ChatGPT制作一个简单的客服机器人

包含功能：

MVP（最简可行产品）版本的客服机器人应该聚焦于核心功能，以快速上线和测试用户反馈为目标。以下是一个简化的版本：

  1. 自动问答（FAQ）功能：
    • 支持回答常见问题，例如营业时间、联系方式、退换货政策等。
    • 提供预设的常见问题列表，并能自动匹配用户输入的关键词。
  2. 自然语言处理（NLP）基础：
    • 具备基本的语义理解能力，能够识别用户的主要意图并提供相关回答。
  3. 人工客服转接：
    • 在遇到无法解答的问题时，能提示用户转接到人工客服。
    • 提供简单的转接方式，例如发送一条信息或链接，告知如何联系人工客服。
  4. 订单查询：
    • 允许用户通过输入订单号查询订单状态。
    • 提供基本的订单信息反馈，如订单处理中、已发货、已送达等状态。
  5. 用户反馈收集：
    • 在对话结束时，简单地询问用户是否满意，收集基本的满意度反馈。

这个MVP版本的客服机器人可以快速上线，并根据用户反馈逐步增加更多功能和改进。它能够解决用户的一些基本需求，同时保持开发和维护的简洁性。

技术架构：

实现这些MVP功能的客服机器人需要一个清晰的技术架构，确保其高效、稳定地运行。以下是推荐的技术架构：

1. 前端接口

  • 用户界面（UI）：在网站或应用中嵌入聊天窗口，可以使用JavaScript库如React或Vue.js来实现。
  • 消息传递：通过WebSocket或REST API与后端服务器进行通信，确保实时消息传递。

2. 后端服务器

  • Web框架：选择Node.js（Express）或Python（Django/Flask）作为主要框架来处理HTTP请求和WebSocket连接。
  • API接口：提供REST API来处理前端发送的请求，如查询订单状态、获取常见问题回答等。

3. 自然语言处理（NLP）

  • NLP引擎：可以使用现成的NLP服务，如Google Dialogflow、Microsoft Azure Bot Service、IBM Watson Assistant，或开源库如Rasa。
  • 意图识别：利用NLP引擎处理用户输入，识别用户意图并生成相应的回答。

4. 数据库

  • 知识库管理：使用一个关系型数据库（如PostgreSQL或MySQL）来存储常见问题和答案。
  • 订单信息：存储和查询订单信息，可能与现有的订单管理系统集成。

5. 人工客服转接

  • 消息队列：使用RabbitMQ或Kafka等消息队列系统来管理和转发用户请求给人工客服。
  • 通知系统：通过Email、短信或内部通知系统告知客服有用户需要帮助。

6. 用户反馈收集

  • 数据库：同样使用关系型数据库来存储用户反馈数据。
  • 简单的反馈接口：在对话结束时，弹出一个简单的评分系统（如星级评分）。

7. 安全和隐私

  • 认证和授权：使用JWT（JSON Web Token）或OAuth进行用户身份认证和授权，确保数据安全。
  • 数据加密：在数据传输过程中使用HTTPS，在存储过程中使用数据库的加密机制。

实现步骤

  1. 前端开发：创建聊天窗口UI，集成WebSocket或REST API进行消息传递。
  2. 后端开发：搭建Web框架，创建API接口，处理用户请求。
  3. NLP集成：选择并集成NLP引擎，处理用户的自然语言输入。
  4. 数据库设置：设计数据库架构，存储常见问题、订单信息和用户反馈。
  5. 人工客服转接：实现消息队列和通知系统，确保用户能顺利转接至人工客服。
  6. 安全措施：实施认证、授权和数据加密，确保用户数据安全。

通过以上架构和步骤，可以有效地实现一个功能完备的MVP客服机器人。

优先级：

  1. 前端开发：搭建基本聊天界面和消息传递。
  2. 后端基础架构：建立服务器和API接口。
  3. NLP集成：实现基本的自然语言处理能力。
  4. 数据库设计：存储常见问题和订单信息。
  5. 人工客服转接：实现消息转发和通知系统。
  6. 用户反馈收集：实现简单的反馈机制。
  7. 安全和隐私保护：确保用户数据的安全性。

windows平台开始前端开发：

1. 设置 Vue 项目

npm install -g @vue/cli

2. 然后创建一个新的 Vue 项目

vue create chat-bot

报错vue:无法加载，因为在此系统上禁止运行脚本

分析原因，权限不足
1. 以管理员身份运行powerShell
2.输入命令： set-ExecutionPolicy RemoteSigned
3. 输入Y
问题解决

