基于人工智能的卷烟配送智能客服系统的制作方法

本申请涉及自然语言处理技术的相关，尤其涉及一种基于人工智能的卷烟配送智能客服系统。

背景技术：

1、纵观烟草行业数十年来的发展，卷烟市场已经趋于饱和，从“增量共享”转向“存量分割”，由“增量”到聚焦于“质量”的转变离不开数据赋能，以数据为核心、用数据驱动运营是企业的一次颠覆性变革，也是企业数字化转型的核心工作。近年来，烟草商业系统以新发展理念指引烟草企业高质量发展，基于省烟草一体化平台架构，系统性地施行开源、挖潜、节流行动，为持续提升运行效益，推动企业经营提质增效提供重要保障。

2、卷烟物流配送是指按照客户的订货时间和需求，在物流配送中心完成仓储、分拣、包装和配货等作业后，将卷烟送交给零售客户，实现卷烟的空间位置转移和时间变化的过程。整个配送过程中以将卷烟保质、保量、无损、高效地从物流配送中心送到零售客户为目的。

3、但是如果卷烟在配送过程中出现了问题，通常是零售客户出现问题后直接拨通烟草送货员的电话或者致电烟草公司客服电话咨询。目前烟草的零售客户数量庞大，如果通过传统的人工客服去满足零售客户的售后咨询服务，工作量大，也无法保证服务质量。

技术实现思路

1、为克服相关技术中存在的问题，本申请提供一种基于人工智能的卷烟配送智能客服系统，通过机器学习和自动化技术，实现自动回复和处理常见问题，减少人工干预的需求，在卷烟配送及零售客户售后问题处理环节上实现人工成本和时间成本的节约。

2、本申请第一方面提供一种基于人工智能的卷烟配送智能客服系统，包括：

3、模型架构设计单元，采用chatglm2-6b大语言模型，进行本地私有化部署；

4、知识库数据支撑单元，提交训练内容，导入知识库；

5、模型搭建及训练单元，对知识库进行模型架构化，对数据进行预处理，包括数据去重和清洗，并设定语言识别和过滤条件；

6、大语言模型调用平台，零售客户通过企业微信终端应用向大语言模型调用平台调取知识库查询相关信息，通过对相关内容进行全方面知识调用，并在操作过程中对大语言模型进行同步训练；

7、企业微信终端应用开发单元，利用移动端开发技术对接企业微信接口开发者平台，在烟草零售客户的管理体系基础上，集成大语言模型应用封装在企业微信终端。

8、上述的基于人工智能的卷烟配送智能客服系统中，所述大语言模型调用平台采用的技术路线分为bert模式、gpt模式、混合模式以及大语言模型(llm)+知识检索(knowledgeretrieval)的方式。

9、上述的基于人工智能的卷烟配送智能客服系统中，搭建所述大语言模型调用平台+企业微信移动端应用场景的技术路线，包括：移动端、web后台、应用服务、数据服务、大语言模型、运行环境；所述移动端采用企业微信+小程序方式通过微信入口进行访问；所述web后台中，前端技术采用vue3+element-plus+ts，后端技术采用.net core跨平台技术，所述.net core为具有跨平台能力的应用程序开发框架，所述平台为运行环境windows、macosx、linux。

10、上述的基于人工智能的卷烟配送智能客服系统中，所述应用服务包括数据仓储、审计日志、身份认证、领域服务、api网关、授权、领域事件、数据访问。

11、上述的基于人工智能的卷烟配送智能客服系统中，所述大语言模型调用平台中知识库构建，知识库原理是在搜索后，生成提示信息插入到对话里面，知识库的数据就被大语言模型调用平台知道了；构建采用模式如下：rtst模式，sentence_transformers+faiss进行索引，支持预先构建索引和运行中构建；同时包含bing模式，cn.bing搜索；bingsite模式，cn.bing站内搜索；fess模式，本地部署的fess搜索，并进行关键词提取。

12、上述的基于人工智能的卷烟配送智能客服系统中，所述大语言模型调用平台微调，通过大语言微调模型提升反馈结果，微调模块通过训练并提供的权重合并模型和lora权重文件，使用所述权重合并模型或者lora权重文件，对比hatglm-6b、chatglm2-6b模型，提升大语言模型调用平台知识库的总结能力。

