MONKEYCODE 教程系列
MC-025 | 实战AI客服机器人
MonkeyCode教程及推广系列
不爱土豆唯爱马铃薯 · MonkeyCode 教程系列
系列：不爱土豆唯爱马铃薯 · MonkeyCode 教程系列
字数：约 1700 字 | 难度：⭐⭐⭐⭐ | 实操用时：30 分钟
开篇：让 AI 懂你的知识
上一期 MC-024，你做了一个浏览器插件------跳出 Web 应用的范畴，让代码运行在用户的浏览器里。今天再上一个台阶：做一个能理解你知识库的 AI 对话系统。
你一定用过客服机器人：在电商网站问"什么时候发货"，它秒回"预计3个工作日"；在银行 App 问"怎么改密码"，它给出操作指引。这些机器人的背后，就是一个知识库 + 检索 + 大模型的系统。
今天的实战项目：AI 客服机器人。你上传自己的文档（产品手册、FAQ、规章制度......），用户提问时，AI 根据文档内容回答------不是瞎编，而是基于你提供的知识。
RAG 是什么
这个项目的核心技术叫 RAG（Retrieval-Augmented Generation，检索增强生成）。名字很长，原理其实很直观：
用户提问 → 在知识库中搜索相关内容 → 把搜索结果喂给 AI → AI 基于这些内容回答
为什么要"检索增强"？因为大模型虽然聪明，但它不知道你的私有信息------你的产品价格、公司政策、技术文档，这些都不在它的训练数据里。RAG 通过先检索再生成，让 AI 的回答"有据可依"。
纯大模型 vs RAG 系统对比：
| 对比项 | 纯大模型 | RAG 系统 |
|---|---|---|
| 知识来源 | 训练数据（公开信息） | 你上传的文档 |
| 准确性 | 可能"幻觉"（编造） | 基于文档，可溯源 |
| 更新方式 | 重新训练（不现实） | 替换文档即可 |
| 私有数据 | 不支持 | 天然支持 |
需求分析（SDD）
📋 原始需求
一个基于知识库的 AI 客服机器人，支持上传文档构建知识库，用户通过对话界面提问，AI 从知识库中检索相关内容并给出准确回答，附带引用来源。
🎨 产品设计
- **知识库管理：**上传文档（TXT/MD/JSON），查看已上传列表，支持删除和重新上传
- **对话界面：**聊天式交互，用户输入问题，AI 返回回答 + 引用的文档片段
- **引用溯源：**每条回答标注来自哪篇文档的哪个部分，可点击查看原文
- **前端界面：**左侧知识库管理面板，右侧对话区域
⚙️ 技术设计
- **向量检索：**使用 TF-IDF 或简单的关键词匹配（轻量方案，无需额外数据库）
- **后端：**Node.js + Express 处理文档解析和检索逻辑
- **前端：**HTML + CSS + JS 聊天界面
- **AI 调用：**调用大模型 API（或 MonkeyCode 内置模型能力）进行回答生成
开始开发
第一步：创建项目
新建项目 ai-chatbot，告诉 AI 你的需求：
创建一个基于知识库的 AI 客服机器人。 技术栈：Node.js + Express 后端，纯 HTML/CSS/JS 前端 功能需求： 1. 知识库管理： - 上传 TXT/MD/JSON 文档（拖拽或点击上传） - 文档自动解析，按段落拆分为知识条目 - 显示已上传文档列表，支持删除 2. 检索引擎： - 用户提问时，在所有知识条目中搜索相关内容 - 使用 TF-IDF 关键词匹配算法（纯 JS 实现） - 返回最相关的 top 3 条知识片段 3. AI 回答生成： - 将用户问题 + 检索到的知识片段组合成 prompt - 调用 AI 生成回答（使用 /v1/chat/completions 接口） - 回答中标注引用来源 4. 对话界面： - 左侧：知识库管理面板 - 右侧：聊天界面 - AI 回答下方显示引用的原文片段（可折叠） 5. 准备 3 篇示例知识库文档： - "产品FAQ.md"（10个常见问题及回答） - "使用指南.md"（产品功能介绍） - "退换货政策.txt"（退换货规则）