继续第二步

在这里插入图片描述

3.创建成功,在vscode中打开项目

3.1. 创建聊天组件

在 src 目录下创建一个新的组件文件 ChatBot.vue，并添加以下代码：

<template><div class="chat-container"><div class="messages"><div v-for="(message, index) in messages" :key="index" class="message"><div :class="message.sender">{{ message.text }}</div></div></div><div class="input-container"><inputv-model="userInput"@keyup.enter="sendMessage"type="text"placeholder="Type a message..."/><button @click="sendMessage">Send</button></div></div>
</template><script>
export default {data() {return {userInput: '',messages: [{ text: 'Hello! How can I help you today?', sender: 'bot' },],};},methods: {sendMessage() {if (this.userInput.trim() !== '') {this.messages.push({ text: this.userInput, sender: 'user' });this.userInput = '';// Simulate bot responsesetTimeout(() => {this.messages.push({ text: 'I am still learning. Please ask something else!', sender: 'bot' });}, 1000);}},},
};
</script><style scoped>
.chat-container {width: 100%;max-width: 600px;margin: 0 auto;border: 1px solid #ccc;border-radius: 5px;display: flex;flex-direction: column;height: 400px;
}.messages {flex: 1;padding: 10px;overflow-y: auto;border-bottom: 1px solid #ccc;
}.message {margin: 5px 0;
}.user {text-align: right;color: blue;
}.bot {text-align: left;color: green;
}.input-container {display: flex;border-top: 1px solid #ccc;
}input {flex: 1;border: none;padding: 10px;font-size: 16px;border-top-left-radius: 5px;border-bottom-left-radius: 5px;
}button {padding: 10px;font-size: 16px;border: none;background-color: #007bff;color: white;cursor: pointer;border-top-right-radius: 5px;border-bottom-right-radius: 5px;
}button:hover {background-color: #0056b3;
}
</style>

3.2 注册组件并启动应用

在 src/App.vue 中注册并使用 ChatBot 组件：

<template><div id="app"><ChatBot /></div>
</template><script>
import ChatBot from './components/ChatBot.vue';export default {name: 'App',components: {ChatBot,},
};
</script><style>
#app {font-family: Avenir, Helvetica, Arial, sans-serif;-webkit-font-smoothing: antialiased;-moz-osx-font-smoothing: grayscale;text-align: center;color: #2c3e50;margin-top: 60px;
}
</style>

3.3 运行应用

确保你在项目目录下，然后运行以下命令启动应用：

npm run serve

在这里插入图片描述

在这里插入图片描述

3.4访问http://localhost:8080/

在这里插入图片描述

支持简单输出和回复

在这里插入图片描述

后端flask实现

在D盘创建flaskproject

1.初始化项目

mkdir flask-chat-bot
cd flask-chat-bot
python -m venv venv
venv\Scripts\activate

2.安装Flask

安装Flask和Flask-CORS：

pip install Flask Flask-CORS

3.创建Flask应用

用PyCharm里面，在项目根目录下创建一个 app.py 文件，并添加以下代码：

# app.py
from flask import Flask, request, jsonify
from flask_cors import CORS
import randomapp = Flask(__name__)
CORS(app)# 模拟的机器人回复
bot_responses = ["I'm still learning. Please ask something else!","Can you please elaborate?","I'm here to help you. What do you need?",
]def get_bot_response():return random.choice(bot_responses)@app.route('/api/chat/message', methods=['POST'])
def chat():user_message = request.json.get('message')if not user_message:return jsonify({'error': 'Message is required'}), 400# 模拟处理用户消息并生成回复bot_message = get_bot_response()return jsonify({'userMessage': user_message,'botMessage': bot_message,})if __name__ == '__main__':app.run(debug=True)

报错ModuleNotFoundError: No module named ‘flask_cors’，flask_cors下载失败

分析问题：python312版本和pycharm的310版本间出现冲突
解决问题：
删除310版本，更改pycharm的本地配置解释器为312版本
C:\Users\Administrator\AppData\Local\Programs\Python\Python312
问题解决。

