結合Dify、Supabase與LLM構建AI客服系統-雲原生資料倉儲AnalyticDB-阿里雲

本文介紹如何使用Dify、雲原生資料倉儲AnalyticDB PostgreSQL版的Supabase和LLM構建一個AI客服系統，協助線上服裝店高效處理售後諮詢、訂單查詢和個人化回複。通過結合Dify的工作流程能力、Supabase的即時資料儲存與LLM的自然語言理解能力，實現快速自動化響應，顯著減輕人工客服壓力並提升客戶滿意度。

背景

雲原生資料倉儲AnalyticDB PostgreSQL版Supabase提供強大的資料庫功能和即時資料處理能力，高度相容PostgreSQL向量資料庫。Dify是一個開源的LLM應用開發平台，支援快速構建基於RAG架構的智能應用。通過將雲原生資料倉儲AnalyticDB PostgreSQL版Supabase與Dify整合，您可以輕鬆構建高效的AI客服系統，為使用者提供即時、精準的服務。

本文以線上服務裝店為例，介紹如何構建AI客服系統。該系統可以處理售後諮詢、擷取訂單資訊並產生個人化回複，從而減輕人工客服壓力，提升響應速度和客戶滿意度。主要優勢如下：

資料驅動的精準回複：AI基於Supabase中真實、結構化的訂單和物流資料產生回複，確保資訊準確無誤。
AI理解：AI不僅讀取資料，還能分析客戶意圖和情緒，主動安撫客戶。
高效自動化處理：傳統客服需手動查系統再打字回複，而Dify+Supabase組合實現了秒級自動化響應，釋放人工客服資源以應對更複雜的情境。

前提條件

已建立Supabase專案。
本文以千問為例，需要擷取API Key作為調用大模型的鑒權憑證。

操作步驟

步驟一：部署Dify

您可以在雲端託管或本地部署Dify，本文介紹本地部署Dify的方法。

依次執行以下命令部署Dify。

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

訪問http://<IP地址>/install註冊使用者並登入。IP地址為運行Dify的伺服器IP地址。

步驟二：接入大模型

滑鼠懸浮於右上方頭像處，單擊設定。
單擊左側導覽列的模型供應商，選擇並安裝模型供應商。本文樣本選擇千問。
安裝完成後，在待配置地區，找到對應模型，並單擊設定，輸入API Key並儲存。

步驟三：配置Supabase

在Dify介面安裝Supabase外掛程式，作為外部儲存或向量儲存的一部分。
1. 單擊右上方的外掛程式，然後單擊左側的搜尋Marketplace。
2. 搜尋supabase，根據提示完成安裝。
授權Dify操作Supabase專案。
1. 擷取Supabase專案的URL和service role key。查詢方法請參見擷取API Keys。
2. 在外掛程式列表中找到已安裝的Supabase，單擊卡片，並選擇API Key授權配置。
3. 在彈出框中配置授權資訊，單擊儲存。

步驟四：準備Supabase測試資料

建立orders表，並插入測試資料。

您可以在Supabase Dashboard頁面左側導覽列單擊SQL Editor，複製以下SQL語句並單擊Run，快速插入測試資料。

CREATE TABLE IF NOT EXISTS orders (
    order_id TEXT PRIMARY KEY,                       --訂單號
    customer_name TEXT NOT NULL,                     --使用者姓名
    product_name TEXT NOT NULL,                      --商品名稱
    product_size TEXT NOT NULL,                      --商品尺碼
    current_status TEXT NOT NULL,                    --物流狀態
    last_updated TIMESTAMP WITH TIME ZONE NOT NULL,  --最後一次更新的時間
    estimated_delivery DATE                          --預計送達日期
);

INSERT INTO orders (
    order_id,
    customer_name,
    product_name,
    product_size,
    current_status,
    last_updated,
    estimated_delivery
) VALUES (
    'ORD12345',
    '張***',
    '法式複古藍色連衣裙',
    'M',
    '已到達【杭州市】分撥中心，等待發往【寧波市】',
    '2025-08-16 14:20:00+08',
    '2025-08-20'
);

步驟五：建立電商客服工作流程

在Dify介面，單擊上方的工作室>Chatflow，然後建立應用。

按照以下過程配置節點。相關節點的配置操作，請參見workflow。

本樣本中問題分類器中配置了三個問題分類，包括“物流”、“顏色”和“尺寸”，您可根據需要添加對應分類。分類器用於識別物流狀態查詢諮詢，提取具體訂單號，“物流”分類下的流程節點配置如下：

節點	配置資訊
參數提取器	輸入變數：sys.query。提取參數：名稱：order_id。類型：String。描述：客戶的訂單號，必須是以 "ORD" 開頭的字母數字組合，例如 ORD12345, ORD67890。只提取符合此格式的字串。必填：是。
GET ROWS	配置此節點，AI助手向Supabase發起API請求，查詢物流狀態。添加節點時，選擇工具>Supabase>Get Rows。在節點配置右側，選擇已配置的API Keys。輸入變數： Table Name：orders Limit：100 Filter：order_id
模板轉換	輸入變數，變數值選擇Get Rows下的json。
LLM	AI助手將查詢到的物流資訊與客戶情緒結合，根據提示詞產生回複。上下文：選擇模板轉換下的output。 SYSTEM ：將以下提示詞複製到SYSTEM，並在<context></context>XML標籤內輸入“/”插入上下文。 `使用以下上下文作為你所學習的知識，放在<context></context> XML標籤內。 <context> <請在此處輸入“/”插入上下文> </context> 當回答使用者時：如果你不知道，就說你不知道。如果你不確定時不知道，尋求澄清。避免提及你從上下文中擷取的資訊。並根據使用者問題的語言進行回答。`
直接回複	回複：選擇LLM下的text。

測試樣本

使用者問題

你好，我訂單號 #ORD12345 的那件連衣裙，物流沒更新了，急著穿，什麼時候能到？會不會丟件了

AI回複

您好，關於您的訂單 #ORD12345，目前物流狀態顯示商品已到達杭州市分撥中心，預計將在 2 天內送達寧波市。請您放心，商品在運輸過程中有完善的追蹤系統，不會丟失。我們建議您保持關注物流資訊，如有任何異常我們將第一時間通知您。