新鈦雲服已累計為您分享844篇技術乾貨
為了解決傳統賬單處理中人工查詢效率低下、響應速度慢及易出錯等問題，同時順應AI技術發展趨勢，提升服務智慧化水平。隨著業務規模擴大和賬單資料複雜度增加，人工處理已難以滿足高效管理需求。我們想到透過AI技術，製作一個賬單機器人，自動化完成賬單查詢與分析，節省人力成本，讓使用者快速獲取準確資訊，提升滿意度。
上圖為基於阿里雲百鍊實現賬單機器人的完整流程。具體步驟如下：
-
使用者透過私聊或者@飛書機器人的方式提出賬單相關的問題。 -
計算巢AppFlow透過飛書接收訊息事件觸發連線流，將問題傳遞給大模型服務平臺百鍊。 -
大模型服務平臺百鍊利用其強大的AI能力生成相應的查詢SQL語句。 -
生成的SQL語句被髮送到函式計算（FC）服務，由FC 執行SQL查詢，從SLS中獲取所需的賬單資料。 -
百鍊平臺根據返回的賬單資料生成最終的答案。 -
答案透過計算巢 AppFlow 返回給飛書機器人。 -
最後，飛書機器人將答案呈現給使用者。
點選https://fcnext.console.aliyun.com/cn-shanghai/functions此連結，在右側選單欄中選擇“函式”，在函式介面上點選“建立函式”按鈕。
選擇“事件函式”，在基本設定裡填寫“函式名稱”。在函式程式碼中，選擇“內建執行時/Python/Python3.12”執行環境，程式碼上傳方式暫時選擇“使用示例程式碼”中的“Hello,world!示例”。高階配置裡的請求處理程式變更為“index.main”，“時區”選擇“Asia/Shanghai 北京時間”，“函式角色”選擇“AliyunFcDefaultRole”，“允許訪問 VPC”選擇“否”，“允許函式預設網絡卡訪問公網”選擇“是”，“日誌功能”選擇啟用，其他配置保持預設就行。完成上述配置後點擊“建立按鈕”。
點選剛建立的函式，進行下一步配置。
選單欄中選擇“程式碼”，將下面的程式碼填寫到index.py裡（注意需要修改程式碼裡的配置！）。完成後點選右上方的▷按鈕。
from aliyun.log import LogClientfrom aliyun.log import *import logging,json,refrom datetime import datetimelogger = logging.getLogger()defdatetime_to_timestamp(date_string, date_format="%Y-%m-%d %H:%M:%S"): dt = datetime.strptime(date_string, date_format)returnint(dt.timestamp())defquery_bill_logs(json_data): accessKeyId = ""#填寫accessKeyId accessKey = ""#填寫accessKey endpoint = "cn-wulanchabu.log.aliyuncs.com"#填寫賬單資料所在的endpoint project = "bill-analysis-xxxx"#填寫賬單資料所在的project logstore = "aliyun_bill"#填寫賬單資料所在的logstore client = LogClient(endpoint, accessKeyId, accessKey) query = json_data["query"]# from_time和to_time表示查詢日誌的時間範圍，UNIX時間戳格式。 from_time = datetime_to_timestamp(json_data["from_time"]) to_time = datetime_to_timestamp(json_data["to_time"])# query引數用於設定查詢語句；line引數用於控制返回日誌條數，line取值為3。 request = GetLogsRequest(project, logstore, from_time, to_time, '', query=query, line=3, offset=0, reverse=False) response = client.get_logs(request)# 查詢結果。 log_res_list=[]for log in response.get_logs(): log_res = log.contents.items() log_res_list.append(dict(log_res))return log_res_listdefmain(event,context): data = event.decode('utf-8') logger.info("收到的資料：{}".format(data)) data=json.loads(data)["sql"]match = re.search(r'\{.