在这里插入图片描述

4.启动Flask服务器

在终端中运行以下命令启动Flask服务器：

python app.py

Flask服务器将在 http://localhost:5000 上运行。

在这里插入图片描述

REST API消息传递功能

基于Windows系统的Flask后端和Vue.js前端的REST API消息传递功能

1.修改ChatBot.vue文件

<template><div class="chat-container"><div class="messages"><div v-for="(message, index) in messages" :key="index" class="message"><div :class="message.sender">{{ message.text }}</div></div></div><div class="input-container"><inputv-model="userInput"@keyup.enter="sendMessage"type="text"placeholder="Type a message..."/><button @click="sendMessage">Send</button></div></div>
</template><script>
export default {data() {return {userInput: '',messages: [{ text: 'Hello! How can I help you today?', sender: 'bot' },],};},methods: {async sendMessage() {if (this.userInput.trim() !== '') {this.messages.push({ text: this.userInput, sender: 'user' });// 保存用户输入const userMessage = this.userInput;this.userInput = '';try {// 发送请求到后端APIconst response = await fetch('http://localhost:5000/api/chat/message', {method: 'POST',headers: {'Content-Type': 'application/json',},body: JSON.stringify({ message: userMessage }),});const data = await response.json();// 显示机器人的回复this.messages.push({ text: data.botMessage, sender: 'bot' });} catch (error) {console.error('Error:', error);}}},},
};
</script><style scoped>
.chat-container {width: 100%;max-width: 600px;margin: 0 auto;border: 1px solid #ccc;border-radius: 5px;display: flex;flex-direction: column;height: 400px;
}.messages {flex: 1;padding: 10px;overflow-y: auto;border-bottom: 1px solid #ccc;
}.message {margin: 5px 0;
}.user {text-align: right;color: blue;
}.bot {text-align: left;color: green;
}.input-container {display: flex;border-top: 1px solid #ccc;
}input {flex: 1;border: none;padding: 10px;font-size: 16px;border-top-left-radius: 5px;border-bottom-left-radius: 5px;
}button {padding: 10px;font-size: 16px;border: none;background-color: #007bff;color: white;cursor: pointer;border-top-right-radius: 5px;border-bottom-right-radius: 5px;
}button:hover {background-color: #0056b3;
}
</style>

效果

在这里插入图片描述

接入openapi替代NLP技术实现

技术架构更改

1. 前端

  • 技术栈：Vue.js

  • 功能

    ：

    • 用户界面：提供一个简单的聊天界面。
    • 输入处理：用户输入消息并发送。
    • 消息显示：显示用户消息和机器人回复。
2. 后端

  • 技术栈：Flask（Python）

  • 功能

    ：

    • 接收前端发送的消息。
    • 调用OpenAI的API处理用户消息。
    • 返回OpenAI的回复给前端。
3. 第三方服务

  • OpenAI API

    ：

    • 用于生成聊天机器人的回复。

具体流程

  1. 用户输入消息：
    • 用户在Vue.js前端输入消息并点击发送。
  2. 前端发送请求：
    • 前端通过REST API将用户消息发送到Flask服务器。
  3. 后端处理请求：
    • Flask服务器接收到请求后，提取用户消息。
    • 调用OpenAI的API，将用户消息发送给OpenAI。
  4. OpenAI生成回复：
    • OpenAI根据用户消息生成合适的回复。
  5. 后端返回回复：
    • Flask服务器接收到OpenAI的回复后，将其发送回前端。
  6. 前端显示回复：
    • Vue.js前端接收到服务器返回的回复，并在聊天界面中显示
|-------------|        HTTP         |--------------|       HTTP       |---------------|
|   Frontend  | <-----------------> |   Backend    | <--------------> | OpenAI API    |
|   Vue.js    |     REST API        |   Flask      |    API Request   |               |
|-------------|                     |--------------|                  |---------------||   |                               |   |User input                        Process request|   |                               |   |
Send message ---> Receive message ---> Call OpenAI|   |                               |   |
Display reply <--- Return reply <--- Get reply

后端代码优化

# app.py
from flask_cors import CORS
from flask import Flask, request, jsonify
from openai import OpenAI
from dotenv import load_dotenv, find_dotenvapp = Flask(__name__)
CORS(app)_ = load_dotenv(find_dotenv())client = OpenAI()@app.route('/api/chat/message', methods=['POST'])
def chat():user_message = request.json.get('message')if not user_message:return jsonify({'error': 'Message is required'}), 400messages = [{"role": "system", "content": "你是一个客服机器人"},{"role": "user", "content": user_message}]print(messages)try:# 调用OpenAI API获取回复response = client.chat.completions.create(model="gpt-3.5-turbo",messages=messages)bot_message = response.choices[0].message.contentprint(bot_message)except Exception as e:return jsonify({'error': str(e)}), 500return jsonify({'userMessage': user_message,'botMessage': bot_message,})if __name__ == '__main__':app.run(debug=True)

