如何构建SaaS平台的副驾驶

大多数客服机器人都在瞎猜，这个不会。5 分钟讲清楚：如何构建一个只读、只凭证据回答并始终标明引用的 AI 支持副驾驶。演示对象是 Loopline，一个虚构的工单应用，其中预置了一个通知故障。你会看到类型化并经过验证的模型输出、路由、安全的工具、有界的智能体循环、混合检索（RAG）、调用图、记忆、规划、权限感知搜索、对破坏性命令的拒绝，以及提示注入防御——画面里都是仓库中的真实代码和真实测试输出。

本视频是对核心构建过程的浓缩总结（覆盖 19 节课中的第 00–13 课）。完整的分步课程、代码和测试都在仓库里：
https://github.com/scheffershen/saas-support-copilot

时间戳：

• 0:00 问题：一个不会瞎猜的支持副驾驶
• 0:56 类型化的大脑：结构化输出与路由
• 1:55 工具与智能体循环
• 2:53 找到知识：RAG、调用图、记忆与规划
• 3:50 安全：权限、拒绝与提示注入
• 4:56 回顾与代码在哪里

涵盖的课程（仓库的 `lessons/` 文件夹）：

• 00 我们要构建什么
• 01 Python 项目基础
• 02 最小的实用 LLM 调用
• 03 系统提示和结构化输出
• 04 决策、路由和工作流
• 05 工具和安全工具合约
• 06 代理循环
• 07 对话状态与记忆
• 08 RAG 基础
• 09 用知识图谱理解代码关系
• 10 权限感知搜索
• 11 评估功能的可行性
• 12 人工审批与拒绝机制
• 13 提示词注入与数据外泄防护

这是学习用的原型，不是生产环境的安全保证：仓库里的生产就绪清单列出了仍然缺少的部分。Loopline 是虚构的，没有使用任何真实公司的数据。

旁白是用作者本人声音生成的 AI 语音。

#AI智能体 #RAG #LLM #Python #提示注入 #软件工程 #SaaS #教程