【AI实战项目】基于LangChain4j+Springboot+Vue+RAG+PGVector的AI智能客服与工单处理系统

该项目资料获取请点击上方⬆️卡片,然后进入【AI实战库】板块即可搜索到。

B站演示视频

https://www.bilibili.com/video/BV1pEhV64ERV

一、项目技术栈

前后端分离

后端:Spring Boot 3 + LangChain4j + MyBatis + PageHelper + Hutool + JWT

前端:Vue3 + Vite + Element-Plus + Vue-Router + Axios + Sass

AI 技术:LangChain4j AI Services + LangChain4j EmbeddingModel + RAG 检索增强生成 + PGVector 相似度检索 + 多轮客服会话 + AI 工单自动分类与优先级识别 + AI 回复建议 + AI 服务质检 + 引用来源追踪

数据库:MySQL(业务数据)+ PostgreSQL + PGVector(向量数据)

版本要求:

jdk 21,MySQL 5.7 或者 8,PostgreSQL 建议 16 以上并安装 pgvector 扩展,node.js 版本 18 以上,maven 版本建议 3.8 及以上,navicat 建议不低于 16

二、项目功能描述

  1. 管理员

    登录、个人信息、修改密码

    用户信息:管理系统所有用户

    客服知识库分类与文档管理:维护客服知识库分类与知识文档

    知识文档上传与文本解析:上传文档并解析为文本

    知识片段切分与管理:将文档切分为知识片段

    片段 Embedding 向量化:对片段执行向量化并写入 PGVector

    AI 客服聊天与 RAG 引用来源:基于知识库进行问答并展示引用来源

    客户会话记录与满意度评价:查看会话记录与满意度评价

    工单分类与工单管理:维护工单分类,处理人工工单

    AI 工单分类与优先级识别:由 AI 自动识别工单分类与优先级

    AI 回复建议与客服处理:AI 给出回复建议辅助客服处理工单

    AI 服务质检与统计分析:对客服服务进行 AI 质检与统计

  2. 用户

    登录、注册、个人信息、修改密码

    AI 客服问答:向智能客服提问,获取基于企业知识库的回答,并看到回答引用了哪些资料

    提交工单:提交人工工单并查看处理进度

    满意度评价:对客服会话进行满意度评价

三、项目创新点

"AI 客服 + 人工工单"双轨闭环:常见问题走 RAG 智能客服自动回答,复杂问题转人工工单,AI 全程辅助,形成完整客服处理链路。

企业知识库 RAG:知识文档经解析、切片、Embedding、PGVector 检索后再生成回答,答案有据可依并可追踪引用来源。

AI 工单自动分类与优先级识别:工单进入系统即由 AI 判定分类与优先级,减少人工分派成本,提升响应效率。

AI 回复建议辅助人工:针对人工工单,AI 结合知识库给出回复建议,客服在建议基础上处理,兼顾效率与准确性。

AI 服务质检与统计分析:对客服会话与工单处理进行 AI 质检并统计满意度,把服务质量从"凭感觉"变为"可量化"。

MySQL + PGVector 混合存储:业务数据与向量数据分库存储,附 Windows 本地 PGVector 安装教程,工程可落地。

四、关键页面截图

相关推荐
小宇宙清歡渡1 小时前
Java Stream 流全面实战指南(Spring Boot 3 + JDK 17)
java·springboot·stream流
circuitsosk3 小时前
企业知识库 RAG 从 62% 到 91%:分块策略、混合检索与重排序的调优全记录
python·知识库问答·rag·面试项目·ai工程化·混合检索
寻道码路1 天前
大模型工程化实战(七):JSON Schema 强约束——模型吐的 json 不合规?schema 校验不通过,重试、兜底、降级一条龙
大模型·agent·rag·json schema·ai工程化·llmops`
weixin_440213291 天前
Agent‑RAG 处理复杂 PDF:从 Demo 走向生产级
agent·pdf解析·rag·检索增强生成
beyond谚语2 天前
六、LangChain——StrOutputParser和JsonOutputParser
langchain·rag·ollama
小宇宙清歡渡2 天前
SpringBoot JDK17 线程池的使用
springboot·线程池·jdk17
像风一样自由20202 天前
17.Milvus如何完成一次向量相似度检索
人工智能·postgresql·大模型·milvus·rag·智能体
YoanAILab2 天前
大语言模型基础:Token、Embedding、Transformer、KV Cache 与 RAG
语言模型·transformer·embedding·token·rag
像风一样自由20202 天前
19.Milvus数据分片扩展与高并发设计
postgresql·大模型·milvus·rag·智能体