前端代码优化

<template><div class="chat-container"><div class="messages"><div v-for="(message, index) in messages" :key="index" class="message"><div :class="message.sender">{{ message.text }}</div></div></div><div class="input-container"><inputv-model="userInput"@keyup.enter="sendMessage"type="text"placeholder="Type a message..."/><button @click="sendMessage">Send</button></div></div></template><script>export default {data() {return {userInput: '',messages: [{ text: 'Hello! How can I help you today?', sender: 'bot' },],};},methods: {async sendMessage() {if (this.userInput.trim() !== '') {this.messages.push({ text: this.userInput, sender: 'user' });// 保存用户输入const userMessage = this.userInput;this.userInput = '';try {// 发送请求到后端APIconst response = await fetch('http://localhost:5000/api/chat/message', {method: 'POST',headers: {'Content-Type': 'application/json',},body: JSON.stringify({ message: userMessage }),});const data = await response.json();// 显示机器人的回复this.messages.push({ text: data.botMessage, sender: 'bot' });} catch (error) {console.error('Error:', error);}}},},};</script><style scoped>.chat-container {width: 100%;max-width: 600px;margin: 0 auto;border: 1px solid #ccc;border-radius: 5px;display: flex;flex-direction: column;height: 400px;}.messages {flex: 1;padding: 10px;overflow-y: auto;border-bottom: 1px solid #ccc;}.message {margin: 5px 0;}.user {text-align: right;color: blue;}.bot {text-align: left;color: green;}.input-container {display: flex;border-top: 1px solid #ccc;}input {flex: 1;border: none;padding: 10px;font-size: 16px;border-top-left-radius: 5px;border-bottom-left-radius: 5px;}button {padding: 10px;font-size: 16px;border: none;background-color: #007bff;color: white;cursor: pointer;border-top-right-radius: 5px;border-bottom-right-radius: 5px;}button:hover {background-color: #0056b3;}</style>

更改后的效果如下

在这里插入图片描述

接入数据库

使用mysql数据库接入，通过OpenAI API查询本地数据库以获取真实的订单信息

创建数据库并插入数据

采用DBeaver创建zh数据库并建立order表，插入数据

CREATE DATABASE order_db;USE order_db;CREATE TABLE orders (id INT AUTO_INCREMENT PRIMARY KEY,order_number VARCHAR(50) NOT NULL,customer_name VARCHAR(100),product VARCHAR(100),quantity INT,status VARCHAR(50)
);-- 插入一些示例数据
INSERT INTO orders (order_number, customer_name, product, quantity, status)
VALUES
('ORD001', 'Alice', 'Laptop', 1, 'Shipped'),
('ORD002', 'Bob', 'Smartphone', 2, 'Processing'),
('ORD003', 'Charlie', 'Tablet', 1, 'Delivered');

在这里插入图片描述

数据库连接

添加app.py连接数据库

# 数据库配置
db_config = {'user': 'root','password': 'your_mysql_password',  # 在此处替换为你的MySQL密码'host': '127.0.0.1','database': 'order_db','raise_on_warnings': True
}

查询订单信息

# 查询订单信息
def get_order_info(order_number):try:cnx = mysql.connector.connect(**db_config)cursor = cnx.cursor(dictionary=True)query = "SELECT * FROM orders WHERE order_number = %s"cursor.execute(query, (order_number,))result = cursor.fetchone()cursor.close()cnx.close()return resultexcept mysql.connector.Error as err:return {'error': str(err)}

chatgpt 访问数据库

添加chatgpt访问数据库

def get_completion(messages):# 调用OpenAI API获取回复response = client.chat.completions.create(model="gpt-3.5-turbo",messages=messages,temperature=0,tools=[{"type": "function","function": {"name": "get_order_id","description": "Get the current order id","parameters": {"type": "object","properties": {"order_id": {"type": "string","description": "订单号格式为ORD开头",}},"required": ["order_id"],},}}],)return response.choices[0].message@app.route('/api/chat/message', methods=['POST'])
def chat():user_message = request.json.get('message')if not user_message:return jsonify({'error': 'Message is required'}), 400messages = [{"role": "system", "content": "你是一个客服机器人"},{"role": "user", "content": user_message}]print(messages)try:# 调用OpenAI API获取回复response = get_completion(messages)bot_content = response.contentprint(f'bot_content:', bot_content)if bot_content:return jsonify({'userMessage': user_message,'botMessage': bot_content,})bot_message = responseprint(f'bot_message:', bot_message)messages.append(bot_message)if (response.tool_calls is not None):tool_call = response.tool_calls[0]print(f'tool_call:', tool_call)if (tool_call.function.name == 'get_order_id'):print(f'get_order_id:')args = json.loads(tool_call.function.arguments)order_id = get_order_info(**args)print(f'order_id:', order_id)messages.append({"role": "tool","content": "Order ID: " + str(order_id),"tool_call_id": tool_call.id})print(f'messages:', messages)response = get_completion(messages)print(f'response:', response)return jsonify({'userMessage': user_message,'botMessage': response.content,})except Exception as e:return jsonify({'error': str(e)}), 500return jsonify({'userMessage': user_message,'botMessage': bot_message,})

chatgpt api调用官网

重新启动服务器

效果如下，可以看到成功查询到本地数据库订单号为ORD001的订单状态信息，并且成功返回客户端界面：

在这里插入图片描述

MySQL存储常见问题和答案

1.数据库创建

数据库中创建一个名为 faqs 的表，存储常见问题和答案

CREATE TABLE faqs (id INT AUTO_INCREMENT PRIMARY KEY,question TEXT NOT NULL,answer TEXT NOT NULL
);

