AgentDesk v1.5.0：把 AI 客服从"聊天框加个大模型"拉回真实业务链路

# docker-compose.yml — AgentDesk v1.5.0 最小化部署
# 使用前请根据实际环境修改以下变量：
# - AGENTDESK_VERSION：镜像版本号
# - DB_PASSWORD：数据库密码
# - SSO_ISSUER：企业 SSO 的 OIDC issuer URL（如暂不需要可移除环境变量）

version: "3.8"

services:
  agentdesk-server:
    image: agentdesk/server:${AGENTDESK_VERSION:-v1.5.0}
    ports:
      - "8080:8080"
    environment:
      - DATABASE_URL=postgresql://agentdesk:${DB_PASSWORD:-changeme}@db:5432/agentdesk
      - REDIS_URL=redis://redis:6379/0
      # LLM 配置 — 支持 OpenAI / Azure / 自部署模型
      - LLM_PROVIDER=openai
      - LLM_API_KEY=${OPENAI_API_KEY}
      - LLM_MODEL=gpt-4o
      # 知识库检索引擎
      - RAG_ENGINE_TYPE=vector
      - RAG_EMBEDDING_MODEL=text-embedding-3-small
      # 国际化默认语言
      - DEFAULT_LOCALE=zh-CN
      # SSO（OIDC）— 如暂不需要，注释掉以下两行
      - SSO_OIDC_ISSUER=${SSO_ISSUER:-}
      - SSO_OIDC_CLIENT_ID=${SSO_CLIENT_ID:-}
    depends_on:
      - db
      - redis

  agentdesk-web:
    image: agentdesk/web:${AGENTDESK_VERSION:-v1.5.0}
    ports:
      - "3000:3000"
    environment:
      - API_BASE_URL=http://agentdesk-server:8080
    depends_on:
      - agentdesk-server

  db:
    image: postgres:16-alpine
    environment:
      - POSTGRES_USER=agentdesk
      - POSTGRES_PASSWORD=${DB_PASSWORD:-changeme}
      - POSTGRES_DB=agentdesk
    volumes:
      - pgdata:/var/lib/postgresql/data

  redis:
    image: redis:7-alpine
    volumes:
      - redisdata:/data

volumes:
  pgdata:
  redisdata:

# 设置必要的环境变量后一键启动
export OPENAI_API_KEY="sk-your-key-here"
export DB_PASSWORD="a-real-password"

docker compose up -d

# 验证服务是否就绪
curl -s http://localhost:8080/health | jq .

# agentdesk_integration.py — 最小可运行示例
# 前置：pip install agentdesk-sdk
# 修改 AGENTDESK_BASE_URL 和 API_KEY 为你的实际部署值

from agentdesk_sdk import AgentDeskClient

client = AgentDeskClient(
    base_url="http://localhost:8080",
    api_key="your-api-key"  # 在管理后台生成
)

# 1. 创建对话会话（用户进线）
session = client.sessions.create(
    user_id="user-12345",
    locale="zh-CN",          # v1.5.0 支持的语言标识
    metadata={"source": "mobile_app", "vip_level": 2}
)
print(f"会话已创建: {session.id}")

# 2. 发送用户消息，获取 AI 回复
response = client.sessions.send_message(
    session_id=session.id,
    content="我的订单三天了还没发货，能帮我查一下吗？"
)
print(f"AI 回复: {response.content}")
print(f"回复来源: {response.source}")  # "ai" 或 "human"

# 3. 检查是否需要人工接管
if response.needs_human_takeover:
    print("⚠️ AI 判断需要人工接管，原因:", response.takeover_reason)
    # 业务侧可以在这里触发通知：推送到坐席工作台、发钉钉/飞书消息等
    client.sessions.request_takeover(
        session_id=session.id,
        reason=response.takeover_reason,
        priority="high"  # 根据用户 VIP 等级动态设置
    )

# 4. 如果问题未当场解决，创建工单跟进
if not response.resolved:
    ticket = client.tickets.create(
        session_id=session.id,
        title=f"订单延迟发货 — 用户 {session.user_id}",
        description=response.content,
        assignee_group="logistics-team"
    )
    print(f"工单已创建: {ticket.id}, 分配给: {ticket.assignee_group}")