引言：为什么二手车出口需要智能客服？

2025年，中国二手车出口进入爆发期。海外买家需要了解车辆的真实状况、各国进口政策、物流成本、关税计算等复杂信息。传统人工客服不仅成本高，而且难以保证7x24小时响应，更无法同时处理多语言、多时区的咨询需求。

这正是AI Agent的用武之地。本文将手把手教你使用讯飞开源的AstronAgent（星辰Agent）搭建一个专业的二手车出口智能客服系统。

什么是AstronAgent？

AstronAgent是科大讯飞开源的企业级AI Agent开发平台，采用Apache 2.0协议，支持本地私有化部署。它的核心能力包括：

• 工作流可视化编排：拖拽式操作，无需从零写代码
• RAG知识库：支持RagFlow等开源知识库平台集成
• 多模型接入：支持OpenAI API、讯飞星火、DeepSeek等主流模型
• RPA自动化：内置300+原子能力，支持跨应用自动化

简单来说，AstronAgent让开发者不需要从零搭建AI系统，就能快速构建企业级商用AI Agent。

第一步：环境部署

1.1 前置条件

• Docker Desktop（推荐20.10+版本）
• Git
• 至少8GB可用内存

1.2 克隆项目并配置

# 克隆项目
git clone https://github.com/iflytek/astron-agent.git

# 进入部署目录
cd astron-agent/docker/astronAgent

# 复制环境变量配置
cp .env.example .env

编辑.env文件，配置关键参数。

3.1 配置知识库服务连接（可选）
编辑 docker/astronAgent/.env 文件，配置 RagFlow 连接信息：

1.3 进入 astronAgent 目录

cd docker/astronAgent

编辑环境变量配置

vim .env

关键配置项：

RAGFlow配置

RAGFLOW_BASE_URL=http://localhost:18080
RAGFLOW_API_TOKEN=ragflow-your-api-token-here
RAGFLOW_TIMEOUT=60
RAGFLOW_DEFAULT_GROUP=星辰知识库

获取 RagFlow API Token：

访问 RagFlow Web界面：http://localhost:18080
登录并点击头像进入用户设置
点击API生成 API KEY
将生成的 API KEY 更新到.env文件中的RAGFLOW_API_TOKEN

1.4 启动服务

# 使用Docker Compose启动所有服务
docker compose -f docker-compose-with-auth.yaml up -d

首次启动需要拉取镜像，可能需要几分钟时间。启动成功后，访问http://localhost即可进入AstronAgent控制台，默认用户名admin，密码123。

第二步：配置大模型

登录后，点击左侧菜单的模型管理 → 新建模型，添加一个兼容OpenAI API的大模型。这里以DeepSeek为例：

配置项	说明
模型名称	DeepSeek-V3
API地址	https://api.deepseek.com/v1
API密钥	你的API Key
模型标识	deepseek-chat

💡 提示：也可以使用讯飞星火、通义千问等国产模型，只需填写对应的API配置即可。

第三步：构建知识库

二手车出口客服需要专业的业务知识支撑。AstronAgent支持集成RagFlow知识库。我们需要准备以下知识文档：

1. 出口国别指南：各国进口政策、关税税率、认证要求
2. 出口流程文档：报关、物流、退税流程说明
3. 车辆检测标准：车况分级标准、检测报告解读
4. 常见问题库：海外买家常问的Q&A

将这些文档上传至RagFlow，建立向量索引。然后在AstronAgent中通过知识库节点对接。

第四步：设计智能客服工作流

这是核心环节。我们需要设计一个既能回答问题、又能处理复杂业务的工作流。

4.1 工作流架构

用户输入 → 意图识别 → 知识库检索 → 大模型生成 → 工具调用 → 输出结果

4.2 节点配置

在AstronAgent中点击创建 → 工作流创建，进入可视化编排界面。

节点1：意图识别（大模型节点）

配置系统提示词：

你是一个二手车出口客服助手的意图识别模块。
请判断用户意图属于以下类别之一：
- 政策咨询（询问进口政策、关税、认证要求）
- 车况查询（询问具体车辆状况、检测报告）
- 物流问询（询问运输方式、运费、时效）
- 价格评估（询问车辆估价、残值预测）
- 其他

输出格式：仅返回类别名称。

节点2：知识库检索（知识库节点）

配置RagFlow知识库，根据用户问题检索相关文档片段。设置Top-K=5，确保召回足够的相关内容。

节点3：答案生成（大模型节点）

配置系统提示词：

你是一个专业的二手车出口智能客服助手，名叫"小P"。
你的职责是为海外买家提供专业、准确的二手车出口咨询服务。

知识库内容：{{knowledge_context}}
用户问题：{{user_query}}

请根据知识库内容回答用户问题。如果知识库中没有相关信息，
请礼貌告知用户并建议联系人工客服。回答要简洁专业，
涉及价格和政策的要注明信息来源。

节点4：工具调用（可选）

如果需要实现更复杂的功能，可以集成外部工具：

• 估价工具：调用估价API，基于车辆信息返回估值
• 物流计算：调用物流API，实时计算运费
• RPA自动化：自动生成报价单、出口单据

4.3 完整工作流示例

以下是一个完整的智能客服工作流配置：
详情可以参考github完整工作流

第五步：调试与优化

5.1 调试工作流

AstronAgent提供了强大的调试功能：

• 单节点调试：测试每个节点的输入输出
• 全流程调试：模拟用户输入，观察整个工作流执行过程
• 变量追踪：查看每个步骤的中间变量值

5.2 持续优化

根据实际使用情况，持续优化以下几个方面：

• Prompt调优：根据用户反馈优化提示词
• 知识库更新：定期更新政策文档、车型数据
• 模型切换：对比不同模型的效果，选择最优方案
• 全链路观测：监控响应时间、成功率、用户满意度

第六步：发布与集成

6.1 发布为智能体

工作流调试完成后，点击发布，可以选择：

• 发布到智能体广场：供内部团队使用
• 发布为API：供外部系统调用

6.2 API调用示例

curl -X POST https://your-domain.com/api/agent/chat \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer your_api_key" \
  -d '{
    "query": "我想出口一批二手新能源汽车到迪拜，需要什么手续？",
    "session_id": "user_12345"
  }'

返回示例：

{
  "answer": "您好！出口新能源汽车到迪拜（阿联酋），主要需要以下手续：\n1. 车辆符合海湾标准组织（GSO）认证要求...\n2. 提供完整的出口报关单据...\n3. 确认目的港清关政策...\n如需具体清单，请告知车辆型号和年份。",
  "intent": "政策咨询",
  "confidence": 0.92
}

项目地址：https://github.com/iflytek/astron-agent