# Docker 一键部署 Dify
git clone https://github.com/langgenius/dify.git
cd dify/docker
cp .env.example .env
docker compose up -d

# 访问 http://localhost/install 完成初始化

from langchain_anthropic import ChatAnthropic
from langchain_openai import ChatOpenAI

# Claude 模型（通过 derouter.ai）
claude = ChatAnthropic(
    model='claude-sonnet-4-6',
    anthropic_api_key='your-derouter-key',
    anthropic_api_url='https://api.derouter.ai/proxy/v1',
)

# GPT 模型（通过 derouter.ai）
gpt = ChatOpenAI(
    model='gpt-5.4',
    openai_api_key='your-derouter-key',
    openai_api_base='https://api.derouter.ai/openai/v1',
)

from langchain.agents import create_react_agent, AgentExecutor
from langchain_core.tools import tool
from langchain import hub

@tool
def search_web(query: str) -> str:
    '''搜索网页获取最新信息'''
    # 接入你的搜索 API
    return f'搜索结果: {query}'

@tool
def query_database(sql: str) -> str:
    '''查询数据库获取业务数据'''
    # 接入你的数据库
    return f'查询结果: {sql}'

@tool
def send_email(to: str, subject: str, body: str) -> str:
    '''发送邮件'''
    # 接入邮件 API
    return f'邮件已发送给 {to}'

# 创建 Agent
tools = [search_web, query_database, send_email]
prompt = hub.pull('hwchase17/react')

agent = create_react_agent(claude, tools, prompt)
executor = AgentExecutor(agent=agent, tools=tools, verbose=True)

# 运行
result = executor.invoke({
    'input': '查一下上个月销售额最高的产品，然后给销售团队发一封总结邮件'
})

from langchain_community.vectorstores import FAISS
from langchain_anthropic import ChatAnthropic
from langchain.chains import RetrievalQA
from langchain_community.embeddings import HuggingFaceEmbeddings

# 1. 准备向量数据库（本地 embedding，不花钱）
embeddings = HuggingFaceEmbeddings(
    model_name='shibing624/text2vec-base-chinese'
)

# 2. 加载文档建立索引
from langchain_community.document_loaders import DirectoryLoader
loader = DirectoryLoader('./docs/', glob='**/*.txt')
docs = loader.load()
vectorstore = FAISS.from_documents(docs, embeddings)

# 3. 创建 RAG Chain
llm = ChatAnthropic(
    model='claude-sonnet-4-6',
    anthropic_api_key='your-derouter-key',
    anthropic_api_url='https://api.derouter.ai/proxy/v1',
)

qa_chain = RetrievalQA.from_chain_type(
    llm=llm,
    chain_type='stuff',
    retriever=vectorstore.as_retriever(search_kwargs={'k': 3}),
)

# 4. 查询
result = qa_chain.invoke('公司的退货政策是什么？')

from langchain_anthropic import ChatAnthropic
from langchain.agents import create_react_agent, AgentExecutor
from langchain_core.tools import tool
from langchain_core.prompts import ChatPromptTemplate

# 工具定义
@tool
def check_order(order_id: str) -> str:
    '''根据订单号查询订单状态、物流信息'''
    # 实际项目中查数据库
    return f'订单 {order_id}: 已发货，预计3天后到达'

@tool
def search_faq(question: str) -> str:
    '''搜索FAQ知识库回答常见问题'''
    # 实际项目中用向量检索
    return '退货政策：30天无理由退货，免费寄回。'

@tool
def create_ticket(description: str) -> str:
    '''创建人工客服工单（AI 无法解决时使用）'''
    return f'工单已创建: {description}，客服将在1小时内联系您。'

# 创建客服 Agent
llm = ChatAnthropic(
    model='claude-sonnet-4-6',
    anthropic_api_key='your-derouter-key',
    anthropic_api_url='https://api.derouter.ai/proxy/v1',
)

system_prompt = '''你是一个专业的电商客服 Agent。

规则：
1. 用客户的语言回复
2. 先查 FAQ 知识库，再查订单
3. 如果无法解决，创建人工工单
4. 始终礼貌、简洁

可用工具：check_order, search_faq, create_ticket'''

# ... 创建并运行 Agent