插入数据

INSERT INTO faqs (question, answer) VALUES
('如何重置密码？', '要重置密码，请转到登录页面并点击“忘记密码”链接。按照说明重置您的密码。'),
('退货政策是什么？', '我们的退货政策允许您在购买后30天内退货。请确保产品处于原始状态。'),
('如何跟踪我的订单？', '要跟踪订单，请登录您的账户并转到“订单”部分。点击您想要跟踪的订单以查看最新状态。'),
('我可以更改收货地址吗？', '是的，您可以在订单发货前更改收货地址。请联系客户服务以获取帮助。'),
('你们接受哪些付款方式？', '我们接受多种付款方式，包括信用卡、借记卡、PayPal和银行转账。'),
('如何联系客户支持？', '您可以通过电子邮件support@example.com联系我们的客户支持，或拨打1-800-123-4567。'),
('你们的工作时间是什么时候？', '我们的客户支持时间为周一至周五，上午9点到下午5点。'),
('如何取消我的订单？', '要取消订单，请登录您的账户，转到“订单”部分，然后选择您要取消的订单。如果订单尚未发货，您将看到“取消订单”选项。'),
('你们提供国际运输吗？', '是的，我们提供大多数国家的国际运输。运费和交货时间因目的地而异。'),
('如何使用折扣码？', '要使用折扣码，请在结账时在“折扣码”字段中输入代码并点击“应用”。折扣将应用到您的订单总额。');

数据库显示及如下：

在这里插入图片描述

2.整合到Flask应用

接下来，我们需要调整Flask应用以支持FAQ查询。我们将实现一个新的API端点，用于从数据库中检索常见问题和答案。

# 查询FAQ
def get_faq(question):try:cnx = mysql.connector.connect(**db_config)cursor = cnx.cursor(dictionary=True)query = "SELECT answer FROM faqs WHERE question LIKE %s"cursor.execute(query, ("%"+question+"%",))result = cursor.fetchone()cursor.close()cnx.close()return resultexcept mysql.connector.Error as err:return {'error': str(err)}

添加chatgpt功能部分代码

            {"type": "function","function": {"name": "get_faq","description": "Get the current question id","parameters": {"type": "object","properties": {"question": {"type": "string","description": "question should be a question in table",}},"required": ["question"],},}

增加返回值判断

 elif (tool_call.function.name == 'get_faq'):print(f'get_faq:')args = json.loads(tool_call.function.arguments)answer = get_faq(**args)print(f'question_id:', answer)messages.append({"role": "tool","content": "answer: " + str(answer),"tool_call_id": tool_call.id})print(f'messages:', messages)response = get_completion(messages)print(f'response:', response)return jsonify({'userMessage': user_message,'botMessage': response.content,})

效果如下：

在这里插入图片描述

ChatGPT的聊天过程

https://chatgpt.com/share/cd990a21-86d5-4a6c-ac0b-b3a775738d5a

人工客服转接

为了使用RabbitMQ消息队列系统来管理和转发用户请求给人工客服，我们需要设置RabbitMQ服务器，并且在Flask后端实现发送消息到RabbitMQ的功能。在接收端，可以实现一个消费者程序，实时监听队列并将请求分配给人工客服。

1. 安装RabbitMQ

首先，你需要在你的系统上安装RabbitMQ。可以参考RabbitMQ官方文档进行安装。

由于本机的docker和vm虚拟器冲突无法使用docker，按照传统方式安装rabbitMQ

以下是具体的命令和下载链接：下载Erlang：访问Erlang Solutions的官方网站下载最新版本的Erlang：https://www.erlang.org/downloads安装Erlang：双击下载的exe文件，按提示进行安装。设置环境变量，将Erlang的安装目录和bin目录添加到系统的PATH变量中。下载RabbitMQ：访问RabbitMQ官方网站下载最新版本的RabbitMQ：https://www.rabbitmq.com/download.html安装RabbitMQ：双击下载的exe文件，按提示进行安装。可以使用RabbitMQ Plugin来管理和扩展RabbitMQ的功能，通过命令行运行以下命令来启用管理界面：rabbitmq-plugins enable rabbitmq_management
访问RabbitMQ管理界面：打开浏览器，访问 http://localhost:15672 ，使用默认用户guest和密码guest登录RabbitMQ管理界面。注意：如果在安装过程中遇到问题，请确保你的Windows系统支持RabbitMQ，并查看官方文档以获取更多信息和解决方案。

