From e6817b73a5d8134d44a5e34979cb50dcfc047c1e Mon Sep 17 00:00:00 2001 From: tanzk <15814458408@qq.com> Date: Fri, 9 Oct 2026 00:00:30 +0800 Subject: [PATCH] =?UTF-8?q?#266=20fix:=20=5Fresolve=5Fperson=5Fname=20?= =?UTF-8?q?=E6=94=AF=E6=8C=81=20bigint=20person=5Fid=20=E7=9B=B4=E6=8E=A5?= =?UTF-8?q?=20join=20persons.id?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit 问题: SCRM 分析视图 #42/44/46/49/50 的 role=person + field=person_id 因 scrm_sessions.person_id 是 bigint，而旧实现生成 person_aliases.alias = scrm_sessions.person_id（varchar=bigint）导致报错。 修复: - _resolve_person_name 增加 bigint 类型检测，直接 join persons.id - 字符串别名列仍走 person_aliases.alias 解析 - 新增 2 例测试覆盖 bigint/varchar 两条路径 --- backend/app/services/analysis_engine.py | 11 +++ backend/tests/test_resolve_person_name_266.py | 35 ++++++++ reference/repos/LlamaFactory | 1 + reference/repos/Qwen-fine-tune | 1 + reference/repos/SKILL-kefu | 1 + reference/repos/chatwoot | 1 + reference/repos/community-skeleton | 1 + reference/repos/crm | 1 + reference/repos/crmeb | 1 + reference/repos/cskefu | 1 + reference/repos/dataease | 1 + reference/repos/dify | 1 + reference/repos/django-helpdesk | 1 + reference/repos/freescout | 1 + reference/repos/helpy | 1 + reference/repos/osTicket | 1 + reference/repos/sentiment_monitor | 1 + reference/repos/user_portiart | 1 + reference/repos/zammad | 1 + reference/客服管理系统-开源项目调研清单.md | 78 ++++++++++++++++++ .../客服管理系统-重点开源项目深度对比.md | 80 +++++++++++++++++++ 21 files changed, 221 insertions(+) create mode 100644 backend/tests/test_resolve_person_name_266.py create mode 160000 reference/repos/LlamaFactory create mode 160000 reference/repos/Qwen-fine-tune create mode 160000 reference/repos/SKILL-kefu create mode 160000 reference/repos/chatwoot create mode 160000 reference/repos/community-skeleton create mode 160000 reference/repos/crm create mode 160000 reference/repos/crmeb create mode 160000 reference/repos/cskefu create mode 160000 reference/repos/dataease create mode 160000 reference/repos/dify create mode 160000 reference/repos/django-helpdesk create mode 160000 reference/repos/freescout create mode 160000 reference/repos/helpy create mode 160000 reference/repos/osTicket create mode 160000 reference/repos/sentiment_monitor create mode 160000 reference/repos/user_portiart create mode 160000 reference/repos/zammad create mode 100644 reference/客服管理系统-开源项目调研清单.md create mode 100644 reference/客服管理系统-重点开源项目深度对比.md diff --git a/backend/app/services/analysis_engine.py b/backend/app/services/analysis_engine.py index 31681e6..fb813e1 100644 --- a/backend/app/services/analysis_engine.py +++ b/backend/app/services/analysis_engine.py @@ -458,7 +458,18 @@ def _resolve_person_name(raw_col): - 待归并/person_id IS NULL 别名 → NULL(图表显示"(空)",提示去归并) - 未提取的新别名(不在 person_aliases) → NULL - sys/system 系统别名(person_id=NULL) → NULL(配合视图 raw 层 notin 过滤更佳) + - #266: bigint person_id 列(如 scrm_sessions.person_id)直接 join persons.id """ + from sqlalchemy import BigInteger + # person_id 是 bigint 外键时,直接 join persons.id,跳过别名解析 + if isinstance(raw_col.type, BigInteger): + subq = ( + select(Person.display_name) + .where(Person.id == raw_col) + .limit(1) + ) + return subq.scalar_subquery() + # 字符串别名列:走 person_aliases.alias 解析 subq = ( select(Person.display_name) .join(PersonAlias, PersonAlias.person_id == Person.id) diff --git a/backend/tests/test_resolve_person_name_266.py b/backend/tests/test_resolve_person_name_266.py new file mode 100644 index 0000000..317cf28 --- /dev/null +++ b/backend/tests/test_resolve_person_name_266.py @@ -0,0 +1,35 @@ +# -*- coding: utf-8 -*- +"""#266: _resolve_person_name 支持 bigint person_id 直接 join persons.id""" + +from sqlalchemy import BigInteger, Integer, String +from sqlalchemy.orm import declarative_base +from sqlalchemy.sql.schema import Column + +from app.services.analysis_engine import _resolve_person_name + +Base = declarative_base() + + +class FakeModel(Base): + __tablename__ = "fake" + id = Column(Integer, primary_key=True) + person_id = Column(BigInteger) + operator_name = Column(String(64)) + + +def test_resolve_person_name_bigint_path(): + """bigint person_id 列应直接生成 persons.id = raw_col 子查询""" + col = FakeModel.person_id + subq = _resolve_person_name(col) + sql = str(subq) + assert "persons.id" in sql + assert "person_aliases" not in sql + + +def test_resolve_person_name_varchar_path(): + """字符串别名列仍走 person_aliases.alias 解析""" + col = FakeModel.operator_name + subq = _resolve_person_name(col) + sql = str(subq) + assert "person_aliases" in sql + assert "alias" in sql diff --git a/reference/repos/LlamaFactory b/reference/repos/LlamaFactory new file mode 160000 index 0000000..ce9dc9e --- /dev/null +++ b/reference/repos/LlamaFactory @@ -0,0 +1 @@ +Subproject commit ce9dc9e072f80fa3abe0989d4ab90da25f083438 diff --git a/reference/repos/Qwen-fine-tune b/reference/repos/Qwen-fine-tune new file mode 160000 index 0000000..506082f --- /dev/null +++ b/reference/repos/Qwen-fine-tune @@ -0,0 +1 @@ +Subproject commit 506082fcfd0d8c38e3ba4a963f2a7ca7271ef6f6 diff --git a/reference/repos/SKILL-kefu b/reference/repos/SKILL-kefu new file mode 160000 index 0000000..762bf37 --- /dev/null +++ b/reference/repos/SKILL-kefu @@ -0,0 +1 @@ +Subproject commit 762bf37800fa571e3f8aad909635c4f7ac7280a4 