eShopSupport
eShopSupport 是一个基于 .NET 构建的开源参考应用,旨在展示如何利用生成式 AI 技术打造现代化的电商客服工单系统。它主要解决了开发者在将 AI 能力集成到企业级应用时面临的场景落地难、架构设计复杂等痛点,提供了一套从本地开发到云端部署的完整实践方案。
这款工具非常适合 .NET 开发者、架构师以及希望探索 AI 工程化落地的技术团队使用。通过 eShopSupport,用户可以直观地学习如何实现多种核心 AI 功能,包括自动对客服消息进行文本分类与标签化、分析用户情绪、长文本摘要生成、合成测试数据,以及构建具备历史记忆和回复建议功能的智能聊天机器人。
其独特的技术亮点在于采用了 .NET Aspire 服务化架构,并创新性地展示了如何在 .NET 解决方案中无缝集成 Python 项目以调用小型本地模型。这不仅支持在配备 NVIDIA GPU 的设备上进行高效的本地开发与评估,还演示了如何利用接地问答数据来验证 AI 响应质量。对于希望在保护数据隐私的前提下,低成本尝试并掌握生成式 AI 应用开发最佳实践的工程师来说,eShopSupport 是一个极具价值的学习范本。
使用场景
某中型电商平台的客服团队每天需处理数千条用户工单,面对激增的咨询量,人工分类与回复已严重滞后。
没有 eShopSupport 时
- 客服人员需手动阅读每封邮件来判断是“退货”还是“技术故障”,耗时且容易贴错标签。
- 面对长篇大论的用户抱怨,难以快速捕捉情绪倾向,导致愤怒客户未能被优先安抚。
- 资深客服休假时,新人因缺乏历史案例参考,回复质量参差不齐,培训周期漫长。
- 开发团队想测试新流程,却苦于没有足够的真实脱敏数据,只能手工编造低质量的测试用例。
- 系统无法自动总结每日工单趋势,管理层只能凭感觉调整人力,常出现忙闲不均。
使用 eShopSupport 后
- eShopSupport 利用文本分类模型自动为工单打上精准标签,路由准确率提升至 95% 以上。
- 内置的情感分析功能实时识别用户愤怒情绪,自动将高危工单置顶并提示客服优先介入。
- 聊天机器人基于历史对话记录生成建议回复,新人也能像专家一样快速响应复杂问题。
- 通过合成数据生成功能,一键创建大量逼真的测试工单,让开发团队能充分验证系统稳定性。
- 系统自动汇总每日海量文本内容,生成简洁的运营日报,帮助管理者数据驱动决策。
eShopSupport 将 .NET 生态与生成式 AI 深度融合,把原本繁琐的人工客服流程转变为高效、智能的自动化闭环。
运行环境要求
- Windows
- macOS
- Linux
需要 NVIDIA GPU(CPU 运行需参考特定变通方案链接),具体型号、显存大小及 CUDA 版本未在文档中明确说明
未说明

快速开始
eShopSupport
一个 .NET 示例应用程序,展示了在 .NET 中构建 AI 解决方案的常见用例和开发实践(特别是生成式 AI)。此示例演示了一个基于服务架构、使用 .NET Aspire 的电子商务网站客户支持应用程序。它支持以下 AI 用例:
- 文本分类:根据内容应用标签
- 基于消息内容的情感分析
- 大量文本的摘要生成
- 合成数据生成:为示例创建测试内容
- 包含聊天历史和建议回复的聊天机器人交互
此示例还展示了以下开发实践:
- 在本地使用小型本地模型开发解决方案
- 使用有据可依的问答数据评估 AI 回答的质量
- 将 Python 项目作为 .NET Aspire 解决方案的一部分加以利用
- 将应用程序(包括小型本地模型)部署到云端(即将推出)
架构

入门
先决条件
- 配备 Nvidia GPU 的设备(请参阅 在 CPU 上运行的变通方法)
- 克隆 eShopSupport 仓库:https://github.com/dotnet/eshopsupport
- 安装并启动 Docker Desktop
- 安装 Python 3.12.5
Windows(配备 Visual Studio)
- 安装 Visual Studio 2022 版本 17.10 或更高版本
- 选择以下工作负载:
ASP.NET 和 Web 开发工作负载。Python 开发工作负载。.NET Aspire SDK组件,位于单独组件中。
- 选择以下工作负载:
Mac、Linux 及未安装 Visual Studio 的 Windows
安装最新的 .NET 8 SDK
使用以下命令安装 .NET Aspire 工作负载:
dotnet workload update dotnet workload install aspire dotnet restore eShopSupport.sln(可选)安装 Visual Studio Code,并添加 C# Dev Kit 扩展
安装 Python 依赖项
在终端中,进入克隆后的仓库根目录,运行以下命令:
pip install -r src/PythonInference/requirements.txt
注意: 如果上述命令在 Windows 上无法运行,请使用以下命令:
py -m pip install -r src/PythonInference/requirements.txt
运行解决方案
[!警告] 请确保 Docker 已启动。
(仅限 Windows)从 Visual Studio 运行应用程序:
- 在 Visual Studio 中打开
eShopSupport.sln文件 - 确保
AppHost是您的启动项目 - 按 Ctrl-F5 启动 .NET Aspire
- 在 Visual Studio 中打开
或者从终端运行应用程序:
dotnet run --project src/AppHost然后在控制台输出中查找类似以下内容的行,以获取用于打开 Aspire 仪表板的 URL:
登录仪表板的地址为:http://localhost:17191/login?t=uniquelogincodeforyou
您可能需要先安装 ASP.NET Core HTTPS 开发证书,然后关闭所有浏览器标签页。更多信息请访问 https://aka.ms/aspnet/https-trust-dev-cert
贡献
本项目已采用 Microsoft 开源行为准则。有关更多信息,请参阅 行为准则常见问题解答,或发送电子邮件至 opencode@microsoft.com 提出任何其他问题或意见。
示例数据
示例数据定义在 seeddata 中。所有产品、描述、品牌、手册、客户以及支持工单名称均为虚构,并使用包含的 DataGenerator 项目,通过 GPT-35-Turbo 生成。
常见问题
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
markitdown
MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器
LLMs-from-scratch
LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备