13、上述的基于人工智能的卷烟配送智能客服系统中，搜索性能，通过lora权重微调模型优化并结合大语言模型fess搜索模块来提高搜索性能,。

14、上述的基于人工智能的卷烟配送智能客服系统中，设计深度神经网络，使用深度学习、搜索技术和自然语言处理技术，设计所述大语言模型调用平台在关键词匹配的基础上对文本进行相关性排序。

15、本申请第二方面提供一种电子设备，包括：

16、处理器；以及

17、存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如上所述的方法。

18、本申请第三方面提供一种非暂时性机器可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如上所述的方法。

19、本申请提供的技术方案可以包括以下有益效果：该种基于人工智能的卷烟配送智能客服系统，通过私有化部署，将卷烟配送流程资料导入大语言模型知识库，进行深度学习、训练结合零售客户问题类型分类，最终生成卷烟配送的智能客服系统。利用机器人流程化自动化特点，对重复性人工劳动进行系统自动化处理，将用户从繁复的手工操作中解放出来，减少数据查询、数据检索、统计工作量，从而提升工作效率。对卷烟配送业务的自动化处理、高效响应和精准服务，从而显著提升了卷烟配送行业的服务水平和效率。

20、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

技术特征：

1.一种基于人工智能的卷烟配送智能客服系统，其特征在于，包括：

2.根据权利要求1所述的基于人工智能的卷烟配送智能客服系统，其特征在于：所述大语言模型调用平台采用的技术路线分为bert模式、gpt模式、混合模式以及大语言模型(llm)+知识检索(knowledge retrieval)的方式。

3.根据权利要求2所述的基于人工智能的卷烟配送智能客服系统，其特征在于：搭建所述大语言模型调用平台+企业微信移动端应用场景的技术路线，包括：移动端、web后台、应用服务、数据服务、大语言模型、运行环境；所述移动端采用企业微信+小程序方式通过微信入口进行访问；所述web后台中，前端技术采用vue3+element-plus+ts，后端技术采用.netcore跨平台技术，所述.net core为具有跨平台能力的应用程序开发框架，所述平台为运行环境windows、mac osx、linux。

4.根据权利要求3所述的基于人工智能的卷烟配送智能客服系统，其特征在于：所述应用服务包括数据仓储、审计日志、身份认证、领域服务、api网关、授权、领域事件、数据访问。

5.根据权利要求1所述的基于人工智能的卷烟配送智能客服系统，其特征在于：所述大语言模型调用平台中知识库构建，知识库原理是在搜索后，生成提示信息插入到对话里面，知识库的数据就被大语言模型调用平台知道了；构建采用模式如下：rtst模式，sentence_transformers+faiss进行索引，支持预先构建索引和运行中构建；同时包含bing模式，cn.bing搜索；bingsite模式，cn.bing站内搜索；fess模式，本地部署的fess搜索，并进行关键词提取。

6.根据权利要求1所述的基于人工智能的卷烟配送智能客服系统，其特征在于：所述大语言模型调用平台微调，通过大语言微调模型提升反馈结果，微调模块通过训练并提供的权重合并模型和lora权重文件，使用所述权重合并模型或者lora权重文件，对比hatglm-6b、chatglm2-6b模型，提升大语言模型调用平台知识库的总结能力。

7.根据权利要求6所述的基于人工智能的卷烟配送智能客服系统，其特征在于：搜索性能，通过lora权重微调模型优化并结合大语言模型fess搜索模块来提高搜索性能,。

8.根据权利要求1所述的基于人工智能的卷烟配送智能客服系统，其特征在于：设计深度神经网络，使用深度学习、搜索技术和自然语言处理技术，设计所述大语言模型调用平台在关键词匹配的基础上对文本进行相关性排序。

9.一种电子设备，其特征在于，包括：

10.一种非暂时性机器可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如权利要求1-10中任一项所述的方法。

技术总结本申请是关于一种基于人工智能的卷烟配送智能客服系统，包括：模型架构设计单元，知识库数据支撑单元，模型搭建及训练单元，大语言模型调用平台，企业微信终端应用开发单元。通过私有化部署，将卷烟配送流程资料导入大语言模型知识库，进行深度学习、训练结合零售客户问题类型分类，最终生成卷烟配送的智能客服系统。利用机器人流程化自动化特点，对重复性人工劳动进行系统自动化处理，将用户从繁复的手工操作中解放出来，减少数据查询、数据检索、统计工作量，从而提升工作效率。技术研发人员：吴先福,唐义兵,冯亮,林俊清,傅世显,杨君辉,尹流婷受保护的技术使用者：广东烟草珠海市有限公司技术研发日：技术公布日：2024/9/2