diff --git a/reference/repos/chatwoot b/reference/repos/chatwoot new file mode 160000 index 0000000..bc60ffc --- /dev/null +++ b/reference/repos/chatwoot @@ -0,0 +1 @@ +Subproject commit bc60ffc312f534071adc77b545c41531ef355ec9 diff --git a/reference/repos/community-skeleton b/reference/repos/community-skeleton new file mode 160000 index 0000000..24a1c0c --- /dev/null +++ b/reference/repos/community-skeleton @@ -0,0 +1 @@ +Subproject commit 24a1c0c27afa994c902fb06a0bf6b4429e81f7c2 diff --git a/reference/repos/crm b/reference/repos/crm new file mode 160000 index 0000000..eefa5f9 --- /dev/null +++ b/reference/repos/crm @@ -0,0 +1 @@ +Subproject commit eefa5f95c8c127086eed446d99108f1ee0f89fc9 diff --git a/reference/repos/crmeb b/reference/repos/crmeb new file mode 160000 index 0000000..da8d3b9 --- /dev/null +++ b/reference/repos/crmeb @@ -0,0 +1 @@ +Subproject commit da8d3b93400f3c660aa54d38b54ada387c963cd9 diff --git a/reference/repos/cskefu b/reference/repos/cskefu new file mode 160000 index 0000000..6bda5fe --- /dev/null +++ b/reference/repos/cskefu @@ -0,0 +1 @@ +Subproject commit 6bda5fef69edbca9c6b0b7e6d7dec1d444139c15 diff --git a/reference/repos/dataease b/reference/repos/dataease new file mode 160000 index 0000000..abc04c9 --- /dev/null +++ b/reference/repos/dataease @@ -0,0 +1 @@ +Subproject commit abc04c9584df93e6e1c8948ffa5f6df9976e5639 diff --git a/reference/repos/dify b/reference/repos/dify new file mode 160000 index 0000000..e7d9c88 --- /dev/null +++ b/reference/repos/dify @@ -0,0 +1 @@ +Subproject commit e7d9c8897a4ddf104396e4efc8c321e0f8075bac diff --git a/reference/repos/django-helpdesk b/reference/repos/django-helpdesk new file mode 160000 index 0000000..5c2808d --- /dev/null +++ b/reference/repos/django-helpdesk @@ -0,0 +1 @@ +Subproject commit 5c2808dec2ba3b63d107b715d7d5b326feda666f diff --git a/reference/repos/freescout b/reference/repos/freescout new file mode 160000 index 0000000..f92cb04 --- /dev/null +++ b/reference/repos/freescout @@ -0,0 +1 @@ +Subproject commit f92cb048fe04cb8c617cf1287829d7f881422367 diff --git a/reference/repos/helpy b/reference/repos/helpy new file mode 160000 index 0000000..26aff0e --- /dev/null +++ b/reference/repos/helpy @@ -0,0 +1 @@ +Subproject commit 26aff0e485aee91f41098ee986cfe750746dcfee diff --git a/reference/repos/osTicket b/reference/repos/osTicket new file mode 160000 index 0000000..8d38b06 --- /dev/null +++ b/reference/repos/osTicket @@ -0,0 +1 @@ +Subproject commit 8d38b0619649a50ee7cbbf37085f5d297fdc6f36 diff --git a/reference/repos/sentiment_monitor b/reference/repos/sentiment_monitor