simon/wecom_it_smart_desk

Fork 0

Files

T

Simon 64ff1bf7d5 chore: 整理项目结构，清理归档文件，更新部署配置

2026-07-04 21:01:39 +08:00

14 KiB

Raw Permalink Blame History

智能IT支持系统重构方案

项目定位：基于企业微信自建应用的知识图谱驱动智能IT支持系统
文档版本：v1.0
日期：2026-07-03

一、项目背景与定位

1.1 当前现状

已有部分代码开发（Vue + WebSocket + Python 技术栈）
核心问题：消息调通不稳定、UI 细节体验差（截图突兀、粘贴图片、头像）
现有系统：ITSM/工单系统、AD/资产/零信任/杀毒等均已存在
企业微信已作为企业内部 IM 通讯工具

1.2 项目定位

在企业微信工作台中构建自建 H5 应用，作为智能 IT 支持系统的统一入口，实现：

员工通过在线咨询方式获取 IT 支持
AI 智能引导问题定位和处理
对接现有 ITSM/工单、资产、AD、零信任等外部系统
最大程度减少人工坐席介入，实现最快处理效率

二、核心设计理念

2.1 交互模式：AI 增强人类客服（类萝卜快跑）

不是传统的"机器人 → 转人工"模式，而是从一开始就模糊机器人和人工的界限：

用户视角：看到的只有一个"客服"
背后实际：AI 实时辅助 + 真人客服确认

类比：萝卜快跑无人网约车——看似无人驾驶，背后有安全员随时准备接管。

2.2 知识驱动：知识图谱替代决策树

不使用传统线性决策树，而是采用知识图谱驱动的动态探索：

维度	决策树	知识图谱
结构	线性的、固定的、单向的	网状的、动态的、多向的
调整方式	修改一棵固定树	动态增删节点/关系
学习能力	静态，需手动维护	自进化，AI 自动优化
路径探索	唯一路径	多路径同时探索

2.3 运作机制

用户输入 → 图谱匹配入口节点 → 弹出选择卡片 → 人机协同聚焦 → 自动执行 → 反馈优化图谱

整个过程中，用户、AI、坐席共同选择、聚焦、纠偏，最终得到目标结果。AI 通过这个过程不断扩大、优化、修正知识图谱。

三、系统架构

3.1 四层架构

┌──────────────────────────────────────────────────────────────┐
│                    接入层：企业微信 H5                         │
│                    (OAuth2 登录，工作台入口)                    │
├──────────────────────────────────────────────────────────────┤
│                    客服层：GoFlyLiveChat                       │
│              (坐席工作台 + 实时聊天 + AI 推荐回复)              │
├──────────────────────────────────────────────────────────────┤
│                    AI 推理层                                   │
│         Dify (Agent 编排) + Neo4j (知识图谱) + RAG            │
├──────────────────────────────────────────────────────────────┤
│                    集成执行层                                  │
│              中间件 (处理外部系统 API 调用)                     │
│              现有系统：ITSM/工单/AD/资产/零信任/杀毒...         │
└──────────────────────────────────────────────────────────────┘

3.2 各层职责

层级	组件	职责
接入层	企业微信自建应用	统一入口、用户认证
客服层	GoFlyLiveChat	实时聊天、坐席工作台、消息管理
AI 推理层	Dify	对话编排、Agent 调度、选择卡片生成
AI 推理层	Neo4j	知识图谱存储、Cypher 图遍历、路径推理
AI 推理层	RAG	文档检索（手册/FAQ/知识库文章）
集成执行层	自建中间件	API 编排、自动化触发、数据转换
集成执行层	现有系统	ITSM/工单、AD、资产、零信任、杀毒

四、技术选型

4.1 核心组件

组件	产品	协议/成本	选择理由
客服系统	GoFlyLiveChat	MIT/免费	开箱即用，消息调通，坐席工作台
AI 编排	Dify	开源免费	可视化工作流，Agent 编排，多 LLM 支持
知识图谱	Neo4j Community	免费	原生图数据库，Cypher 查询，适合关系推理
LLM	DeepSeek/通义千问	API 按量付费	国产模型，性价比高
接入	企业微信自建应用	免费	统一入口，OAuth2 身份认证

