(查商品，推荐，找东西，价格，库存)
- 订单查询(查订单，物流，发货，退款)
- 客服咨询(售后，规则，包邮，退货，发货时间)
- 数据统计(销量，销售额，订单量，日报)
- 其它(闲聊，无关内容)

输出格式(严格json):
{
    "intent":"选择其中一个",
    "confidence":0~1,
    "key_info":{
        "商品关键词":"",
        "订单号":"",
        "用户ID":"",
        "时间范围":""
    }
}
"""

路由决策逻辑

route_intent函数是核心路由控制器，根据LLM返回的意图JSON决定后续流程：

def route_intent(state: MessagesState):
    try:
        intent_json = json.loads(state["messages"][-1].content)
        intent = intent_json["intent"]
        
        if intent == "订单查询":
            return "graph"  # 跳转到db_agent子图
        if intent == "数据统计":
            return "graph_product"
        if intent == "其它":
            return "respond_user"
        if intent == "商品查询":
            return "graph_search"
        else:
            return END
    except Exception as e:
        return END

工作流构建

使用StateGraph构建对话流程：

初始节点处理用户输入
条件分支根据意图路由
各子图处理具体业务逻辑

workflow = StateGraph(MessagesState)

# 添加节点
workflow.add_node("respond_user_main", respond_user_main)
workflow.add_node("graph", graph)
workflow.add_node("graph_product", graph_product)
workflow.add_node("respond_user", respond_user)
workflow.add_node("graph_search", graph_search)

# 设置边关系
workflow.add_edge(START, "respond_user_main")
workflow.add_conditional_edges(
    "respond_user_main",
    route_intent,
    {
        "graph": "graph",
        "graph_product": "graph_product", 
        "respond_user": "respond_user",
        "graph_search": "graph_search",
        END: END
    }
)
workflow.add_edge("respond_user", END)

测试用例：

test_cases = [
    ("我想查订单12345", "订单查询"),
    ("最近有什么推荐商品", "商品查询"),
    ("上个月的销售额是多少", "数据统计"),
    ("你们几点下班", "客服咨询")
]

二、使用步骤

使用步骤

安装环境依赖
首先，确保您已安装Python环境（推荐Python 3.8或以上版本）。然后，使用pip安装requirement.txt文件中列出的所有依赖包。在命令行中执行以下命令：
```
pip install -r requirement.txt
```
这将自动安装所有必需的库，如FastAPI、langgraph等
配置数据库和密钥
- 数据库配置：
  默认数据库名称为my_resume_db。如果您的数据库名称不同，请mysql_db.py文件中的数据库名称，具体位置如下所示
```
# 替换成你的 MySQL 信息
db = MySQLDatabase(
    host="localhost",    # 你的数据库地址
    port=3306,           # 端口默认 3306
    user="root",         # 用户名
    password="root",  # 密码
    database="my_resume_db"   # 数据库名
)
```
- 密钥配置：
  在.env文件中配置阿里（DASHSCOPE_API_KEY）的key即可，另一个是langsmith（LANGCHAIN_API_KEY）的key，如果你不需要看详细的步骤的话，不需要配置，只需要配置阿里的key即可
```
DASHSCOPE_API_KEY= # 替换为您的真实密钥
```
  确保这些密钥保密，避免泄露。
导入数据库文件
将您提供的三个数据库文件（如SQL脚本或数据dump文件）导入到已配置的数据库中。具体操作取决于数据库类型：
我使用的是Navicat，直接把我文件中的三个数据库sql文件导入即可
启动后端服务
在项目根目录下，运行以下命令启动Uvicorn服务器（基于FastAPI的应用）：
```
python -m uvicorn app:app --reload
```
- --reload参数支持热重载，便于开发调试。
- 服务启动后，您将在命令行看到输出信息，如：
```
Uvicorn running on http://127.0.0.1:8000 (Press CTRL+C to quit)
```
  这表示后端API已在本地的8000端口运行。
访问前端界面
打开项目文件夹，找到前端文件（通常是index.html），双击该文件在默认浏览器中打开。

前端页面将加载并与后端服务交互，您可以开始使用电商智能体的功能。