用腾讯云 HAI 快速开发的智能客服助手，1元体验到底有多香？

用腾讯云 HAI 快速开发的智能客服助手，1元体验到底有多香？

1.效果展示

2.腾讯云HAI开发流程

2.1需求分析（1元体验1个月，那必须尝试）

在当今数字化时代，客服行业正经历着一场前所未有的“智能革命”。想象一下，当你深夜下单后，突然冒出一个疑问，却发现客服小哥早已下班，那种“求而不得”的焦虑感简直让人抓狂！而传统的客服模式，不仅人力成本高昂，还常常因为“人手不足”或“反应迟缓”而让客户望而却步。于是，我们决定用科技的力量，打造一个“永不打烊”的智能客服助手——AIHelper，让它成为企业和客户之间的超级纽带。

腾讯云HAI平台的出现，就像是一场及时雨，为我们的想法插上了翅膀。它不仅提供了强大的算力支持，还预装了DeepSeek-R1系列模型，这些模型就像是不同“体型”的智慧大脑，从1.5B到32B，能满足各种复杂场景的需求。更让人兴奋的是，腾讯云还贴心地推出了1元体验1个月的福利，这简直是对开发者最大的诱惑！于是，我们决定利用腾讯云HAI的API接口和DeepSeek-R1模型，开发一个智能客服助手系统，让AI技术真正落地，为企业和客户带来实实在在的便利。

在这个充满挑战和机遇的时代，AIHelper将成为我们的“秘密武器”，用智能和高效重新定义客服行业的未来。

2.2整体思路

1. 技术选型与平台选择

• 腾讯云HAI平台：作为项目的核心技术支撑，腾讯云HAI提供了强大的算力支持和便捷的模型部署环境，能够快速实现AI模型的落地应用。
• DeepSeek-R1模型：利用腾讯云HAI预装的DeepSeek-R1系列模型（1.5B、7B、8B、14B、32B），根据不同的业务需求选择合适的模型规模，兼顾性能和成本。
• API接口：通过腾讯云HAI提供的公网API接口，实现前端应用与后端模型的无缝对接，确保系统的灵活性和可扩展性。

2. 系统架构设计

• 前端界面：设计简洁、友好的用户界面（UI），支持多终端访问（PC端和移动端），方便用户与AI客服进行交互。
• 后端逻辑：通过API接口调用腾讯云HAI平台的DeepSeek-R1模型，实现自然语言处理和问答生成。
• 知识库管理：构建企业专属的知识库，将业务知识与模型结合，提升问答的准确性和相关性。
• 数据分析模块：记录用户对话，分析用户需求和系统表现，为企业提供数据支持。

3. 功能实现路径

1. 模型选择与测试：
   • 注册腾讯云HAI平台，开通DeepSeek-R1模型服务。
   • 利用1元体验活动，测试不同模型（1.5B、7B、8B、14B、32B）的性能和效果，选择最适合业务需求的模型。
   • 通过API接口进行模型调用测试，确保接口的稳定性和响应速度。
2. 前端开发：
   • 使用HTML、CSS和JavaScript开发用户界面，设计简洁、直观的交互流程。
   • 集成腾讯云HAI的API接口，实现用户输入与模型输出的实时交互。
3. 后端开发：
   • 使用Python等后端语言，开发API接口调用逻辑，处理用户请求和模型响应。
   • 集成知识库管理系统，支持企业自定义知识库内容。
4. 数据分析与优化：
   • 设计数据存储方案，记录用户对话和系统反馈。
   • 分析对话数据，优化知识库内容和模型参数，提升系统性能。

3.寻找腾讯云HAI以及API测试

腾讯云HAI上线了CPU版1元限时体验活动，什么？1元体验1个月，对于我这样的白嫖党那必须尝试一下的。

在这里可以最高1个月，我想尝试一下16核32GB的，于是选择了第二种。

打开算力界面，我们可以看到我们购买的这个体验版。

点击这个体验版，这里腾讯云提供了5种使用的方法，简直是小白学习的好办法，这里还可以看到算力的使用情况。

本次的测试接口，在jupyter这里进行尝试，按照下图点击。

我们输入以下命令，看回应效果。localhost改为公网地址，我们就可以在自己的电脑提供公网访问。（这里也进行了尝试，证明是可以的）

curl -X POST http://localhost:6399/api/chat \
      -H "Content-Type: application/json" \
      -d '{
            "model": "deepseek-r1:7b",
            "messages": [
              {"role": "user", "content": "你好！"},
              {"role": "assistant", "content": "你好！有什么我可以帮助你的吗？"},
              {"role": "user", "content": "推荐一些美食？"}
            ],
            "stream": false
          }'
# localhost改为公网地址即可