*?\}', data,re.DOTALL)ifmatch: json_res = json.loads(match.group(0))# 查詢日誌 log_res=str(query_bill_logs(json_res)) log_res = json.dumps(log_res, ensure_ascii=False, indent=4) logger.info("查詢到的資料：{}".format(log_res))return log_reselse: logger.info("未匹配到json")return"無法匹配到SQL"在TERMINAL中執行下面的語句，透過控制檯Web IDE終端安裝依賴。完成後點選“部署程式碼”按鈕，完成該函式的部署。
pip install -U aliyun-log-python-sdk -t .部署完成後，需要測試一下，驗證是否可以正常查詢。在選單欄中點選“測試”，填寫測試名稱和傳參(傳參可以參考下面的程式碼)，完成後點選“測試”按鈕。
{"sql": "{\"from_time\":\"2025-01-01 00:00:00\",\"to_time\":\"2025-02-01 00:00:00\",\"query\":\"*|select round(coalesce(sum(PretaxAmount),0),3) from splititem_bill_transform\"}"}如下圖所示，即為執行成功。
大模型缺乏私有知識，根據使用者輸入從外部資訊源檢索相關資訊，然後將檢索到的內容整合到使用者輸入中，從而幫助大模型生成更準確的回答。將賬單相關資料引入專有知識庫後，大模型就能準確回答賬單方面的問題。
點選https://bailian.console.aliyun.com/?tab=app#/data-center此連結，
在左側選單欄中選擇“應用資料”，選擇“非結構化資料”，點選類目管理旁的“+”。
填寫“目錄名稱”，完成後點選“確定”按鈕。
選擇剛建立的類目，點選右上角的“匯入資料”按鈕。
匯入方式選擇“本地上傳”，將下面的檔案《分賬賬單欄位.xlsx》傳入到百鍊中，完成後點選確認。
《分賬賬單欄位.xlsx》為分賬賬單各個欄位的名稱及解釋，便於百鍊生成SQL語句。
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
資料匯入完成後，如下圖所示：
在左側選單欄中選擇“知識庫”，點選右上角的“+ 建立知識庫”。
填寫“知識庫名稱”，資料型別選擇“非結構化資料”，其他配置保持預設，完成後點選“下一步”按鈕。
選擇資料選擇“選擇類目”，類目選擇剛建立的類目“阿里雲賬單機器人”，完成後點選“下一步”按鈕。
其他配置保持預設，完成後點選“匯入完成”按鈕。
知識庫建立完成後，如下圖所示：
樣例庫功能作為百鍊的FewShot能力，通過錄入使用者輸入（Query）和期望的模型回覆（Answer）作為樣例資訊源，在模型呼叫時根據使用者輸入，檢索召回相關樣例資訊，以此作為輸出參考，從而提高大模型的回答準確性，適用於問答等場景。
在左側選單欄中選擇“元件管理”，在元件管理介面的頂部選單中選擇“樣例庫”，點選“樣例庫管理”旁的“+”。
填寫“樣例庫名稱”，匯入方式選擇“手動輸入”，將下表資料填入到“樣例示例”，完成後點選“確定”按鈕。
樣例庫配置完成後，如下圖所示：
大模型具備強大的語言能力，但仍有一定的侷限性，例如難以處理私有領域問題、獲取最新資訊、遵循固定流程，以及自動規劃複雜專案。為此，阿里雲百鍊推出了三種大模型應用：智慧體、工作流與智慧體編排，增加了知識庫檢索、網際網路搜尋、工作流設計及智慧體協作等功能，顯著擴充套件了大模型的應用範圍。下表說明三種大模型應用的簡介及示例場景。
生成SQL
點選https://bailian.console.aliyun.com/?tab=app#/app-center此連結，
在左側選單欄中選擇“應用管理”，在應用管理介面的右上角點選“+ 新增應用”按鈕。
選擇“智慧體應用”，點選“立即建立 ↗”按鈕。
選擇“通義千問-Max”，提示詞填“需要從使用者的問題中梳理出要查詢哪些資訊，輸出要查詢資料的SQL。如果無法生成要查詢的SQL則回覆“抱歉，您的問題暫時無法回覆，請聯絡工程師””，選擇剛建立的知識庫和樣例庫。完成後在右側輸入問題“查詢2月阿里雲花費金額”，點擊發送按鈕，查看回答是否如下圖所示。若與下圖答覆一致，則點選右上角的“釋出”按鈕。
釋出完成後，會在剛建立的智慧體應右上角顯示“已釋出”。注意:未釋出會導致下面的流程出現問題！