第二步：验证知识库功能
AI 生成后，先测试知识库的上传和检索：
测试以下功能： 1. 上传 3 篇示例文档，确认文件列表正确显示 2. 在聊天框输入"怎么退货"，检查检索结果是否返回退换货政策相关段落 3. 输入"产品有哪些功能"，检查是否返回使用指南相关内容 4. 删除一篇文档后重新搜索，确认该文档的内容不再出现
第三步：验证 AI 回答质量
检索准确是基础，AI 回答的质量才是关键。测试几个典型场景：
| 问题类型 | 测试用例 | 预期行为 |
|---|---|---|
| 直接匹配 | "退货要几天" | 直接从政策文档提取答案 |
| 模糊提问 | "东西坏了怎么办" | 检索到退换货相关内容并回答 |
| 超出范围 | "今天天气怎么样" | 坦诚回答"知识库中没有相关信息" |
| 多文档关联 | "会员退货有什么优惠" | 综合会员政策和退换货政策回答 |
**💡 小贴士：**如果 AI 出现幻觉（编造文档中没有的信息），在 prompt 中加入更强的约束：
"你必须仅基于以下知识库内容回答问题。如果知识库中没有相关信息，请直接说'我暂时无法回答这个问题'，不要编造。"
进阶优化
🔍 更好的检索算法
TF-IDF 是最基础的文本检索方式，适合入门。如果需要更精准的语义检索：
升级检索算法为余弦相似度匹配： 1. 将每个知识条目和用户问题都转换为词袋向量 2. 计算问题向量与每个知识条目向量的余弦相似度 3. 返回相似度最高的 top 3 条
💬 多轮对话
当前版本是单轮问答------每次提问都是独立的。加入上下文记忆：
添加多轮对话支持： 1. 在后端维护一个对话历史数组 2. 每次新提问时，将最近 5 轮对话作为上下文一起发送 3. 用户可以说"那运费呢？"，AI 能理解"那"指代什么
📦 知识库导入导出
添加知识库导入/导出功能： - 导出：将所有知识条目打包为一个 JSON 文件下载 - 导入：上传 JSON 文件批量导入知识条目 方便在不同项目间复用知识库。
部署上线
把这个 AI 客服机器人部署上线， 确保文档上传、检索、AI 回答、引用显示等功能全部可用。 获取公网访问链接。
动手看：用你的文档做一个客服
挑战任务：
- 准备你自己的知识库文档（课程笔记、项目文档、FAQ......）
- 上传到系统中，测试不同类型的问题
- 检查 AI 回答是否准确、是否有幻觉
- 优化 prompt 让回答更贴合你的需求
**💡 提示：**知识库文档的质量直接决定 AI 回答的质量------内容清晰、结构分明的文档，比堆砌在一起的文档效果好得多。
总结与下期预告
MC-025 的核心要点：
- **RAG 原理：**用户提问 → 检索知识库 → AI 基于检索内容回答，解决"私有数据"问题
- **知识库构建：**上传文档 → 按段落拆分 → 建立索引，支持增删
- **检索算法：**TF-IDF 关键词匹配（入门），余弦相似度（进阶）
- **防幻觉：**prompt 中明确要求"仅基于知识库回答"，超出范围坦诚告知
- **引用溯源：**回答标注来源文档，增强可信度
第三阶段实战还剩最后一个项目，也是和很多人息息相关的一个场景：写论文。不管你是本科生还是研究生，论文写作都是绕不过去的大山。下一期 MC-026，实战：论文辅助全流程------从文献检索到提纲生成，从实验代码到排版输出，用 AI 辅助论文写作的每一个环节。
漫画教程
📖 第1页：封面
📖 第2页：RAG工作原理
📖 第3页：SDD需求分析
📖 第4页：项目创建与开发
📖 第5页：知识库与检索测试
📖 第6页：进阶功能与最佳实践
📖 第7页：总结回顾