4. Trae编程集成谷歌插件

基于现有代码，现在我们需要整合腾讯云API，建议提前把已有功能告诉Trae，这样也能更好地理解代码背景。输入提示词示例，可结合个人实际情况调整：

# 目的
用户需求是基于腾讯云 HAI 快速开发AIHelper - 智能客服助手系统

# 使用方法
我用的是python，我要的是在运行后端的时候直接就运行前端，并给了我接口

# 要求实现的功能有：
系统提供智能对话服务、用户管理、知识库管理和数据分析等核心功能。支持自然语言交互，能够准确理解客户需求并提供相应解答。具备知识库自动更新、多轮对话管理、情感分析、用户意图识别等AI能力。系统通过机器学习模型持续优化响应质量，支持多渠道接入，提供实时监控和数据分析功能。同时具备会话历史记录、用户画像分析、服务质量评估等管理功能，确保服务质量和用户体验。


# 腾讯云使用的AI接口
## 腾讯云API
curl -X POST http://localhost:6399/api/chat \
      -H "Content-Type: application/json" \
      -d '{
            "model": "deepseek-r1:7b",
            "messages": [
              {"role": "user", "content": "你好！"},
              {"role": "assistant", "content": "你好！有什么我可以帮助你的吗？"},
              {"role": "user", "content": "推荐一些美食？"}
            ],
            "stream": false
          }'

我们要的效果如下，运行pycharm后就可以看到网址了，出乎意料的API文档都输出了：

可以看到最后的前端效果：

5.总结

在完成整个项目的开发和测试后，我详细查看了运行过程中的各项资源使用情况，尤其是GPU的利用率。从监控数据来看，GPU的利用率表现非常出色，这表明腾讯云HAI平台提供的强大算力能够高效支持DeepSeek-R1模型的运行，满足了智能客服助手系统的需求。

从上图可以看出，在测试期间，GPU的利用率始终保持在一个较高的水平，这说明系统在处理用户请求时能够充分利用硬件资源，确保了快速响应和高效处理。这种高效的资源利用不仅提升了用户体验，也验证了腾讯云HAI平台在实际应用中的强大性能。

此外，通过本次项目开发，我总结了以下几点关键收获：

1. 腾讯云HAI平台的强大支持 腾讯云HAI平台不仅提供了强大的算力支持，还通过预装的DeepSeek-R1系列模型，极大地简化了开发流程。从模型选择到API调用，整个过程都非常顺畅，大大缩短了开发周期。
2. 模型性能与成本的平衡 通过测试不同规模的DeepSeek-R1模型（如1.5B、7B、8B、14B、32B），我找到了最适合当前业务需求的模型规模。这不仅保证了系统的高性能，还兼顾了成本效益。
3. 用户体验的优化 在前端界面设计和交互流程中，我们注重简洁性和直观性，确保用户能够轻松与智能客服助手进行交互。同时，通过后端逻辑的优化和知识库的动态更新，系统能够提供更准确、更智能的解答。
4. 数据分析与持续优化 通过记录用户对话和系统反馈，我们能够实时分析系统的表现，进一步优化知识库内容和模型参数。这种基于数据的优化方式，为系统的持续改进提供了有力支持。
5. 多渠道接入与扩展性 项目不仅支持网页端访问，还具备扩展到其他渠道（如微信公众号、小程序等）的潜力，为企业提供了更多与客户互动的机会。

通过本次项目，我深刻体会到腾讯云HAI平台在AI应用开发中的强大优势。借助其强大的算力和灵活的API接口，开发者可以快速实现从概念到产品的转变。未来，我将继续探索更多基于腾讯云HAI的创新应用，为企业和客户带来更多价值。

6.系统框架

project_root/
├── app/                    # 应用主目录
│   ├── __init__.py        # 初始化文件
│   ├── api/               # API接口目录
│   │   ├── __init__.py
│   │   ├── chat.py       # 聊天相关接口
│   │   └── user.py       # 用户相关接口
│   │
│   ├── models/           # 数据模型
│   │   ├── __init__.py
│   │   ├── chat.py       # 聊天模型
│   │   └── user.py       # 用户模型
│   │
│   ├── services/         # 业务逻辑层
│   │   ├── __init__.py
│   │   ├── chat.py       # 聊天业务逻辑
│   │   └── auth.py       # 认证业务逻辑
│   │
│   ├── utils/            # 工具函数
│   │   ├── __init__.py
│   │   └── helpers.py    # 通用辅助函数
│   │
│   └── config/           # 配置文件
│       ├── __init__.py
│       └── settings.py   # 系统配置
│
├── tests/                # 测试目录
│   ├── __init__.py
│   ├── test_api/        # API测试
│   └── test_services/   # 服务测试
│
├── static/              # 静态文件
│   ├── css/
│   ├── js/
│   └── images/
│
├── templates/           # 模板文件
│   ├── base.html
│   ├── chat/
│   └── user/
│
├── logs/               # 日志文件夹
│   ├── app.log
│   └── error.log
│
├── requirements.txt    # 项目依赖
├── .env               # 环境变量
├── .gitignore        # git忽略文件
├── README.md         # 项目说明
└── run.py            # 启动文件