SnackOps — 零食电商客服 Agent MVP

运行

npm install
cp .env.example .env.local
npm run dev

打开 http://localhost:3000。必须在 .env.local 填写 OpenAI 或兼容 API 配置,5 个 Skill 始终调用真实模型;未配置或调用失败时会直接返回错误,不生成模拟结果。

数据与规则

  • skills/<skill-name>/SKILL.md:标准 Skill 触发描述与执行指令
  • skills/<skill-name>/agents/openai.yaml:Skill 的 UI metadata
  • data/skills.json:模型参数与启用状态,不再保存 Prompt
  • data/planner.json:Planner Prompt、模型参数与强制执行规则
  • data/tools.json:后台可编辑的 Tool 名称、描述与启用状态
  • data/mcp-servers.json:远程 MCP Server 配置(只保存 Token 环境变量名,不保存密钥)
  • data/products.json、activities.json、coupons.json:本地模拟数据
  • 商品过滤、活动和优惠券匹配、价格计算均在 lib/engine.ts 中用代码执行
  • Planner 只从已启用 Skill 和 Tool 组装计划
  • $risk-check 是最终强制步骤,停用后前台会拒绝生成未经审核的回复
  • Skill 配置中心支持查看原始 SKILL.md,以及创建可被 Planner 动态选择的新标准 Skill
  • 新增 Skill 支持 AI Create Skill 模式:自然语言描述能力、生成标准草稿、人工确认后落盘
  • Planner 管理中心支持编辑规划 Prompt、必经 Skill、规则 Tool,并调用真实模型预览 Plan JSON
  • 配置保存自动生成版本快照,可在运营中心回滚
  • 评测中心支持真实 Agent 用例运行、关键词检查、风控与延迟评分
  • Agent 执行页支持多轮会话、步骤自动重试与人工接管
  • Skill 支持 Input/Output JSON Schema,执行前后自动校验
  • Planner 支持可视化排序必经 Skill
  • Prompt A/B 实验按流量选择变体,并记录到运行指标
  • 数据中心可视化管理商品、活动与优惠券
  • 运行监控统计成功率、耗时、失败步骤与人工接管率

MCP 模式

在「Tool 管理」中填写 MCP Server 的 Streamable HTTP URL,点击“连接并导入”。平台会通过 tools/list 发现工具并加入 available_tools;Planner 按用户问题选择需要的 MCP Tool,Executor 根据 inputSchema 生成参数并通过 tools/call 执行,参数和结果都会写入 execution_trace。

如服务需要 Bearer Token,只在 .env.local 保存 Token,并在管理页填写对应环境变量名(例如 MCP_API_TOKEN)。MVP 不在页面中保存明文 Token,也不开放 stdio 命令执行。

S
Description
零食电商 AI 客服 Plan、Skill、Tool 配置及评测运营平台
Readme
386 KiB
0 Stars 1 Watchers 0 Forks
Languages
TypeScript 99.9%
JavaScript 0.1%