【保姆级教程】30分钟用LangChain+通义千问搭建你的第一个AI客服系统！

本文详细介绍了如何使用LangChain框架和通义千问大模型从零构建AI客服系统。通过获取API密钥、搭建框架、创建客户端、设计对话内容等步骤，展示了完整实现过程。文章提供了详细代码示例，展示模型调用与输出优化技巧，并介绍链式调用使代码更优雅。最后给出多轮对话、接入业务等进阶方向，帮助读者逐步完善智能客服系统。

AGI大模型老王

1099人浏览 · 2025-11-14 15:54:49

AGI大模型老王 · 2025-11-14 15:54:49 发布

你是不是也曾想过自己动手搭建一个智能客服系统，却不知道从何入手？别担心，今天我们就来一起完成这个挑战！本文将带你从零开始，使用流行的LangChain框架和通义千问大模型，一步步构建你的第一个AI客服应用。无需高深的机器学习知识，只要会写Python代码，你就能在半小时内看到一个能听懂人话、还能回答问题的AI助手！

一、准备工作：拿到通往大模型的"钥匙"

想要让我们的程序能够访问大模型，首先需要获得访问权限。这就好比你要进入一个高级会所，需要出示会员卡一样。对于通义千问大模型来说，这张"会员卡"就是API Key。

首先，我们需要注册并获取通义千问的API Key。访问通义千问官方网站，按照指引完成注册和申请流程。拿到API Key后，我们把它设置为系统环境变量，这样既安全又方便：

# 在终端中执行（Linux/Mac）
export ALI_API_KEY="你的API密钥"
# 或者在代码中设置（临时）
import os
os.environ['ALI_API_KEY'] = '你的API密钥'

小提示：在实际项目中，建议使用环境变量或密钥管理工具，不要将API密钥直接写在代码中，以免泄露。

二、搭建基础框架：导入必要的工具包

现在我们要搭建程序的基础框架。想象一下，这就像是要做一道大餐，首先得准备好各种厨具和食材。

# 导入必要的库
import os
from langchain_openai import OpenAI  # 使用OpenAI兼容接口
from langchain.schema import SystemMessage, HumanMessage  # 消息类型
from langchain.schema.output_parser import StrOutputParser  # 输出解析器

这里有个有趣的地方：我们虽然要连接的是通义千问，但却使用了OpenAI的兼容接口。这是因为现在很多国内大模型厂商都提供了对OpenAI接口的兼容，这样我们就可以用同一套代码访问不同的大模型，是不是很巧妙？

三、创建大模型客户端：建立与AI的通信通道

接下来我们要创建一个"客户端"，这就像是给你的程序配一部手机，让它能够给大模型"打电话"。

# 初始化大模型客户端
api_key = os.getenv("ALI_API_KEY")  # 从环境变量获取API密钥
client = OpenAI(
api_key=api_key,
base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",  # 通义千问的API地址
model="qwen-max"  # 使用通义千问Max模型
)

参数说明：

api_key：你的身份凭证，证明你有权限使用这个服务
base_url：通义千问提供的API端点地址
model：指定使用哪个模型版本，这里我们选择能力最强的"qwen-max"

四、设计对话内容：教会AI如何扮演角色

现在我们要设计对话内容了。这里有个很重要的概念：消息角色。就像在现实生活中，你对不同的人说话方式不同一样，AI也需要知道它现在扮演什么角色。

# 构建对话消息
messages = [
SystemMessage(content="请将下面的内容翻译成英文。"),
HumanMessage(content="你好，你今天过得好吗？")
]

这里我们使用了两种类型的消息：

SystemMessage：给AI设定角色和任务，相当于导演给演员说戏
HumanMessage：用户实际输入的内容，相当于演员的台词

为什么这样设计？因为这样可以让AI更清楚地知道我们想要它做什么，而不是让它猜测我们的意图。

五、调用大模型：让AI开始工作

一切准备就绪，现在可以让AI开始工作了！这个过程就像是你发出一条微信消息，然后等待对方回复。

# 调用大模型并获取响应
response = client.invoke(messages)
print("原始响应：", response)

当你运行这段代码时，可能会看到类似这样的输出：

原始响应：
{
"content": "Hello, how are you today?",
"additional_kwargs": {},
"response_metadata": {
"token_usage": {
"prompt_tokens": 20,
"completion_tokens": 6,
"total_tokens": 26
}
}
}

哇，AI确实把我们的中文翻译成了英文！但是你会发现返回的内容包含了很多额外信息，比如使用了多少token（可以理解为字数统计）。这些信息对开发者有用，但对最终用户来说就是噪音了。

六、优化输出结果：只保留我们想要的内容

为了让用户只看到干净的翻译结果，我们需要对输出进行"美容处理"。

# 使用输出解析器提取纯净内容
parser = StrOutputParser()
clean_result = parser.invoke(response)
print("净化后的结果：", clean_result)

现在输出就干净多了：

Hello, how are you today?

背后的原理：StrOutputParser就像是一个智能过滤器，它知道如何从大模型的响应中提取出最重要的文本内容，去掉那些技术性的元数据。

七、使用链式调用：让代码更优雅

前面的代码分成了几个步骤，其实LangChain提供了一个更优雅的方式——链式调用（Chain）。这就像是把多个工序串联成一条流水线。

# 创建调用链
chain = client | StrOutputParser()
# 一键调用
result = chain.invoke(messages)
print("链式调用结果：", result)

这种方式的优点是：

代码更简洁：原来需要4行代码，现在只要2行
更易维护：逻辑清晰，一目了然
便于扩展：可以轻松添加更多处理环节

八、完整代码示例

让我们把所有的代码整合在一起，形成一个完整的可运行程序：

import os
from langchain_openai import OpenAI
from langchain.schema import SystemMessage, HumanMessage
from langchain.schema.output_parser import StrOutputParser
# 1. 初始化客户端
api_key = os.getenv("ALI_API_KEY")
client = OpenAI(
api_key=api_key,
base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
model="qwen-max"
)
# 2. 构建消息
messages = [
SystemMessage(content="请将下面的内容翻译成英文。"),
HumanMessage(content="你好，你今天过得好吗？")
]
# 3. 创建调用链并执行
chain = client | StrOutputParser()
result = chain.invoke(messages)
print("最终结果：", result)

运行这个程序，你就成功地创建了一个AI翻译助手！虽然现在它只能做翻译，但这就是构建智能客服系统的第一步。

九、下一步学习方向

恭喜你完成了第一个LangChain应用！但这只是开始，接下来你可以：

添加多轮对话：让AI能记住之前的对话内容
接入真实业务：连接你的产品数据库或知识库
增加业务逻辑：处理订单查询、售后支持等具体业务
部署为服务：封装成API或网页应用，让更多人使用

记住，每个复杂的系统都是从这样简单的第一步开始的。你现在已经掌握了最核心的基础，接下来就是在这个基础上不断添加新功能，逐步完善你的智能客服系统。

十、如何系统的学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

一直在更新，更多的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇

在这里插入图片描述