从零搭建AI客服！基于GPT-OSS和知识库的客户支持系统实战

Gpt-oss-120b 和 gpt-oss-20b 是 OpenAI 发布的两个开源推理模型。现在 DigitalOcean 的用户在 Gradient AI 平台创建 GPU Droplet 服务器时，可以直接调用 gpt-oss-20b 与 gpt-oss-120b。在本教程中，我们将演示如何在 DigitalOcean 的 Gradient™ AI 平台上使用 gpt-oss-120B 构建一个客户支持 AI Agent。

核心要点

• 本教程展示了如何在 DigitalOcean 的 Gradient AI 平台上，使用 GPT-OSS 构建 AI 客户支持 AI Agent。
• 该过程包括准备相关数据、创建用于支撑 AI Agent回答的知识库，并通过 DigitalOcean API 或无代码用户界面（UI）部署 AI Agent。
• 最终生成的 AI Agent 能够提供准确且相关的客户支持，从而提升客户体验。

假设，我们将为一家虚构的、成立于 2027 年的生物技术公司 Mitofoundria 构建这个客户支持 AI Agent。Mitofoundria 是一家预防医学公司，生产个性化营养补充剂，帮助个体预防可能因遗传或环境因素而面临风险的健康问题。

这家虚构初创公司的网站迫切需要一个客户支持 AI Agent。

在 DigitalOcean 上使用知识库

不出所料，我们的客户支持的 AI Agent 需要基于真实信息来生成回答。知识库（Knowledge Bases）正是我们存储这些上下文信息的地方。请参考我们的知识库文档了解支持的文件格式。

https://docs.digitalocean.com/products/gradient-ai-platform/how-to/create-manage-agent-knowledge-bases

数据方面的准备

请仔细考虑如何为你的客户支持 AI Agent 准备数据。以下是 Mitofoundria 所需数据的示例表格，你可以参考类似的格式或所需收集的内容等：

数据来源	需收集内容	重要预处理步骤
工单日志（Ticket Logs）	完整对话记录、标签（如“账单”、“物流”、“产品效果”、“副作用”、“基因数据问题”）、客户报告的症状	删除个人身份信息（PII），匿名化姓名和邮箱，屏蔽订单号，以及任何与基因或健康相关的个人信息
常见问题页面（FAQ pages）	现有的问答对或长篇文本，涵盖产品使用方法、科学依据、常见副作用、订阅管理等	确保每个问答对长度适中；若从长文本生成问答对，应将长文章拆分为简短片段（<150 个 token），每段独立成文并提供清晰回答；特别注意涉及健康声明和免责声明的内容
在线聊天记录（Live chat transcripts）	聚焦于产品咨询、补充剂定制、个人健康问题的客服与客户对话	隐去所有具体用户健康数据或基因标记；按主题分类（如“产品有效性”、“剂量问题”、“数据隐私”）
产品文档（Product Documentation）	补充剂的规格、成分、推荐剂量、禁忌症、科学白皮书等	按产品提取关键信息，包括每种补充剂所针对的特定基因标记或环境因素；创建结构化数据格式以便查询
科学文献与研究论文（Scientific Literature & Research Papers）	公开可用的科学论文、临床研究、学术文章，涉及补充剂成分及其对人体生物学和遗传学的影响	总结关键发现和结论；创建简洁、易于代理理解的摘要，用通俗语言解释复杂的科学概念；并与内部产品文档交叉引用

由于 Mitofoundria 是一家我们虚构出来的公司，上述数据将通过大语言模型（LLM）合成生成。我们使用了 Gemini 模型。以下是我们的提示词：

你的任务是为以下五个类别生成逼真的数据，确保每个条目都符合指定要求和预处理步骤。

1. 工单日志：

生成 10 条完整的客户支持对话记录。每条记录应包含完整对话、相关标签（如“账单”、“物流”、“产品效果”、“副作用”、“基因数据问题”）以及客户报告的症状。

预处理要求： 删除所有个人身份信息（PII），匿名化姓名和电子邮件，屏蔽订单号及任何基因或健康相关个人信息。

2. 常见问题页面：

创建 20 个问答对或长篇文本，内容涵盖产品使用方法、科学依据、常见副作用、订阅管理等。

预处理要求： 确保每个问答对长度合理；若从长文本生成，请将其拆分为“简短片段”（少于 150 个 token），每段独立且回答明确。

3. 在线聊天记录：

生成 10 段不同的客服与客户对话，聚焦于产品咨询、补充剂定制、个人健康担忧等。

预处理要求： 隐去任何具体的用户健康数据或基因标记；按主题分类（如“产品有效性”、“剂量问题”、“数据隐私”）。

4. 产品文档：

为三种不同的虚构 Mitofoundria 补充剂生成关键信息，包括成分、推荐剂量、禁忌症，并说明每种补充剂所针对的基因标记或环境因素。

预处理要求： 以结构化、易于查询的格式呈现信息。

5. 科学文献与研究论文：

为五篇不同的公开科学论文或临床研究创建简明摘要，内容涉及补充剂成分及其对人体生物学和遗传学的影响。

预处理要求： 总结关键发现和结论；创建“代理友好型”摘要，用简单语言解释复杂科学概念；并与之前生成的内部产品文档进行交叉引用。

实现客户支持 AI Agent 的两种方式

有两种方式可以实现我们的客户支持 AI Agent：

1. 使用 DigitalOcean API
2. 使用控制面板（Control Panel）

API 允许你以编程方式实现 AI Agent，而控制面板则提供无代码操作界面。

使用 DigitalOcean API 创建 AI Agent

首先创建一个**个人访问令牌（Personal Access Token）**。获取令牌后，将其粘贴到以下 curl 命令中，并根据你的客户支持 AI Agent 需求配置其他参数。注意：如果你还没有知识库，可能需要先创建一个。

