基于多Agent协同的闲鱼智能客服系统XianyuAutoAgent深度解析：从环境搭建到自动议价与意图识别的实战指南

在二手交易蓬勃发展的今天，闲鱼作为头部平台，其海量的用户咨询和复杂的交易场景给卖家带来了巨大的运营压力。如何从繁琐的"在吗"、"最低价多少"中解放出来，实现7×24小时的自动化值守，是每一位职业卖家或开源爱好者的核心诉求。GitHub上的 XianyuAutoAgent 项目正是为此而生。不同于传统的关键词回复机器人，该项目引入了先进的多智能体（Multi-Agent）架构，利用大语言模型强大的语义理解能力，实现了从意图识别、上下文感知到专家路由的智能化服务闭环。本文将深入剖析该项目的技术原理，并手把手教你如何部署这套强大的自动化工具。

项目核心架构与功能深度解析

XianyuAutoAgent 的设计哲学在于"专业的人做专业的事"。它没有试图用一个通用的提示词解决所有问题，而是通过构建一个微型的"虚拟客服团队"来应对复杂的交易场景。

智能对话引擎与上下文感知 项目的基石是其智能对话引擎。它不仅仅是简单的问答匹配，而是具备强大的上下文感知能力。系统会自动存储并管理会话历史，这意味着当买家询问"这个还能便宜吗？"时，机器人知道"这个"指代的是上一轮对话中的商品。这种记忆机制确保了对话的连贯性，避免了传统机器人"答非所问"的尴尬。

基于意图识别的专家路由机制 这是该项目最核心的亮点。系统内置了一套精密的路由机制，通过提示工程（Prompt Engineering）对用户的输入进行实时的意图分类。一旦识别出用户意图，系统会动态地将任务分发给特定的"专家Agent"：

价格专家（Price Agent）：专门处理议价场景。它可以根据预设的阶梯降价策略，与买家进行多轮博弈，既不轻易亮出底牌，又能有效促成交易。
技术专家（Tech Agent）：针对数码、家电等品类，整合网络搜索能力，回答关于参数、兼容性等专业技术问题。
客服专家（Default Agent）：处理发货时间、邮费政策等常规咨询。

这种动态切换机制，使得机器人在面对不同问题时，都能表现出该领域"专家"的水准，极大地提升了回复的专业度和成交转化率。

详细使用方法：从代码克隆到自动化运行

XianyuAutoAgent 基于 Python 开发，依赖 OpenAI 的 API 进行推理。以下是详细的部署与配置指南。

第一步：环境准备与代码获取 首先，确保你的开发环境已安装 Python 3.8 及以上版本。然后，通过 Git 克隆项目仓库并安装依赖：

bash 复制代码

git clone https://github.com/shaxiu/XianyuAutoAgent.git
cd XianyuAutoAgent
pip install -r requirements.txt

第二步：配置环境变量与身份认证 项目通过 .env 文件来管理敏感配置。你需要在根目录下创建一个 .env 文件，并填入你的 OpenAI API 密钥以及闲鱼账号的 Cookies。

env 复制代码

# .env 文件内容示例
OPENAI_API_KEY=sk-xxxxxxxxxxxxxxxxxxxxxxxx
COOKIES_STR=your_xianyu_cookies_string_here

注意：Cookies 的获取通常需要通过浏览器开发者工具在网络请求中抓取，这是实现自动化登录的关键。

第三步：定制专家提示词 在 prompts 目录下，你可以找到各个专家的核心配置文件。这是赋予机器人"灵魂"的地方：

classify_prompt.txt：定义如何判断用户意图。
price_prompt.txt：设定议价的底线和策略（例如：首次拒绝，二次让利5元）。
tech_prompt.txt：配置技术问答的知识库或搜索偏好。
default_prompt.txt：设定默认的礼貌回复话术。

你可以根据自己售卖商品的特性，灵活修改这些提示词，打造个性化的销售风格。

第四步：启动与运行 一切配置就绪后，通过以下命令启动主程序：

bash 复制代码

python main.py

程序启动后，将会自动监听闲鱼消息。你可以尝试用另一个账号发送消息进行测试，观察控制台输出的意图识别日志和机器人回复内容。如果需要更底层的推理优化，项目文档中也提及了 llama.cpp 等本地推理引擎的支持，适合有高阶需求的开发者进行二次开发。

通过 XianyuAutoAgent，你不仅获得了一个客服机器人，更获得了一套可扩展的智能交互框架，让技术真正为交易赋能。