2. 配置RabbitMQ

安装完RabbitMQ后，启动RabbitMQ服务：

sudo service rabbitmq-server start

3. 安装Pika库

Pika是Python的RabbitMQ客户端库。可以通过pip安装：

pip install pika

4. 修改Flask后端以发送消息到RabbitMQ

我们将在Flask后端添加一个新的路由，将用户请求发送到RabbitMQ队列中。

# 发送消息到RabbitMQ
def send_to_rabbitmq(message):try:connection = pika.BlockingConnection(pika.ConnectionParameters(host=rabbitmq_host))channel = connection.channel()channel.queue_declare(queue=queue_name, durable=True)channel.basic_publish(exchange='',routing_key=queue_name,body=message,properties=pika.BasicProperties(delivery_mode=2,  # make message persistent))connection.close()except Exception as e:print(f"Failed to send message to RabbitMQ: {e}")# 将用户消息发送到RabbitMQ队列send_to_rabbitmq(user_message)

5. 创建消费者以处理RabbitMQ消息

接下来，我们创建一个消费者程序，它会监听RabbitMQ队列，并将用户请求分配给人工客服。

# consumer.py
import pikarabbitmq_host = 'localhost'
queue_name = 'customer_requests'def callback(ch, method, properties, body):print(f"Received {body}")# 在此处处理消息，将其分配给人工客服# 比如通过邮件、通知系统等方式ch.basic_ack(delivery_tag=method.delivery_tag)def main():connection = pika.BlockingConnection(pika.ConnectionParameters(host=rabbitmq_host))channel = connection.channel()channel.queue_declare(queue=queue_name, durable=True)channel.basic_qos(prefetch_count=1)channel.basic_consume(queue=queue_name, on_message_callback=callback)print('Waiting for messages. To exit press CTRL+C')channel.start_consuming()if __name__ == '__main__':main()

6. 运行系统

  1. 启动RabbitMQ服务器

    sudo service rabbitmq-server start

  2. 启动Flask应用：

    python app.py

    3., 启动RabbitMQ消费者

    python consumer.py

    4; 测试应用：

    在浏览器中访问 http://localhost:8080，输入消息发送到后端，确认消息被成功发送到RabbitMQ，并在消费者端被接收和处理。

    通过这些步骤，你就可以实现使用RabbitMQ消息队列系统管理和转发用户请求给人工客服的功能。

效果如下：

通过Email告知客服有用户需要帮助

为了通过Email告知客服有用户需要帮助，我们需要在消费者程序中添加发送电子邮件的功能。我们可以使用Python的smtplib库来实现发送邮件。下面是更新后的消费者代码，添加了通过电子邮件通知客服的功能。

更新消费者程序以发送Email

首先，确保你有一个SMTP服务器和有效的电子邮件账户来发送通知邮件。下面是一个使用Gmail SMTP服务器的示例。

# consumer.py
import pika
import smtplib
from email.mime.text import MIMEText
from email.mime.multipart import MIMEMultipartrabbitmq_host = 'localhost'
queue_name = 'customer_requests'
smtp_server = 'smtp.gmail.com'
smtp_port = 587
smtp_user = 'your_email@gmail.com'  # 在此处替换为你的电子邮件
smtp_password = 'your_email_password'  # 在此处替换为你的电子邮件密码
customer_support_email = 'support@example.com'  # 在此处替换为客服的电子邮件def send_email(user_message):subject = "New Customer Request"body = f"You have a new customer request:\n\n{user_message}"msg = MIMEMultipart()msg['From'] = smtp_usermsg['To'] = customer_support_emailmsg['Subject'] = subjectmsg.attach(MIMEText(body, 'plain'))try:server = smtplib.SMTP(smtp_server, smtp_port)server.starttls()server.login(smtp_user, smtp_password)text = msg.as_string()server.sendmail(smtp_user, customer_support_email, text)server.quit()print(f"Email sent to {customer_support_email}")except Exception as e:print(f"Failed to send email: {e}")def callback(ch, method, properties, body):user_message = body.decode()print(f"Received {user_message}")# 发送邮件通知客服send_email(user_message)ch.basic_ack(delivery_tag=method.delivery_tag)def main():connection = pika.BlockingConnection(pika.ConnectionParameters(host=rabbitmq_host))channel = connection.channel()channel.queue_declare(queue=queue_name, durable=True)channel.basic_qos(prefetch_count=1)channel.basic_consume(queue=queue_name, on_message_callback=callback)print('Waiting for messages. To exit press CTRL+C')channel.start_consuming()if __name__ == '__main__':main()

配置和运行

  1. 安装必要的Python库：

确保安装了pika和smtplib库，如果没有安装，可以使用pip安装：

pip install pika

smtplib是Python标准库的一部分，因此不需要额外安装。

  1. 配置SMTP服务器信息：

在代码中，替换以下变量为你自己的SMTP服务器信息和邮件账户信息：

smtp_server = 'smtp.gmail.com'
smtp_port = 587
smtp_user = 'your_email@gmail.com'
smtp_password = 'your_email_password'
customer_support_email = 'support@example.com'
  1. 运行消费者程序
python consumer.py