4.2 为什么不用微语

对比项	微语	本方案
定位	IM + 客服 + 工单全家桶	纯客服 + 知识图谱驱动
成本	¥49,800（企业版买断）	免费
源码	商业开源，源码版额外付费	完全开源，自由修改
定制	对话流有限	Dify + Neo4j 灵活定制
适配	单体架构	四层分离，现有系统不变

4.3 组件职责矩阵

组件	对话流	知识图谱	消息	坐席	文档检索	外部 API
GoFlyLiveChat			✅	✅
Dify	✅
Neo4j		✅
RAG					✅
中间件						✅

五、知识图谱设计

5.1 数据模型（Neo4j）

节点设计

类型	标签	示例
业务域	Domain	网络域、安全域、设备域、账号域、应用域
问题	Issue	VPN 连不上、密码过期、电脑卡顿
操作	Action	开通 VPN、重置密码、查资产信息
系统	System	资产系统、AD、零信任、杀毒

边设计

关系类型	含义	示例
BELONGS_TO	属于	问题 → 业务域
CAUSES	导致	密码过期 → VPN 不可用
REQUIRES	需要	开通 VPN → 权限审批
LINKS_TO	关联	问题 → 外部系统 API
RECOMMENDS	推荐	问题 → 建议操作

权重属性

每条边维护：

hit_count：路径被选中的次数
success_rate：路径最终解决率
last_used：最近使用时间

5.2 知识图谱与 RAG 协作

能力	知识图谱（Neo4j）	RAG
处理内容	结构化关系（节点-边）	非结构化文档
典型数据	业务域/问题/操作/系统	IT 手册、FAQ、技术文档
查询方式	Cypher 图遍历	语义相似度搜索
作用	定位路径、推理关联	检索答案内容

协作示例：

用户："VPN 连不上"

Neo4j 图谱遍历 → 定位到"VPN 问题 → 密码过期"路径
        ↓
RAG 检索 → 找到"如何重置 VPN 密码"的操作文档
        ↓
    合并输出：原因 + 操作步骤

5.3 冷启动策略

从现有工单系统导出历史数据
从 IT 团队经验文档提取
整理常见 FAQ
目标：初始导入 200-500 个节点

六、核心交互流程

6.1 五步闭环

步骤	动作	示例
1. 输入	用户输入问题描述	"VPN 连不上"
2. 匹配	LLM 理解意图 → Cypher 查询图谱	匹配到"VPN 问题"入口节点
3. 选择	弹出确认卡片 + 邻居节点供选择	"是密码过期？还是客户端错误？"
4. 聚焦	人 + AI + 坐席共同定位路径	选择 → 确认 → 纠正 → 聚焦
5. 执行+反馈	到达终点节点 → 自动执行 → 反馈优化	执行操作 + 更新图谱权重

6.2 完整场景示例

场景：员工开通 VPN 账号

步骤	交互
用户	"我想开 VPN"
AI 推理	Neo4j 匹配到"VPN 账号开通"节点 → 弹出确认卡片
用户	点击"确认"
AI 推理	沿图谱边展开邻居节点 → 弹出选择："个人 / 团队 / 项目"
用户	选择"个人"
中间件	自动查询 AD 组织架构、资产信息、安全状态
AI 推理	条件满足 → 自动审批通过
中间件	调用零信任 API 开通账号
结果	"您的 VPN 账号已开通，密码见邮件"
反馈	本次路径记录成功 → Neo4j 更新权重

七、外部系统集成

7.1 集成清单

系统	集成方式	数据用途
现有 ITSM/工单	REST API / 同步	工单创建、状态同步、历史查询
AD/LDAP	LDAP API	组织架构、用户身份
资产系统	REST API	设备信息、资产归属
零信任/VPN	REST API	权限查询、账号开通
网络准入	REST API	准入状态、违规记录
杀毒系统	REST API / 日志	终端安全状态
监控系统	Webhook	告警信息

