LogiBot 智能物流客服（Python 版）
全 Python 实现：RAG 知识问答 + 受控 Agent 多轮对话 + 业务系统集成，FastAPI + LangGraph 编排。
项目概览
项目定位
面向中小物流企业的垂直领域智能客服（Python 技术路线），以 RAG 知识问答 + 受控 Agent 多轮对话 + 业务系统集成为核心，强调确定性执行与工程可验证。
目标客户
中小物流企业客服团队、坐席人员、运营管理者、需要私有化/RAG 能力的团队。
应用场景
政策/业务知识问答、运单/运费/时效/网点查询、转人工与工单、知识库运营、评测与监控。
业务闭环
技术栈
语言与框架
数据与队列
Agent 与检索
前端与运维
核心功能模块
01channels 渠道接入
SSE / WebSocket / 公众号 / 企微。
02agent 编排
LangGraph 工作流：guard → classify → router → slot ⇄ ask → tool_exec | rag_retrieve → generate → evaluate → transfer → persist。
03llm 大模型层
多厂商接入 + 降级链 + 熔断 + JSON 三段容错 + token 预算。
04rag 检索层
解析 → 清洗 → 分块 → 关键词 → 向量化 → 混合检索。
05business 业务层
运单 / 运费 / 时效 / 网点适配器（Mock 优先）。
06services 服务层
会话、消息、知识、工单、坐席、统计、评价、系统。
07workers 异步
arq Worker：文档向量化、日统计、满意度外呼、SLA 巡检。
08双形态
PostgreSQL + pgvector 生产形态 / SQLite + numpy 演示形态，业务层零感知。
亮点特性
架构铁律
LLM 只做意图槽位的结构化理解与给定上下文内的回复生成；路由与工具执行由确定性条件代码决定，幻觉被隔离在理解层与生成层。
LangGraph 编排
StateGraph + Checkpointer + interrupt 实现可中断、可恢复的多轮对话与人工介入。
混合检索
pgvector 向量 + jieba/BM25 关键词 + RRF 融合，知识库十万级向量毫秒级（HNSW）。
多厂商容错
LLM 降级链 + 熔断 + JSON 三段容错 + token 预算，保障服务稳定性。
双形态交付
生产用 PostgreSQL + pgvector，作品集/演示用 SQLite + numpy，clone 即跑。
严格质量门禁
ruff format/check + mypy strict + pytest（覆盖率 ≥70%），当前 823 passed / 覆盖率 89%。
系统组成 / 用户端
用户端
uni-app，SSE/WebSocket 会话
坐席工作台
转人工、AI 交接摘要、工单
知识库管理
文档上传、向量化、混合检索
运营闭环
看板、坏例收集、评测跑批、告警
对「LogiBot 智能物流客服（Python 版）」感兴趣？
欢迎联系我们获取方案介绍、功能演示与合作方式。