eShopSupport 知多少
内容提要
eShopSupport项目采用服务化架构，包含离线工具和在线系统，支持电子商店客户服务。核心模块包括数据生成、导入、评估和后端服务，利用AI实现自动分类、情感分析和对话总结，前端使用Blazor技术提供用户界面，提升客户支持效率。
关键要点
-
eShopSupport项目采用服务化架构，支持电子商店客户服务。
-
核心模块包括数据生成、导入、评估和后端服务。
-
利用AI实现自动分类、情感分析和对话总结。
-
前端使用Blazor技术提供用户界面，提升客户支持效率。
-
DataGenerator模块负责生成模拟数据，供系统使用。
-
DataIngestor模块处理原始数据文件，进行解析和嵌入向量操作。
-
Evaluator模块用于离线评估聊天问答功能的质量。
-
AppHost负责服务编排和资源管理，简化本地部署。
-
ServiceDefaults提供公共配置，简化服务设置和通信。
-
IdentityServer用于用户认证和授权，确保系统安全。
-
Backend服务提供业务接口，处理请求和AI逻辑。
-
PythonInference服务用于小型模型推理，增强AI能力。
-
CustomerWebUI和StaffWebUI分别为客户和员工提供支持界面。
-
E2ETest模块用于对StaffWebUI进行端到端的集成测试。
-
项目通过.NET Aspire进行组合和运行，支持云原生应用开发。
-
实现了支持工单自动分类、情绪与意图分析、对话内容自动总结等功能。
-
使用向量数据库实现语义搜索与知识检索。
-
内部知识问答机器人辅助客服人员，提高解答效率。
-
AI建议回复生成减轻客服人员的撰写负担。
-
项目内置测试数据生成能力，方便演示和测试。
-
提供自动评估工具，衡量AI功能的质量和改进空间。
-
项目展示了将生成式AI融入业务应用的多种场景。
-
使用了现代化的.NET技术栈，结合Python机器学习生态。
-
通过依赖注入和接口解耦降低模块间耦合度，提升代码可维护性。
延伸问答
eShopSupport项目的主要功能是什么？
eShopSupport项目主要功能包括支持工单自动分类、情绪与意图分析、对话内容自动总结等，旨在提升电子商店的客户服务效率。
eShopSupport如何实现工单的自动分类？
eShopSupport通过调用PythonInference服务的/classify接口，利用零样本文本分类模型对客户提交的工单文本进行自动分类。
项目中使用了哪些技术栈？
eShopSupport使用了.NET 8、ASP.NET Core、Blazor、Python FastAPI、PostgreSQL、Qdrant等技术栈，构建了现代化的智能应用。
如何评估eShopSupport中的AI功能质量？
项目提供了自动评估工具Evaluator，通过预定义的问题与标准答案比对，测试AI的回答准确性和性能。
eShopSupport如何处理客户情绪分析？
系统对客户消息进行情感倾向分析，判断语气是正面、负面还是中性，以便支持团队优先处理不满客户。
eShopSupport的前端技术是怎样的？
eShopSupport的前端使用Blazor技术，客户界面采用Blazor Server-Side Rendering模式，提升了用户体验和页面加载性能。