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/news/848187.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

转让北京书画院自己名下随时配合变更

转让北京书画院自己名下随时配合变更

北京地区现在已经停批了书画院、科技院、研究院等等只要是带院、中心、所等等都是挺不能新设立也不能核名。要是想经营这类的企业可以选择收购&#xff0c;目前市面上有书画院、教育科技院、教育研究院、中医研究院、信息技术研究院、医学研究院等等因为停批的一个原因导致转让…
阅读更多...
基于MetaGPT构建LLM 订阅 Agent

基于MetaGPT构建LLM 订阅 Agent

前言 在上一篇文章中&#xff0c;我们学习了如何利用MetaGPT框架构建单智能体和多智能体&#xff0c;并通过一个技术文档撰写Agent和课后作业较为完整的理解一个Agent的需求分析和开发流程&#xff1b;但是技术要和应用结合才能得到更广泛的推广&#xff1b;在本文中&#xff0…
阅读更多...
ClickHouse内幕（1）数据存储与过滤机制

ClickHouse内幕（1）数据存储与过滤机制

本文主要讲述ClickHouse中的数据存储结构&#xff0c;包括文件组织结构和索引结构&#xff0c;以及建立在其基础上的数据过滤机制&#xff0c;从Part裁剪到Mark裁剪&#xff0c;最后到基于SIMD的行过滤机制。 数据过滤机制实质上是构建在数据存储格式之上的算法&#xff0c;所…
阅读更多...
ShowDoc item_id 未授权SQL注入漏洞复现

ShowDoc item_id 未授权SQL注入漏洞复现

0x01 产品简介 ShowDoc 是一个开源的在线文档协作平台，它支持Markdown、图片等多种格式，方便团队成员共同编辑和分享文档。企业常见使用场景是使用其进行接口文档、内部知识库管理。 0x02 漏洞概述 2024年6月，ShowDoc官方发布新版本修复了一个SQL注入漏洞。鉴于该漏洞无前…
阅读更多...
msvcr120.dll是干嘛的?出现找不到msvcr120.dll丢失怎样解决

msvcr120.dll是干嘛的?出现找不到msvcr120.dll丢失怎样解决

msvcr120.dll是Microsoft Visual C 2012 Redistributable的核心文件&#xff0c;它是Microsoft Corporation开发的C/C运行时库文件之一。这个文件通常与应用程序一起安装&#xff0c;为应用程序提供许多基本的运行时功能&#xff0c;包括内存管理、异常处理、输入/输出操作等。…
阅读更多...
＜网络安全＞《88 国内主要企业网络安全公司概览（四）》

＜网络安全＞《88 国内主要企业网络安全公司概览（四）》

9 杭州迪普科技股份有限公司&#xff08;简称联软科技&#xff09; 信息内容LOGO成立日期创始于2008年总部浙江省杭州市滨江区月明路595号迪普科技18楼背景民营企业是否上市300768注册资本64,382.9039万主要产品网络安全数据安全交换机简介安全大数据处理引擎与AI智能分析引擎…
阅读更多...
微软云计算[2]之微软云关系数据库SQL Azure

微软云计算[2]之微软云关系数据库SQL Azure

微软云关系数据库SQL Azure SQL Azure概述SQL Azure关键技术SQL Azure数据库SQL Azure报表服务SQL Azure数据同步 SQL Azure和SQL Server对比 SQL Azure概述 SQL Azure是微软的云中关系型数据库。 SQL Azure数据库简化了多数据库的供应和部署。 SQL Azure还为用户提供内置的高…
阅读更多...
OneCommander使用与安装手册

OneCommander使用与安装手册

OneCommander使用与安装手册 一、引言 OneCommander是一款专为Windows 10和Windows 11用户设计的现代化文件管理器&#xff0c;它提供了直观、高效的文件浏览和管理体验。本手册将指导您完成OneCommander的安装过程&#xff0c;并介绍其主要功能和操作方法。 二、安装前准备…
阅读更多...
下载安装Grafana 监控mysql和Linux主机

下载安装Grafana 监控mysql和Linux主机

下载地址:https://grafana.com/grafana/download [rootlocalhost ~]# wget https://dl.grafana.com/oss/release/grafana-7.2.0- 1.x86_64.rpm 安装 [rootlocalhost ~]# yum install grafana-7.2.0-1.x86_64.rpm -y启动服务 [rootlocalhost ~]# systemctl enable --now grafa…
阅读更多...
海外仓系统费用分析：小型海外仓，家庭海外仓怎么权衡性价比

