系列目标：30 天从 LangChain 入门到企业级部署
今日任务：理解动态路由的价值 → 掌握RouterChain基础用法 → 构建“客服问题自动分发系统”！
🧭 一、为什么需要 RouterChain？
在 Day 8 中，我们构建了一条固定流水线：所有用户反馈都走“提取 → 回复 → 情绪分析”。
但真实客服场景中，问题类型多样：
- “怎么退货？” → 需要退货流程指引
- “产品坏了怎么办？” → 需要技术支持
- “你们公司地址在哪？” → 需要通用信息回答
如果强行用同一套流程处理，结果会很奇怪！
RouterChain 就是 LangChain 提供的“AI 路由器” —— 它先判断用户问题属于哪一类，再动态调用对应的子 Chain，实现智能分发。
✅ 今天，我们就来打造一个能自动区分“退货 / 技术 / 通用”三类问题的智能客服！
🧱 二、RouterChain 工作原理
用户输入：“我的耳机充不进电！”
↓
[Router] 判断类型 → "technical"
↓
调用 [TechnicalSupportChain]
↓
返回专业解决方案
LangChain 提供两种 Router 实现：
MultiPromptChain（基于关键词匹配 + LLM 判断）✅ 推荐新手用- 自定义
RouterChain（完全控制逻辑，Day 21 讲）
🔔 Day 9 重点：
MultiPromptChain—— 开箱即用的智能路由！
🛠️ 三、实战：构建智能客服问题分发系统
我们将支持三类问题：
- 退货咨询（refund）
- 技术支持（technical）
- 通用问答（general）
步骤 1：准备 LLM
# day9_router_chain.py
from langchain_ollama import ChatOllama
from langchain.chains import MultiPromptChain
llm = ChatOllama(model="qwen:7b", temperature=0)
步骤 2：为每类问题定义专属 Prompt
# 1. 退货咨询 Prompt
refund_prompt = """
你是一个电商退货专员。用户的问题与退货/退款相关。
请提供清晰的退货流程，并提醒用户保留商品原包装。
用户问题：{input}
"""
# 2. 技术支持 Prompt
technical_prompt = """
你是一个技术支持工程师。用户的问题涉及产品使用或故障。
请用通俗语言解释可能原因，并提供解决步骤。
用户问题：{input}
"""
# 3. 通用问答 Prompt
general_prompt = """
你是一个客服代表。用户的问题属于一般咨询（如公司信息、营业时间等）。
请礼貌、简洁地回答。
用户问题：{input}
"""
步骤 3：构建 MultiPromptChain
# 定义路由选项（name + description）
prompt_infos = [
{
"name": "refund",
"description": "处理退货、退款相关问题",
"prompt_template": refund_prompt
},
{
"name": "technical",
"description": "处理产品技术故障、使用问题",
"prompt_template": technical_prompt
},
{
"name": "general",
"description": "处理一般性咨询（如地址、营业时间等）",
"prompt_template": general_prompt
}
]
# 创建 Router Chain
router_chain = MultiPromptChain.from_prompts(
llm=llm,
prompt_infos=prompt_infos,
verbose=True # 查看路由决策过程
)
💡
MultiPromptChain内部会：
- 用 LLM 分析用户问题属于哪一类（基于 description）
- 自动选择对应的 prompt 模板
- 调用 LLM 生成最终回答
步骤 4：测试不同问题类型
test_questions = [ "我想退货，怎么操作？", "蓝牙耳机连不上手机，怎么办？", "你们公司总部在哪里？"]
for question in test_questions:
print(f"\n👤 用户：{question}")
response = router_chain.invoke({"input": question})
print(f"🤖 AI：{response['text']}")
▶️ 输出示例（verbose 模式）：
> Entering new MultiPromptChain chain...
Selected destination: technical
...
👤 用户：蓝牙耳机连不上手机，怎么办？
🤖 AI：可能是蓝牙未开启或配对失败，请尝试以下步骤：
1. 确保耳机处于配对模式（通常长按电源键5秒）...
✅ AI 成功识别问题类型，并调用对应的专业回答模板！
🔍 四、关键机制解析
1. 路由决策靠什么？
-
内部会构造一个“分类 prompt”，让 LLM 从
description中选择最匹配的name -
示例内部 prompt：
给定以下问题，选择最合适的处理方式： - refund: 处理退货、退款相关问题 - technical: 处理产品技术故障... 问题："耳机充不进电" 答案：
2. 如何提高分类准确率？
description要清晰、互斥（避免重叠）- 可加入关键词提示：“包含‘退’、‘款’、‘换货’等问题属于 refund”
⚠️ 五、注意事项 & 优化建议
表格
| 问题 | 建议 |
|---|---|
| 分类错误（如把“退货”判成“通用”） | 优化 description，增加典型关键词 |
| 中文模型路由不准 | 使用 Qwen、GLM 等中文优化模型；降低 temperature |
| 想要更多类别？ | 直接在 prompt_infos 中添加新项 |
| 需要 fallback 机制？ | 后续可加“未知类型”默认 Chain（自定义 Router） |
💡 生产建议：
对于关键业务（如金融、医疗），建议在 Router 后加人工审核或置信度阈值。
📦 六、配套代码结构
langchain-30-days/
└── day9/
└── smart_customer_service_router.py # 智能客服路由系统
📝 七、今日小结
- ✅ 理解了动态路由在复杂系统中的价值
- ✅ 学会了
MultiPromptChain开箱即用的路由方式 - ✅ 实现了三类客服问题的自动分发
- ✅ 掌握了提升分类准确率的技巧
- ✅ 知道了 RouterChain 的适用边界
🎯 明日预告：Day 10 —— Agent 登场！让 AI 自主思考并调用工具，实现 ReAct 智能体！
