Dify+ADB Supabase+LLM 實現 AI 客服系統詳情 - 數據庫,mysql,知識,觀點,資訊數據庫分享小北博客

本文介紹如何使用Dify、雲原生數據倉庫AnalyticDB PostgreSQL版的Supabase和LLM構建一個AI客服系統，幫助在線服裝店高效處理售後諮詢、訂單查詢和個性化回覆。通過結合Dify的工作流能力、Supabase的實時數據存儲與LLM的自然語言理解能力，實現快速自動化響應，顯著減輕人工客服壓力並提升客户滿意度。

一、背景

雲原生數據倉庫AnalyticDB PostgreSQL版Supabase提供強大的數據庫功能和實時數據處理能力，高度兼容PostgreSQL向量數據庫。Dify是一個開源的LLM應用開發平台，支持快速構建基於RAG架構的智能應用。通過將雲原生數據倉庫AnalyticDB PostgreSQL版Supabase與Dify集成，您可以輕鬆構建高效的AI客服系統，為用户提供實時、精準的服務。
本文以在線服務裝店為例，介紹如何構建AI客服系統。該系統可以處理售後諮詢、獲取訂單信息並生成個性化回覆，從而減輕人工客服壓力，提升響應速度和客户滿意度。主要優勢如下：

數據驅動的精準回覆：AI基於Supabase中真實、結構化的訂單和物流數據生成回覆，確保信息準確無誤。
AI理解：AI不僅讀取數據，還能分析客户意圖和情緒，主動安撫客户。
高效自動化處理：傳統客服需手動查系統再打字回覆，而Dify+Supabase組合實現了秒級自動化響應，釋放人工客服資源以應對更復雜的場景。

二、前提條件

已創建Supabase項目。
本文以通義千問為例，需要獲取API Key作為調用大模型的鑑權憑證。

三、操作步驟

步驟一：部署Dify

您可以在雲端託管或本地部署Dify，本文介紹本地部署Dify的方法。
1.依次執行以下命令部署Dify。

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

2.訪問http://<IP地址>/install註冊用户並登錄。IP地址為運行Dify的服務器IP地址。

步驟二：接入大模型

1.鼠標懸浮於右上角頭像處，單擊設置。

2.單擊左側導航欄的模型供應商，選擇並安裝模型供應商。本文示例選擇通義千問。
3.安裝完成後，在待配置區域，找到對應模型，並單擊設置，輸入API Key並保存。

步驟三：配置Supabase

1.在Dify界面安裝Supabase插件，作為外部存儲或向量存儲的一部分。

單擊右上角的插件，然後單擊左側的搜索Marketplace。
搜索supabase，根據提示完成安裝。

2.授權Dify操作Supabase項目。
獲取Supabase項目的URL和service role key。查詢方法請參見獲取API Keys。
在插件列表中找到已安裝的Supabase，單擊卡片，並選擇API Key授權配置。
在彈出框中配置授權信息，單擊保存。

步驟四：準備Supabase測試數據

創建orders表，並插入測試數據。
您可以在Supabase Dashboard頁面左側導航欄單擊SQL Editor，複製以下SQL語句並單擊Run，快速插入測試數據。

CREATE TABLE IF NOT EXISTS orders (
    order_id TEXT PRIMARY KEY,                       --訂單號
    customer_name TEXT NOT NULL,                     --用户姓名
    product_name TEXT NOT NULL,                      --商品名稱
    product_size TEXT NOT NULL,                      --商品尺碼
    current_status TEXT NOT NULL,                    --物流狀態
    last_updated TIMESTAMP WITH TIME ZONE NOT NULL,  --最後一次更新的時間
    estimated_delivery DATE                          --預計送達日期
);

INSERT INTO orders (
    order_id,
    customer_name,
    product_name,
    product_size,
    current_status,
    last_updated,
    estimated_delivery
) VALUES (
    'ORD12345',
    '張***',
    '法式復古藍色連衣裙',
    'M',
    '已到達【杭州市】分撥中心，等待發往【寧波市】',
    '2025-08-16 14:20:00+08',
    '2025-08-20'
);

步驟五：創建電商客服工作流

1.在Dify界面，單擊上方的工作室>Chatflow，然後創建應用。

2，按照以下過程配置節點。相關節點的配置操作，請參見workflow。

本示例中問題分類器中配置了三個問題分類，包括“物流”、“顏色”和“尺寸”，您可根據需要添加對應分類。分類器用於識別物流狀態查詢諮詢，提取具體訂單號，“物流”分類下的流程節點配置如下：

節點	配置信息
參數提取器	輸入變量：sys.query。提取參數：名稱：order_id。類型：String。描述：客户的訂單號，必須是以 "ORD" 開頭的字母數字組合，例如 ORD12345, ORD67890。只提取符合此格式的字符串。必填：是。
GET ROWS	配置此節點，AI助手向Supabase發起API請求，查詢物流狀態。添加節點時，選擇工具>Supabase>Get Rows。在節點配置右側，選擇已配置的API Keys。輸入變量：Table Name：orders，Limit：100，Filter：order_id
模板轉換	輸入變量，變量值選擇Get Rows下的json。
LLM	AI助手將查詢到的物流信息與客户情緒結合，根據提示詞生成回覆。上下文：選擇模板轉換下的output。SYSTEM：將以下提示詞複製到SYSTEM，並在<context></context>XML標籤內輸入“/”插入上下文。使用以下上下文作為你所學習的知識，放在<context></context> XML標籤內。<context><請在此處輸入“/”插入上下文></context>當回答用户時：如果你不知道，就説你不知道。如果你不確定時不知道，尋求澄清。避免提及你從上下文中獲取的信息。並根據用户問題的語言進行回答。
直接回復	回覆：選擇LLM下的text。

測試示例

用户問題

你好，我訂單號 #ORD12345 的那件連衣裙，物流沒更新了，急着穿，什麼時候能到？會不會丟件了

AI回覆

您好，關於您的訂單 #ORD12345，目前物流狀態顯示商品已到達杭州市分撥中心，預計將在 2 天內送達寧波市。請您放心，商品在運輸過程中有完善的追蹤系統，不會丟

四、瞭解更多

歡迎搜索釘釘羣號101930027031入羣與技術專家交流

數據庫分享小北博客

數據庫分享小北博客

博客 / 詳情