7.2 中间件设计

┌─────────────────────────────────────────┐
│              中间件 (Python)             │
│  ┌─────────────────────────────────────┐│
│  │          API 编排引擎               ││
│  │  • 并行调用多个系统 API             ││
│  │  • 数据聚合和格式转换               ││
│  └─────────────────────────────────────┘│
│  ┌─────────────────────────────────────┐│
│  │          自动化规则引擎             ││
│  │  • 条件触发（满足 X 则执行 Y）       ││
│  │  • 工作流编排                       ││
│  └─────────────────────────────────────┘│
│  ┌─────────────────────────────────────┐│
│  │         工单同步引擎                 ││
│  │  • 双向同步（创建/状态/评论/附件）   ││
│  │  • Webhook 实时推送                 ││
│  └─────────────────────────────────────┘│
└─────────────────────────────────────────┘

八、坐席工作台设计

8.1 坐席视角

区域	功能
对话窗口	与用户实时聊天
AI 推荐回复区	AI 实时推荐话术/答案
知识图谱导航	展示当前图谱节点和可选路径
外部系统信息	资产/账号/安全状态等
一键操作	发送推荐回复、触发自动化

8.2 用户视角

无机器人标识
无感知 AI 存在
对话体验如真人
真人客服把关每条回复

九、分阶段实施计划

P0：MVP 原型（1-2 个月）

任务	内容
GoFlyLiveChat 部署	Docker 部署，消息调通
企业微信 H5 集成	OAuth2 登录，工作台入口
Neo4j 搭建	Docker 部署，初始数据导入
基础对话流	用户输入 → 图谱匹配 → 选择卡片

P1：核心功能（3-4 个月）

任务	内容
LLM 推理集成	Dify + DeepSeek 部署
RAG 知识库	企业 IT 文档导入
选择卡片交互	多轮确认、路径聚焦
坐席纠偏功能	人工修正路径

P2：智能化（5-6 个月）

任务	内容
外部系统集成	AD/资产/零信任等对接
自动化处理	审批、开通、工单生成
图谱权重优化	基于反馈更新边权重
绩效统计	响应时长、解决率

P3：自进化（7-8 个月）

任务	内容
AI 自动扩展图谱	未知问题 → 自动新增节点
自动淘汰噪音	低命中路径自动衰减
批量自动化	批量处理常见问题
多租户/权限	多部门隔离

十、硬件与部署

10.1 服务器配置

组件	最低配置	推荐配置
GoFlyLiveChat	2核 4GB	4核 8GB
Neo4j	2核 4GB	4核 8GB
Dify	4核 8GB	8核 16GB
中间件	2核 2GB	2核 4GB
总计	约 10核 18GB	约 18核 36GB

10.2 部署方式

所有组件 Docker 容器化
Kubernetes 编排（可选，满足微服务架构需求）
内网部署，数据不外泄

十一、成本估算

项目	成本
GoFlyLiveChat	免费
Neo4j Community	免费
Dify	免费
DeepSeek API	按量（约 ¥500-2000/月）
服务器	按企业现有资源
开发人力	约 2-3 人，8 个月
软件总成本	约 ¥500-2000/月

十二、技术风险与应对

风险	应对措施
知识图谱冷启动	从历史工单 + 团队经验导入
LLM 推理不确定性	坐席兜底机制，AI 推荐而非自动发送
多系统集成复杂度	先对接核心系统，逐步扩展
企微内置浏览器兼容	H5 适配，避免使用不兼容特性

十三、总结

本方案核心解决了以下问题：

入口统一：企业微信工作台自建应用
消息可靠：GoFlyLiveChat 开源成熟方案
智能定位：知识图谱 + RAG 替代传统决策树
人机协同：AI 增强人类客服，而非替代
系统集成：对接现有 ITSM/工单/AD/资产/零信任等
自进化：使用反馈持续优化知识图谱
开源免费：核心组件全部免费，成本可控

14 KiB Raw Permalink Blame History Unescape Escape