当前位置：首页 > news >正文

用Qwen3-0.6B做了个智能客服demo，附全过程

news 2026/8/7 0:20:37

用Qwen3-0.6B做了个智能客服demo，附全过程

随着大语言模型在企业服务中的广泛应用，智能客服系统正从规则驱动向语义理解升级。本文将基于阿里云开源的轻量级大模型 Qwen3-0.6B，结合 LangChain 框架，完整复现一个可运行的智能客服 Demo。整个过程涵盖环境搭建、模型调用、提示工程设计与流式响应实现，适合初学者快速上手并应用于实际场景。

1. 环境准备与镜像启动

1.1 镜像资源说明

本文使用的Qwen3-0.6B是通义千问系列中参数量为 6亿的小型密集模型，具备以下特点：

高效推理：可在消费级 GPU（如 RTX 3060/4090）上流畅运行
低延迟响应：适用于实时对话系统
支持思维链（CoT）输出：通过enable_thinking参数开启推理过程展示
兼容 OpenAI 接口协议：便于集成到现有框架中

该模型已部署于 CSDN 提供的 GPU 容器环境中，用户可通过 Jupyter Notebook 直接访问。

1.2 启动开发环境

登录 CSDN AI 开发平台
搜索并选择Qwen3-0.6B镜像
创建实例并等待初始化完成
进入 Web IDE 或 JupyterLab 环境

注意：确保容器端口 8000 可被外部访问，这是模型 API 的默认服务端口。

2. 基于LangChain调用Qwen3-0.6B

2.1 安装依赖库

首先安装必要的 Python 包：

pip install langchain_openai openai python-dotenv -q

尽管使用的是 Qwen 模型，但由于其兼容 OpenAI 协议，因此可以无缝接入langchain_openai模块。

2.2 初始化模型客户端

from langchain_openai import ChatOpenAI import os chat_model = ChatOpenAI( model="Qwen-0.6B", temperature=0.5, base_url="https://gpu-pod694e6fd3bffbd265df09695a-8000.web.gpu.csdn.net/v1", api_key="EMPTY", # 当前环境无需真实密钥 extra_body={ "enable_thinking": True, "return_reasoning": True, }, streaming=True, # 启用流式输出 )

参数说明：

temperature=0.5：控制生成文本的随机性，值越低越确定
base_url：指向当前镜像提供的本地 API 地址
api_key="EMPTY"：占位符，部分接口要求非空字段
extra_body：启用“思考模式”，返回中间推理步骤
streaming=True：支持逐字输出，提升交互体验

2.3 测试基础问答能力

执行简单查询验证连接是否正常：

response = chat_model.invoke("你是谁？") print(response.content)

预期输出应包含类似如下内容：

我是通义千问3（Qwen3），由阿里巴巴研发的大规模语言模型。我可以回答问题、创作文字、进行逻辑推理等任务。

这表明模型已成功加载并可正常响应请求。

3. 构建智能客服核心功能

3.1 设计客服角色与行为规范

为了让模型更贴合客服场景，需通过系统提示词（System Prompt）明确其身份和职责边界。

system_prompt = """ 你是一名专业的客户服务助手，负责处理用户的投诉、咨询和建议。 请遵循以下原则： 1. 态度友好，使用礼貌用语 2. 准确提取用户诉求中的关键信息（姓名、地址、邮箱、问题描述） 3. 不虚构信息，无法判断时应明确告知 4. 输出格式统一为 JSON，包含字段：name, address, email, question 5. 若用户提供多条信息，请分别列出 """

3.2 封装结构化信息提取函数

def extract_customer_info(text: str): messages = [ {"role": "system", "content": system_prompt}, {"role": "user", "content": text} ] result = chat_model.invoke(messages) return result.content.strip()

3.3 示例测试：解析复杂客户反馈

输入一段典型的客户投诉文本：

test_input = """ 龙琳 ，宁夏回族自治区璐市城东林街g座 955491，nafan@example.com。 小区垃圾堆积成山，晚上噪音扰人清梦，停车难上加难，简直无法忍受！ 太插件了阿萨德看见啊啥的健康仨都会撒娇看到撒谎的、 """ output = extract_customer_info(test_input) print(output)

可能的输出结果：

{ "name": "龙琳", "address": "宁夏回族自治区璐市城东林街g座 955491", "email": "nafan@example.com", "question": "小区垃圾堆积成山，晚上噪音扰人清梦，停车难上加难" }

此功能可用于自动化工单生成系统，显著降低人工录入成本。

4. 实现流式响应与前端交互

4.1 使用回调机制实现逐字输出

为了模拟真实客服的“打字中”效果，利用 LangChain 的流式回调功能：

from langchain_core.callbacks import StreamingStdOutCallbackHandler streaming_model = ChatOpenAI( model="Qwen-0.6B", temperature=0.5, base_url="https://gpu-pod694e6fd3bffbd265df09695a-8000.web.gpu.csdn.net/v1", api_key="EMPTY", streaming=True, callbacks=[StreamingStdOutCallbackHandler()] ) # 调用时自动打印逐字输出 streaming_model.invoke("您好，请问有什么可以帮助您？")

终端将显示字符逐个出现的效果，增强交互感。

4.2 搭建简易Web界面（可选）

可使用 Flask + HTML 快速构建前端页面：

from flask import Flask, request, jsonify app = Flask(__name__) @app.route('/chat', methods=['POST']) def chat(): user_message = request.json.get('message') response = chat_model.invoke(user_message) return jsonify({'reply': response.content}) if __name__ == '__main__': app.run(host='0.0.0.0', port=5000)

配合前端 JavaScript 的fetch或 WebSocket，即可实现完整的对话系统。

5. 性能优化与部署建议

5.1 推理加速技巧

优化项	方法
批处理	对多个请求合并为 batch 提高 GPU 利用率
缓存机制	对常见问题预生成答案，减少重复计算
模型量化	使用 INT8 或 GGUF 格式进一步降低显存占用

5.2 错误处理与容错设计

try: response = chat_model.invoke(prompt, timeout=10) except Exception as e: print(f"请求失败: {str(e)}") response = "抱歉，当前服务繁忙，请稍后再试。"

建议添加超时控制、重试机制和降级策略，保障服务稳定性。

5.3 多轮对话状态管理

若需支持上下文记忆，可引入ConversationBufferMemory：

from langchain.memory import ConversationBufferMemory memory = ConversationBufferMemory() memory.save_context({"input": "你好"}, {"output": "您好！请问有什么可以帮您？"}) print(memory.load_memory_variables({}))

结合RunnableWithMessageHistory可实现持久化会话跟踪。