基于多Agent架构的智能客户关系管理平台，使用现代Python技术栈和AI技术构建。
- 多Agent架构: 销售、市场、产品、客户成功等专业Agent协作
- 智能对话: 基于大语言模型的自然语言交互
- 知识增强: RAG技术提供智能知识检索和问答
- 实时通信: WebSocket支持的实时消息推送
- 工作流自动化: 客户发现、线索管理、销售漏斗自动化
- 现代技术栈: FastAPI + SQLAlchemy + PostgreSQL + Redis + Qdrant
- Web框架: FastAPI
- 数据库: PostgreSQL + SQLAlchemy
- 缓存: Redis
- 消息队列: RabbitMQ
- 向量数据库: Qdrant
- AI框架: LangChain + LangGraph
- 嵌入模型: BGE-M3 (中英文)
- 重排序: BGE-reranker-v2-m3
- 框架: React + TypeScript
- 样式: Tailwind CSS
- 组件库: Shadcn/ui
- 实时通信: WebSocket
- 包管理: uv (超快的Python包管理器)
- 代码质量: Black + isort + Ruff + MyPy
- 测试: pytest + pytest-asyncio
- 容器化: Docker + Docker Compose
- CI/CD: GitHub Actions
- Python 3.11+
- PostgreSQL 15+
- Redis 7+
- Docker & Docker Compose (可选)
# macOS/Linux
curl -LsSf https://astral.sh/uv/install.sh | sh
# Windows
powershell -c "irm https://astral.sh/uv/install.ps1 | iex"
# 或使用包管理器
brew install uv # macOS
pip install uv # 任何平台git clone https://github.com/company/conversational-crm.git
cd conversational-crm# 运行设置脚本（推荐）
python scripts/setup.py
# 或手动设置
make init编辑 .env 文件，配置你的API密钥和数据库连接：
# 数据库配置
DATABASE_URL=postgresql://postgres:password@localhost:5432/crm_db
# AI服务配置
OPENAI_API_KEY=your_openai_api_key_here
# 或使用中文模型
ZHIPU_API_KEY=your_zhipu_api_key_here
QWEN_API_KEY=your_qwen_api_key_here# 启动所有依赖服务
make dev-services
# 运行数据库迁移
make migrate
# 初始化种子数据
make seed
# 启动开发服务器
make run- API文档: http://localhost:8000/docs
- 应用界面: http://localhost:8000
- Grafana监控: http://localhost:3000 (admin/admin)
- RabbitMQ管理: http://localhost:15672 (guest/guest)
# 安装依赖
uv sync # 生产依赖
uv sync --dev # 包含开发依赖
uv sync --all-extras # 包含所有可选依赖
# 添加新依赖
uv add fastapi # 添加生产依赖
uv add --dev pytest # 添加开发依赖
uv add --optional prod gunicorn # 添加可选依赖
# 更新依赖
uv sync --upgrade # 更新所有依赖
uv add --upgrade fastapi # 更新特定依赖
# 运行命令
uv run python script.py # 在虚拟环境中运行
uv run pytest # 运行测试
uv run uvicorn src.main:app --reload # 启动服务器# 开发
make run # 启动开发服务器
make test # 运行测试
make test-cov # 运行测试并生成覆盖率报告
make lint # 代码检查
make format # 代码格式化
make type-check # 类型检查
# 数据库
make migrate # 运行迁移
make migrate-create # 创建新迁移
make seed # 初始化种子数据
# Docker
make docker-build # 构建镜像
make docker-run # 运行容器
make dev-services # 启动开发服务
make stop-services # 停止服务
# 部署
make deploy-prep # 生产部署准备
make ci # 完整CI检查conversational-crm/
├── src/ # 源代码
│ ├── agents/ # Agent实现
│ │ ├── base.py # 基础Agent类
│ │ ├── professional/ # 专业Agent
│ │ ├── manager.py # Agent管理器
│ │ └── communication.py # Agent通信
│ ├── api/ # API路由
│ ├── core/ # 核心配置
│ ├── models/ # 数据模型
│ ├── schemas/ # Pydantic模式
│ ├── services/ # 业务服务
│ ├── workflows/ # 业务流程
│ ├── websocket/ # WebSocket支持
│ └── main.py # 应用入口
├── tests/ # 测试代码
├── frontend/ # 前端代码
├── alembic/ # 数据库迁移
├── scripts/ # 工具脚本
├── monitoring/ # 监控配置
├── pyproject.toml # 项目配置
├── uv.toml # uv配置
├── Makefile # 构建脚本
└── docker-compose.dev.yml # 开发环境
# 运行所有测试
make test
# 运行特定测试
uv run pytest tests/test_agents/ -v
# 运行集成测试
make test-integration
# 生成覆盖率报告
make test-cov
# 性能测试
make perf-test项目集成了完整的监控栈：
- Prometheus: 指标收集
- Grafana: 可视化仪表板
- Jaeger: 分布式追踪
- 结构化日志: 使用 structlog
# 构建镜像
make docker-build
# 运行容器
make docker-run# 应用Kubernetes配置
kubectl apply -f k8s/- Fork 项目
- 创建特性分支 (
git checkout -b feature/amazing-feature) - 提交更改 (
git commit -m 'Add amazing feature') - 推送到分支 (
git push origin feature/amazing-feature) - 创建 Pull Request
项目使用以下工具确保代码质量：
- Black: 代码格式化
- isort: Import排序
- Ruff: 快速代码检查
- MyPy: 类型检查
- pre-commit: Git钩子
本项目采用 MIT 许可证 - 查看 LICENSE 文件了解详情。
感谢以下开源项目：
使用 uv 构建，为现代Python开发而生 🚀