curl -X POST \
    -H "Content-Type: application/json"  \
    -H "Authorization: Bearer $DIGITALOCEAN_TOKEN" \
    "https://api.digitalocean.com/v2/gen-ai/agents" \
    -d '{
      "name": "Mitofoundria Customer Support Agent",
      "model_uuid": "95ea6652-75ed-11ef-bf8f-4e013e2ddde4",
      "instruction": "你是 Mitofoundria 的友好且专业的客户支持代理，这是一家预防医学公司。你的目标是帮助客户解答有关个性化补充剂、订阅管理以及科学基础的问题。请使用提供的知识库准确、简洁地回答问题，保持专业且富有同理心的语气。",
      "description": "Mitofoundria 的客户支持代理，该公司专注于个性化预防性营养补充剂。",
      "project_id": "YOUR_PROJECT_ID",
      "tags": [
        "mitofoundria",
        "customer-support",
        "preventative-medicine"
      ],
      "region": "tor1",
      "knowledge_base_uuid": [
        "YOUR_KNOWLEDGE_BASE_UUID"
      ]
    }'

---

使用 UI 部署 GPT-OSS

步骤 0：登录 DigitalOcean 账户

还没有 DigitalOcean 账户？别担心，点击这里注册即可！

步骤 1：创建项目

登录后，创建一个新项目。

步骤 2：进入代理平台

通过点击此链接或点击 DigitalOcean 控制面板中下方圈出的图标进入代理平台。

步骤 3：选择知识库

选择一个已有知识库；如果没有，可以创建一个新的。

创建知识库时需要提供数据源。你可以添加多个数据源，支持的格式包括：

• 文件上传
• URL（用于网页抓取）
• Spaces 存储桶或 Amazon S3 存储桶中的数据

上传文件时，单个文件不得超过 2GB，每次上传不超过 100 个文件。你还需选择一个嵌入模型（embedding model）。请注意，知识库需要一定时间进行索引——通常需要约五分钟或更长时间，系统会在此期间处理、嵌入并存储你的数据。

步骤 4：指定工作区（Workspace）

工作区将相关的代理归入同一空间，便于管理、团队共享和结构化性能评估。所有代理必须属于某个工作区。创建代理时可指定其所属工作区，之后也可自由移动。

步骤 5：在 Playground 中测试代理

代理部署完成后，使用 Playground 进行测试。提出问题并评估其回答，确保其按预期运行。

步骤 6：使用测试用例评估代理性能

在 Gradient 平台上，你可以创建“评估测试用例”。通过创建包含一组提示词的数据集，并在代理上运行评估，即可测试其表现。运行完成后，你可以查看结果，包括各项指标得分以及代理对每个提示的回答详情。

步骤 7：管理代理端点（Endpoint）

代理创建后会自动生成端点（Endpoint），即你可以集成到应用中的 URL。你可以通过该端点发送文本请求，并接收 JSON 格式的响应。此外，还可以通过端点自定义请求设置，例如最大生成 token 数、检索信息的处理方式等。

结论

在本教程中，借助 DigitalOcean 的 Gradient AI 平台，你不仅仅是在构建一个聊天机器人——而是在打造一个真正理解客户的客户支持 AI Agent。通过将回答建立在你自己的数据基础上，你可以获得更准确、更相关的结果。无论你选择使用 API 还是无代码 UI，最终都能实现：更快、更智能的客户支持，并随业务增长而灵活扩展。

如果你希望了解如何选择适合搭建 AI Agent 的 GPU Droplet服务器，欢迎咨询 DigitalOcean中国区独家战略合作伙伴卓普云aidroplet.com。目前DigitalOcean可提供包括H200、H100、AMD MI325X、AMD MI300X、RTX 6000 Ada、 RTX 4000 Ada、L40S、A100等型号的GPU服务器按需实例或裸金属服务器。

常见问题解答（FAQ）

Q：为什么知识库对 AI Agent 很重要？

A：知识库存储了 AI Agent 用于支撑其回答的上下文和信息，确保回答的准确性和相关性。

Q：为准备客户支持 AI Agent，推荐使用哪些类型的数据？

A：推荐的数据类型包括工单日志、常见问题页面、在线聊天记录、产品文档以及科学文献/研究论文。

Q：虚构公司 Mitofoundria 的数据是如何生成的？

A：数据是通过大语言模型（LLM，具体为 Gemini）根据详细提示词合成生成的，提示词明确了所需类别和预处理步骤。

Q：在 DigitalOcean 上实现客户支持 AI Agent 的两种方式是什么？

A：可以通过 DigitalOcean API 实现程序化控制，或通过控制面板（无代码界面）进行操作。

Q：使用 DigitalOcean API 创建代理时，个人访问令牌的作用是什么？

A：个人访问令牌用于在调用 API 创建或管理代理时进行身份验证。

Q：通过 UI 部署代理时，项目（Project）的作用是什么？

A：项目用于组织和管理资源，所有代理都必须归属于某个项目。

Q：如何在 DigitalOcean 平台上创建知识库？

A：通过添加数据源（文件上传、URL 或 Spaces/S3 桶数据）并选择嵌入模型来创建知识库。

Q：Gradient 平台上的“工作区”（Workspaces）是什么？

A：工作区将相关代理归入同一空间，便于管理、团队协作和结构化性能评估。

Q：如何测试已部署的代理？

A：可以使用 Playground 提出问题并评估其回答。

Q：如何更正式地评估代理的性能？

A：在 Gradient 平台上，可以创建包含提示词数据集的“评估测试用例”，运行评估后查看指标得分和每个提示的回答分析。