Dify+ADB Supabase+LLM实现AI客服系统_云原生数据仓库AnalyticDB(AnalyticDB)-阿里云帮助中心

本文介绍如何使用Dify、云原生数据仓库AnalyticDB PostgreSQL版的Supabase和LLM构建一个AI客服系统，帮助在线服装店高效处理售后咨询、订单查询和个性化回复。通过结合Dify的工作流能力、Supabase的实时数据存储与LLM的自然语言理解能力，实现快速自动化响应，显著减轻人工客服压力并提升客户满意度。

背景

云原生数据仓库AnalyticDB PostgreSQL版Supabase提供强大的数据库功能和实时数据处理能力，高度兼容PostgreSQL向量数据库。Dify是一个开源的LLM应用开发平台，支持快速构建基于RAG架构的智能应用。通过将云原生数据仓库AnalyticDB PostgreSQL版Supabase与Dify集成，您可以轻松构建高效的AI客服系统，为用户提供实时、精准的服务。

本文以在线服务装店为例，介绍如何构建AI客服系统。该系统可以处理售后咨询、获取订单信息并生成个性化回复，从而减轻人工客服压力，提升响应速度和客户满意度。主要优势如下：

数据驱动的精准回复：AI基于Supabase中真实、结构化的订单和物流数据生成回复，确保信息准确无误。
AI理解：AI不仅读取数据，还能分析客户意图和情绪，主动安抚客户。
高效自动化处理：传统客服需手动查系统再打字回复，而Dify+Supabase组合实现了秒级自动化响应，释放人工客服资源以应对更复杂的场景。

前提条件

已创建Supabase项目。
本文以通义千问为例，需要获取API Key作为调用大模型的鉴权凭证。

操作步骤

步骤一：部署Dify

您可以在云端托管或本地部署Dify，本文介绍本地部署Dify的方法。

依次执行以下命令部署Dify。

git clone https://github.com/langgenius/dify.git
cd dify/docker
cp .env.example .env
docker compose up -d

访问http://<IP地址>/install注册用户并登录。IP地址为运行Dify的服务器IP地址。

步骤二：接入大模型

鼠标悬浮于右上角头像处，单击设置。
单击左侧导航栏的模型供应商，选择并安装模型供应商。本文示例选择通义千问。
安装完成后，在待配置区域，找到对应模型，并单击设置，输入API Key并保存。

步骤三：配置Supabase

在Dify界面安装Supabase插件，作为外部存储或向量存储的一部分。
1. 单击右上角的插件，然后单击左侧的搜索Marketplace。
2. 搜索supabase，根据提示完成安装。
授权Dify操作Supabase项目。
1. 获取Supabase项目的URL和service role key。查询方法请参见获取API Keys。
2. 在插件列表中找到已安装的Supabase，单击卡片，并选择API Key授权配置。
3. 在弹出框中配置授权信息，单击保存。

步骤四：准备Supabase测试数据

创建orders表，并插入测试数据。

您可以在Supabase Dashboard页面左侧导航栏单击SQL Editor，复制以下SQL语句并单击Run，快速插入测试数据。

CREATE TABLE IF NOT EXISTS orders (
    order_id TEXT PRIMARY KEY,                       --订单号
    customer_name TEXT NOT NULL,                     --用户姓名
    product_name TEXT NOT NULL,                      --商品名称
    product_size TEXT NOT NULL,                      --商品尺码
    current_status TEXT NOT NULL,                    --物流状态
    last_updated TIMESTAMP WITH TIME ZONE NOT NULL,  --最后一次更新的时间
    estimated_delivery DATE                          --预计送达日期
);

INSERT INTO orders (
    order_id,
    customer_name,
    product_name,
    product_size,
    current_status,
    last_updated,
    estimated_delivery
) VALUES (
    'ORD12345',
    '张***',
    '法式复古蓝色连衣裙',
    'M',
    '已到达【杭州市】分拨中心，等待发往【宁波市】',
    '2025-08-16 14:20:00+08',
    '2025-08-20'
);

步骤五：创建电商客服工作流

在Dify界面，单击上方的工作室>Chatflow，然后创建应用。

按照以下过程配置节点。相关节点的配置操作，请参见workflow。

本示例中问题分类器中配置了三个问题分类，包括“物流”、“颜色”和“尺寸”，您可根据需要添加对应分类。分类器用于识别物流状态查询咨询，提取具体订单号，“物流”分类下的流程节点配置如下：

节点	配置信息
参数提取器	输入变量：sys.query。提取参数：名称：order_id。类型：String。描述：客户的订单号，必须是以 "ORD" 开头的字母数字组合，例如 ORD12345, ORD67890。只提取符合此格式的字符串。必填：是。
GET ROWS	配置此节点，AI助手向Supabase发起API请求，查询物流状态。添加节点时，选择工具>Supabase>Get Rows。在节点配置右侧，选择已配置的API Keys。输入变量： Table Name：orders Limit：100 Filter：order_id
模板转换	输入变量，变量值选择Get Rows下的json。
LLM	AI助手将查询到的物流信息与客户情绪结合，根据提示词生成回复。上下文：选择模板转换下的output。 SYSTEM：将以下提示词复制到SYSTEM，并在<context></context>XML标签内输入“/”插入上下文。 `使用以下上下文作为你所学习的知识，放在<context></context> XML标签内。 <context> <请在此处输入“/”插入上下文> </context> 当回答用户时：如果你不知道，就说你不知道。如果你不确定时不知道，寻求澄清。避免提及你从上下文中获取的信息。并根据用户问题的语言进行回答。`
直接回复	回复：选择LLM下的text。

测试示例

用户问题

你好，我订单号 #ORD12345 的那件连衣裙，物流没更新了，急着穿，什么时候能到？会不会丢件了

AI回复

您好，关于您的订单 #ORD12345，目前物流状态显示商品已到达杭州市分拨中心，预计将在 2 天内送达宁波市。请您放心，商品在运输过程中有完善的追踪系统，不会丢失。我们建议您保持关注物流信息，如有任何异常我们将第一时间通知您。