查詢賬單
在應用管理介面的右上角點選“+ 新增應用”。
選擇“工作流應用”，點選“建立任務型工作流 ↗”按鈕。
按下圖所示進行配置，引用上文建立的FC函式查詢賬單資料，結合使用者的問題和查到的賬單資料，透過大模型組織答案。
完成配置後，點選“測試”按鈕，輸入query：“查詢1月阿里雲花費金額”，sql：“{"from_time":"2025-01-01 00:00:00","to_time":"2025-02-01 00:00:00","query":"*|select round(coalesce(sum(PretaxAmount),0),3) from splititem_bill_transform"}”。完成後點選“執行”按鈕。
若結果如下圖所示，則說明配置成功。
更改應用名稱，點選右上角的“釋出”按鈕。
釋出完成後如下圖所示：
賬單機器人
在應用管理介面的右上角點選“+ 新增應用”。
選擇“智慧體編排應用”，點選“建立智慧體編排應用↗”按鈕。
按下圖所示進行配置，將剛建立的兩個應用串聯起來，先根據使用者的問題生成查詢SQL，再執行SQL獲取賬單資料，最終根據使用者的問題組織答案。
注意：查詢賬單工作流配置，要輸入兩個變數，一個是使用者的問題，一個是智慧體應用輸出的SQL。
完成後點選“測試”按鈕，輸入query：“查詢2月阿里雲花費金額”，點選“執行”按鈕。
若執行結果如下圖所示，則說明執行成功。成功後點擊“釋出”按鈕。
釋出完成後如下圖所示：
點選https://bailian.console.aliyun.com/?tab=app#/api-key此連結，在左側選單欄中選擇“API-Key”，點選API Key管理介面右上角的“建立我的API-KEY”按鈕。
選擇應用所在的歸屬業務空間，完成後點選“確定”按鈕。
API-Key建立完成後，如下圖所示：
點選https://open.feishu.cn/app此連結，在企業自建應用介面，點選“建立企業自建應用”按鈕。
填寫應用名稱和應用描述，完成後點選“建立”按鈕。
在左側選單欄中選擇“新增應用能力”，找到機器人，點選“+新增”按鈕。
在左側選單欄中選擇“事件與回撥”，選擇“加密策略”，複製Encrypt Key和Verification Token，用於下文配置計算巢AppFlow。
在左側選單欄中選擇“事件與回撥”，在事件配置介面，訂閱方式選擇“將事件傳送至 開發者伺服器”，填寫請求地址（這個請求地址在下文計算巢AppFlow配置中），完成後點選“儲存”按鈕。點選“新增事件”按鈕，新增“使用者進入與機器人的會話”、“接收訊息”、“機器人自定義選單事件”這三個事件。
在回撥配置介面，像事件配置一樣，配置訂閱方式，並新增“卡片回傳互動”回撥。
計算巢AppFlow配置完成後會得到IP白名單，將這些IP配置到飛書應用的IP白名單中。
計算巢AppFlow透過介面化快速編排的方式，組合多個聯結器的觸發事件和執行動作，從而連線多個應用系統，實現業務流程自動化。使用計算巢AppFlow對接飛書和百鍊，無需使用者寫程式碼實現，而且計算巢AppFlow是免費的。
點選
https://appflow.console.aliyun.com/vendor/cnhangzhou/flowTemplate/manage
此連結，在左側選單欄中選擇“模板中心”，找到“飛書自建應用 X 阿里雲百鍊”。
點選“立即使用”按鈕。
點選“新增新憑證”建立飛書自建應用機器人憑證。
填寫“憑證名稱”、“App ID”、“App Secret”、“AES Key”、“token”，這些在飛書應用中可以找到。底下的“IP白名單”新增到飛書應用白名單中。完成後點選“確定”按鈕。
點選“新增新憑證”建立阿里雲百鍊憑證。
填寫“憑證名稱”和“API-KEY”（請見上文建立API-Key）。完成後點選“確定”按鈕，再點選“下一步”按鈕。
填寫“應用Id”（名為“賬單機器人”的百鍊智慧體編排應用Id ）,完成後點選“下一步”按鈕。
填寫“連線流名稱”和“連線流描述”，完成後點選“下一步”按鈕。
這個WebhookUrl地址，即為上文飛書應用配置事件與回撥的請求地址。點選“釋出”按鈕。
在飛書App左側選單欄中選擇“工作臺”，點選右上角“⚙設定”。
在我的工作臺中，點選右上角的“新增應用”按鈕，將剛建立的“阿里雲賬單機器人”新增進來。
點選進入阿里雲賬單機器人。
傳送“查詢1月阿里雲花費金額”，若機器人回答如下圖所示，說明配置成功了。
至此，阿里雲賬單機器人配置完成。此外，藉助AI技術的智慧分析能力，機器人可進一步挖掘賬單資料價值，最佳化資源配置，助力企業降本增效，適應數字化轉型需求。
如有相關問題，請在文章後面給小編留言，小編安排作者第一時間和您聯絡，為您答疑解惑。
推薦閱讀
推薦影片