new file mode 160000 index 0000000..f863991 --- /dev/null +++ b/reference/repos/sentiment_monitor @@ -0,0 +1 @@ +Subproject commit f8639914dba5840bf89cd60d148e21d5611199db diff --git a/reference/repos/user_portiart b/reference/repos/user_portiart new file mode 160000 index 0000000..94dce3a --- /dev/null +++ b/reference/repos/user_portiart @@ -0,0 +1 @@ +Subproject commit 94dce3a2e209af7147a26817f878042972049c88 diff --git a/reference/repos/zammad b/reference/repos/zammad new file mode 160000 index 0000000..7b753d4 --- /dev/null +++ b/reference/repos/zammad @@ -0,0 +1 @@ +Subproject commit 7b753d4fb07bd8348a45927882ec9454e8f4da80 diff --git a/reference/客服管理系统-开源项目调研清单.md b/reference/客服管理系统-开源项目调研清单.md new file mode 100644 index 0000000..968cd87 --- /dev/null +++ b/reference/客服管理系统-开源项目调研清单.md @@ -0,0 +1,78 @@ +# 客服管理系统 · 开源项目调研清单 + +> 调研日期：2026-10-06 +> 目标系统模块：客服工作量/绩效/流程管理、投诉分析（主体/原因/传递链）、退款分析（类型/原因）、客户画像（购买/充值/套餐/设备/店铺/标签/金额）、夜间批量分析 + 小模型（8B/14B/27B）预测性干预 +> 说明：以下项目按系统模块分类，链接均来自本次实际检索结果。 + +## 一、客服工作台 / 工单 / 流程（工作量、SLA、操作记录参考） + +| # | 项目 | 链接 | 与你系统的相关性 | +|---|------|------|------------------| +| 1 | Chatwoot | https://github.com/chatwoot/chatwoot | 全渠道会话收件箱 + CSAT 报告；按坐席/团队/inbox 的绩效报表（接待量、响应时长、满意度），MIT 协议， star 数约 3.7 万，最接近"客服工作台+绩效报表"的成熟参考 | +| 2 | 春松客服 CSKeFu | https://github.com/cskefu/cskefu （Gitee: gitee.com/cskefu） | 国产开源客服系统（Java）；坐席工作台、技能组分配、联系人 CRM 标签、坐席监控、质检报表；GVP 认证项目，中文文档友好 | +| 3 | Zammad | https://github.com/zammad/zammad | 多渠道工单 + 可视化报表仪表盘（按部门/客服/客户类型统计时效、满意度、工单量）；规则引擎适合叠加 AI 分类分派 | +| 4 | UVdesk | https://github.com/uvdesk/community-skeleton | Symfony 工单系统，电商友好（Shopify/Magento 集成可自动关联订单）；内置代理（客服）绩效报告，适合参考"退款/订单关联工单"的数据模型 | +| 5 | FreeScout | https://github.com/freescout-helpdesk/freescout | Zendesk 轻量替代；SLA、自动指派、工时统计插件体系，适合小团队快速参考工单流转逻辑 | +| 6 | osTicket | https://github.com/osTicket/osTicket | 经典工单系统，邮件转工单、自定义表单字段；结构简单，适合参考"工单+自定义字段（投诉类型/退款原因字段）"建模 | +| 7 | Helpy | https://github.com/helpyio/helpy | 工单 + 知识库 + 社区，MIT 协议，适合参考知识库与服务小结模块 | +| 8 | Frappe Helpdesk | https://github.com/frappe/helpdesk | Frappe 生态工单系统，天然与 ERP/CRM 数据打通；适合参考"客服工单与企业业务数据（订单/退款）联动"的架构 | +| 9 | Django Helpdesk | https://github.com/django-helpdesk/django-helpdesk | Python/Django 工单系统，多队列、知识库、邮件同步；二次开发门槛低 | + +## 二、投诉文本分析 / 情绪识别 / 意图分类（NLP 参考） + +| # | 项目 | 链接 | 与你系统的相关性 | +|---|------|------|------------------| +| 10 | SKILL-kefu | https://github.com/liangdabiao/SKILL-kefu | LangChain/LangGraph 智能客服完整方案：**意图分类 16 类（含投诉、退款、退货）、情绪识别 7 类、自动工单、转人工、监控评价仪表盘**——与你"不关注对话原文、只分析话题类型+情绪"的路线高度吻合 | +| 11 | sentiment_monitor | https://github.com/liugito/sentiment_monitor | 