海外仓系统费用分析：小型海外仓，家庭海外仓怎么权衡性价比

小型海外仓、家庭海外仓作为海外仓行业重要的组成部分&#xff0c;以其特有的灵活性&#xff0c;高性价比等优点受到了很多跨境卖家的青睐。 不过对于小型海外仓&#xff0c;家庭仓本身来说&#xff0c;市场机遇固然重要&#xff0c;如何提升自己的业务水平&#xff0c;提升效…
阅读更多...
配置Kubernetes资源管理Secret与ConfigMap

配置Kubernetes资源管理Secret与ConfigMap

前言 Kubernetes 中的 Secret&#xff08;提供加密模式&#xff09;和 ConfigMap&#xff08;提供配置&#xff09;是关键的资源&#xff0c;用于安全地存储和管理敏感信息和配置数据。它们在应用程序开发和部署过程中扮演着重要的角色。本文将介绍如何有效地配置和管理这些资…
阅读更多...
【Linux多线程】LWP和pthread_t

【Linux多线程】LWP和pthread_t

文章目录 LWPclone系统调用查看线程LWP理解LWP与TID pthread_id LWP LWP是Linux中线程的具体实现形式&#xff0c;在linux中&#xff0c;进程和线程本质上都是相同的&#xff0c;都是通过task_struct结构体来表示的。LWP是内核级线程&#xff0c;TID是其唯一标识符&#xff0c…
阅读更多...
什么是PaaS平台?

什么是PaaS平台?

随着信息化发展&#xff0c;数字技术与经济社会各个领域的融合逐渐深入&#xff0c;行业需求不断升级&#xff0c;逐渐呈现多样化、复杂性的态势。传统软件开发模式&#xff0c;耗时耗力&#xff0c;已经难以应对企业新形势下的业务需求。面对挑战&#xff0c;PaaS平台以其天然…
阅读更多...
工厂车间运用生产管理看板系统的多重优势

工厂车间运用生产管理看板系统的多重优势

在当今竞争激烈的制造业领域&#xff0c;工厂车间不断寻求创新和优化的方法来提高生产效率、质量和管理水平。生产管理看板系统的运用成为了许多工厂的明智选择&#xff0c;它带来了多重显著优势。 一、生产管理看板系统极大地提升了生产过程的可视化程度。 通过生产管理看板系…
阅读更多...
nginx代理vue项目路由跳转刷新

nginx代理vue项目路由跳转刷新

常规代理 在我们日常开发中&#xff0c;前端部署到服务器&#xff0c;需要用到nginx部署&#xff0c;简单代理如下&#xff1a; #user nobody; worker_processes 1;#error_log logs/error.log; #error_log logs/error.log notice; #error_log logs/error.log info;#pid…
阅读更多...
怎么把mov格式的视频转换mp4？四种方法教会你mov转MP4！

怎么把mov格式的视频转换mp4？四种方法教会你mov转MP4！

怎么把mov格式的视频转换mp4&#xff1f;在这个数字化时代&#xff0c;视频已经跻身为生活的核心元素&#xff0c;然而&#xff0c;制作和分享视频时选择合适的格式变得至关重要&#xff0c;在庞大的视频格式库中&#xff0c;我们熟知的包括mov和MP4&#xff0c;它们各有特色&a…
阅读更多...
金融科技引领跨境支付新潮流：智慧、速度与安全的完美融合

金融科技引领跨境支付新潮流：智慧、速度与安全的完美融合

一、引言 在全球经济日益紧密相连的今天，跨境支付作为连接各国贸易和金融活动的桥梁，正迎来金融科技带来的深刻变革。金融科技以其独特的智慧化、高效化和安全化特性，正逐步渗透到跨境支付的各个环节，为跨境支付领域带来前所未有的创新和发展。本文将探讨金融科技如何引领跨…
阅读更多...
mysql高级刷题-01-求中位数

mysql高级刷题-01-求中位数

题目&#xff1a; 解题代码 select sum(num) / count(num) as median from (select num,row_number() over (order by num desc,id desc ) as desc_math,row_number() over (order by num ,id ) as asc_mathfrom number) as t1 where asc_math in (desc_math, desc…
阅读更多...
前端实现输入内容计算密码强度

前端实现输入内容计算密码强度

提示：记录工作中遇到的需求及解决办法 文章目录 前言一、思路二、计算密码强度分数密码强度动画展示效果完善动画效果完整代码前言 平时我们在浏览各种网站和 APP 的时候，都接触过密码这个东西~ 密码设置的好不好，关乎到你的账号安全性，越复杂的密码越安全，所以密码强度…
阅读更多...
微信公众号文章背景颜色改成白色

微信公众号文章背景颜色改成白色

微信公众号文章背景颜色黑色&#xff0c;看不清字。 按F12 , 找到 rich_media_area_primary &#xff0c;把 background 改成 white .rich_media_area_primary {background: white; }
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023