中文舆情监控系统：情感分析、关键词提取、实体识别、话题聚类、**负面案例自动标注+分级预警**——直接对应"投诉主体识别、投诉传递链预警" | +| 12 | DocSentimentAnalysis | https://github.com/liuhuanyong/DocSentimentAnalysis | 篇章级情感计算（情感词典+依存句法规则），适合无标注语料冷启动阶段的投诉文本情绪打分 | +| 13 | PaddleNLP | https://github.com/PaddlePaddle/PaddleNLP | 百度工业级中文 NLP 库；情感倾向分析（Senta）、UIE 信息抽取（可抽"投诉主体/投诉原因"结构化字段）、小样本学习 | +| 14 | Dify | https://github.com/langgenius/dify | 开源 LLM 应用平台；用可视化工作流搭建"意图识别→条件分支→工单/预警"的编排，可作为投诉分析管线的原型工具 | + +## 三、客户画像 / CRM / 标签体系 + +| # | 项目 | 链接 | 与你系统的相关性 | +|---|------|------|------------------| +| 15 | user_portrait | https://github.com/ZouRuia/user_portiart | 用户画像/标签系统教学型开源项目，含标签加工、RFM 价值分层实现，适合参考"购买/充值/金额→标签"的加工链路 | +| 16 | iBizCRM | https://github.com/iBizLab/crm | 国产企业级开源 CRM（MIT）；客户 360° 视图、活动记录、自定义建模——可参考其客户主数据与标签模型 | + +## 四、退款 / 订单 / 售后（退款类型、退款原因的数据模型参考） + +| # | 项目 | 链接 | 与你系统的相关性 | +|---|------|------|------------------| +| 17 | CRMEB（PHP 版） | https://github.com/crmeb/crmeb | 开源电商系统：订单退款、售后（退换货原因）、会员充值/余额/消费记录、会员标签与行为详情——退款分析所需字段基本齐全 | +| 18 | CRMEB（Java 版） | https://github.com/crmeb/crmeb_java | 同上架构的 Java/SpringBoot 版，含订单、余额、优惠券、会员模块，适合 Java 技术栈参考 | +| 19 | likeshop | https://github.com/likeadmin-likeshop/likeshop | 开源单商户商城（含 APP/小程序/PC 后台）；订单、售后退款、会员体系完整，代码可读性强调二开 | + +## 五、数据统计 / 绩效看板（BI 层） + +| # | 项目 | 链接 | 与你系统的相关性 | +|---|------|------|------------------| +| 20 | DataEase | https://github.com/dataease/dataease | 国产开源 BI，拖拽做仪表板/数据大屏，支持 MySQL/ClickHouse/Doris/Excel/API 等数据源；适合快速搭"客服工作量+绩效+投诉+退款"管理驾驶舱 | +| 21 | Apache Superset | https://github.com/apache/superset | Apache 顶级 BI，图表类型最全、SQL 灵活，适合有数据团队后做深度自助分析 | +| 22 | Metabase | https://github.com/metabase/metabase | 最易上手的开源 BI，非技术人员可用查询构建器自助取数，支持定时报表推送邮件 | + +## 六、小模型微调（8B/14B/27B 预测性干预） + +| # | 项目 | 链接 | 与你系统的相关性 | +|---|------|------|------------------| +| 23 | LLaMA-Factory | https://github.com/hiyouga/LLaMA-Factory | 最主流的国产微调框架（WebUI + LoRA/QLoRA），已支持 Qwen2/Qwen3 全系列 0.5B~110B——你计划的 8B/14B/27B 投诉分类、退款原因归类、高风险客户预测模型都可以用它训练，单卡即可跑 LoRA | +| 24 | Qwen-fine-tune | https://github.com/ChenXingLing/Qwen-fine-tune | 最小可跑的 Qwen LoRA 文本分类教程项目（PEFT + HC3 中文数据集），适合作为"投诉文本→分类标签"微调的第一个脚手架 | + +--- + +## 落地建议（按你的两阶段路线） + +**第一阶段（统计分析 + 管理干预）** +- 数据底座/报表：DataEase（或 Metabase）+ MySQL/ClickHouse，把接待量、工单、退款、投诉四张事实表做成日报看板 +- 字段建模参考：osTicket/UVdesk 的自定义字段（投诉类型、退款原因）、CRMEB 的售后/退款/会员充值表结构 +- 客服绩效指标参考：Chatwoot 的 CSAT/agent 报表、智齿/芝麻类产品的"工作量统计指标口径"（创建工单数、平均处理时长、3 分钟响应率、未回复率等） + +**第二阶段（夜间批量分析 + 小模型预测干预）** +- 编排：Dify 工作流 或 直接 Python 批处理（Airflow 调度夜间任务） +- 分类/抽取模型：PaddleNLP UIE 或 Qwen-8B LoRA 微调（LLaMA-Factory），输入=话题类型+投诉文本摘要+退款记录+操作日志，输出=客户风险分+干预建议清单 +- 情绪/升级预警：参考 sentiment_monitor 的负面分级预警机制 + +## 备注 +- 纯开源、无商业后缀：Chatwoot（社区版 MIT）、Django Helpdesk、Helpy、iBizCRM、CRMEB（需保留版权）、likeshop、DataEase（GPLv3）、Superset、Metabase（社区版）、LLaMA-Factory、Qwen-fine-tune、DocSentimentAnalysis。 +- 注意：Chatwoot 的 `enterprise/` 目录、CRMEB/likeshop 的增值功能为商业授权，研究时以社区版代码为准。 +- 未收录但可关注：Rasa（对话意图框架）、悟空CRM（国产 CRM）、ClkLog（开源埋点+用户标签/分群）、Airflow（夜间批处理调度），本次未做逐一核验，需要可补充调研。 diff --git a/reference/客服管理系统-重点开源项目深度对比.md b/reference/客服管理系统-重点开源项目深度对比.md new file mode 100644 index 0000000..f7f9b3f --- /dev/null +++ b/reference/客服管理系统-重点开源项目深度对比.md @@ -0,0 +1,80 @@ +# 客服管理系统 · 重点开源项目深度对比 + +> 调研日期：2026-10-06 +> 对比对象：从 24 个项目名录中选出与系统目标最贴合的 6 个，覆盖四个层次——客服工作台（Chatwoot / CSKeFu / Zammad / UVdesk）、BI 看板（DataEase）、小模型微调（LLaMA-Factory）。 +> 对比维度：定位与模块覆盖、技术栈、数据模型可借鉴点、报表/绩效能力、二次开发成本、许可证与商业化风险、综合匹配度。 + +--- + +## 一、总览对比表 + +| 维度 | Chatwoot | 春松客服 CSKeFu | Zammad | UVdesk | DataEase | LLaMA-Factory | +|---|---|---|---|---|---|---| +| 定位 | 全渠道会话 + 客服平台 | 国产多渠道智能客服（含机器人） | 流程导向工单系统 | 电商友好工单系统 | 开源 BI / 数据可视化 | 大模型微调训练框架 | +| 技术栈 | Ruby on Rails + Vue + PostgreSQL/Redis | Java（Spring）+ Pugjs 前端 | Ruby on Rails + ES | PHP Symfony + Backbone.js | Java(Spring Boot) + Vue + ECharts/AntV | PyTorch + Transformers + PEFT | +| 覆盖你的模块 | 工作量✅ 绩效✅ 流程✅ 投诉标签✅ 画像(基础)⚠️ | 工作量✅ 绩效✅ 流程✅ 标签✅ 质检✅ | 工作量✅ 绩效✅ 流程✅ | 工作量✅ 绩效✅ 退款关联✅ | 全部指标的看板层✅ | 预测干预层✅ | +| 报表/绩效能力 | Conversation/Agent/Inbox/Label/Team 五类报表 + CSAT + 可下载报表 | 坐席监控 + 质检报表（服务小结/反馈） | 内置仪表盘：按部门/客服/客户类型统计时效、满意度、工单量 | 代理绩效报告 + 工单过滤统计 | 拖拽式仪表板/大屏，40+ 图表，定时刷新 | 训练指标可视化（loss/eval）+ SwanLab 等集成 | +| 数据模型亮点 | 会话+联系人自定义属性（Custom Attributes）、标签（Labels）、Shopify 订单集成 | 联系人 CRM 自定义标签、技能组、服务小结 | 工单生命周期状态机、SLA、多级权限 | 工单类型/多标签、自动化工作流（Automation Bundle） | 数据集/仪表板/权限模型 | instruction 微调数据集格式（Alpaca/ShareGPT） | +| 二开门槛 | 中（Rails 生态，社区大） | 中高（Java 老架构，前端 Pugjs 小众） | 中（Rails，规则引擎复杂） | 低中（Symfony 扩展框架设计良好） | 低（拖拽为主，插件机制） | 低（WebUI + YAML 配置） | +| 许可证 | MIT（`enterprise/` 目录除外，商用需注意） | **春松公共许可证 1.0（自定义协议，非标准 OSI，商用前必须读协议）** | AGPL-3.0（网络服务 copyleft，二开对外提供服务需开源） | OSL-3.0（copyleft，有传染性） | GPLv3（社区版，商用需注意；另有商业版） | Apache-2.0（最宽松✅） | +| 社区活跃度 | 极高（约 3.7 万 star） | 中（v8 维护中，v7 已停止维护） | 高（约 5k star，持续迭代） | 中（Webkul 主导） | 高（2.4 万+ star） | 极高（最主流微调框架） | +| 综合匹配度 | ★★★★★ | ★★★★ | ★★★★ | ★★★ | ★★★★★（报表层） | ★★★★★（AI 层） | + +--- + +## 二、逐项分析 + +### 1. Chatwoot —— 最佳"工作台 + 绩效报表"参考 +- **报表能力最强**：内置 Conversation / Agent / Inbox / Label / Team 五类运营报表 + CSAT 满意度报表 + 报表下载（CSV），几乎就是你要的"工作量、绩效"模块的现成实现。 +- **与你的分析路线契合**：它本身不深度分析对话内容，而是用 **Labels（标签）+ Custom Attributes（自定义属性）** 给会话打结构化标记——和你"只获取话题类型、不获取对话原文"的约束完全同构。投诉主体、投诉原因、退款类型都可以建模为自定义属性/标签。 +- **风险**：`enterprise/` 目录是商业授权；高级报表功能部分在商业版。自托管社区版够用，但不要指望它的报表完全覆盖你的定制指标。 +- **借鉴方式**：不必整体采用，重点读它的 `reports` 模块 SQL 口径（首次响应时长、解决时长、CSAT 聚合）和会话-联系人-标签数据模型。 + +### 2. 春松客服 CSKeFu —— 最完整的国产客服参考（但许可证要当心） +- **模块最贴你的需求**：坐席监控（实时干预）、技能组分配、联系人 CRM 自定义标签、质检（历史会话 + 服务小结 + 服务反馈报表）——这四块恰好对应你的"流程管理 + 绩效 + 画像标签 + 质检"。 +- **技术现实**：Java + Spring 老架构，前端用 Pugjs（小众模板引擎），二开招聘成本高；v7 已停止维护，只有 v8 在活跃维护。 +- **⚠️ 许可证修正**：它用的是自研的"春松公共许可证 1.0"（Chunsong Public License），**不是 MIT/Apache 这类标准协议**，商用授权条款需要逐条阅读（此前清单中"商业友好授权"的表述以官方协议文本为准）。 + +### 3. Zammad —— 工单流程引擎的最佳参考 +- **强项**：工单生命周期状态机（新建→处理中→待回复→已解决→关闭→重新激活）、SLA 计时、多级权限/角色、成熟规则引擎（自动分派、优先级判断）。 +- **与你的映射**：你提到的"投诉传递链"本质就是工单流转路径，Zammad 的状态机 + 审计日志是最规范的参考实现。 +- **风险**：AGPL-3.0，如果你二开后作为网络服务对外提供，衍生作品需要开源。建议只学设计，不直接嵌入代码。 + +### 4. UVdesk —— 电商退款场景的轻量参考 +- **强项**：Automation Bundle（工作流 + 预设回复）、Agent Activity（客服操作记录）、Ticket Types + 多标签；面向电商的订单关联设计。 +- **弱点**：报表维度不如 Chatwoot 细；PHP/Symfony 技术栈；OSL-3.0 同样带 copyleft 传染性。 +- **借鉴点**：工单自定义字段（类型/标签）+ 操作记录的表结构，适合你建"退款类型、退款原因"字段字典。 + +### 5. DataEase —— 统计报表层的首选底座 +- **为什么必选**：你的第一阶段（数据统计 + 管理干预）本质是把接待量、工单、投诉、退款四张事实表变成看板。DataEase 拖拽出图、支持 MySQL/ClickHouse/Excel/API 数据源、有行级权限和 200+ 大屏模板，是国产开源里上手成本最低的。 +- **代价**：GPLv3 + 企业版功能分级（X-Pack），纯内部分析使用没有问题。 +- **替代**：Metabase（更简、社区版免费但行级权限要付费版）、Superset（功能最强但要写 SQL、运维成本高）。 + +### 6. LLaMA-Factory —— 第二阶段（8B/14B/27B 预测干预）的训练底座 +- **为什么必选**：Apache-2.0 最宽松；WebUI + YAML 配置即可训练，支持 LoRA/QLoRA（单卡可训 8B~14B），已支持 Qwen3 全系列 0.5B~110B，与你的 8B/14B/27B 规划一一对应。 +- **你的用法**：每晚批量把"话题类型 + 投诉摘要 + 退款记录 + 操作日志"组装成 instruction 数据，训一个"客户风险分 + 干预建议"分类/排序模型，输出次日主动干预清单。 +- **配套**：可参考 Qwen-fine-tune 项目（最小 LoRA 分类脚手架）做第一个原型，跑通后再上 LLaMA-Factory 批量实验。 + +--- + +## 三、结论：推荐参考底座组合 + +不建议单选一个大而全的系统（你的需求横跨四个层次，没有任何单个开源项目全覆盖）。推荐**分层组合、各取数据模型**： + +| 层次 | 推荐 | 用法 | +|---|---|---| +| ① 数据模型与指标口径 | **Chatwoot**（主）+ **Zammad**（状态机）+ **UVdesk**（自定义字段） | 只读源码学设计：会话/工单表结构、绩效指标 SQL 口径（首响时长、处理时长、CSAT）、投诉传递链状态机、退款原因字段字典 | +| ② 统计看板 | **DataEase** | 直接部署，接你的业务库，1~2 周能出管理驾驶舱 | +| ③ 投诉/退款文本结构化 | **PaddleNLP UIE**（冷启动）→ **LLaMA-Factory + Qwen-8B LoRA**（沉淀后） | UIE 免训练抽"投诉主体/原因"；积累标注后微调小模型替换 | +| ④ 编排与调度 | Dify（原型）或 Python + Airflow（生产） | 夜间批处理：拉取当日 3000 会话 → 结构化 → 打分 → 生成干预清单 | + +**许可证红线**：对外商用产品化时，避免直接嵌入 AGPL（Zammad）/OSL（UVdesk）/春松自定义协议的代码；MIT（Chatwoot 社区版）与 Apache-2.0（LLaMA-Factory）可放心使用；GPL 系列（DataEase 社区版）内部分析无妨、对外分发需谨慎。 + +--- + +## 附：本对比的信息来源 +- Chatwoot 官方 README（功能清单与 MIT 声明）：https://github.com/chatwoot/chatwoot +- 春松客服 README（模块清单、v7/v8 维护状态、春松公共许可证 1.0）：https://github.com/cskefu/cskefu +- UVdesk README（模块、OSL-3.0、Symfony 架构）：https://github.com/uvdesk/community-skeleton +- LLaMA-Factory LICENSE（Apache-2.0）及 README_zh（Qwen3 支持矩阵） +- Zammad / DataEase 功能描述来自选型文章与项目页（见调研清单中的引用）