基于AI智能体驱动的智能用户管理系统 （源码）

作品简介

​

项目概述

智能用户管理系统是一个基于Python Flask框架开发的现代化客户信息管理工具，专为美容、纹绣等服务行业量身定制。系统集成了先进的人工智能技术，提供智能化的客户数据分析和业务建议。

核心特色

  • 全功能客户管理：支持客户信息的增删改查，灵活的自定义属性
  • AI智能助手：集成智谱AI和DeepSeek双引擎，提供业务洞察
  • 回收站机制：防止误删，支持数据恢复
  • 响应式设计：完美适配PC和移动端
  • 模块化架构：易于扩展和维护

系统架构

技术栈

  • 后端：Python Flask + RESTful API
  • 前端：原生HTML5 + CSS3 + JavaScript
  • AI引擎：智谱AI GLM-4 + DeepSeek Chat
  • 数据存储：JSON文件存储（轻量级部署）

项目结构

用户管理系统 v1.3/
├── app.py                 # 主应用文件
├── model.py              # AI模型集成模块
├── requirements.txt      # 项目依赖
├── data/                 # 数据存储目录
│   ├── users.json       # 客户数据
│   ├── attributes.json  # 自定义属性配置
│   ├── trash.json       # 回收站数据
│   └── ai_agents.json   # AI智能体配置
└── templates/
    └── index.html       # 前端界面

功能详解

1. 客户管理功能

客户信息管理

  • 添加客户：支持动态属性，自动适配所有字段
  • 编辑客户：实时修改客户信息
  • 删除客户：软删除机制，移至回收站
  • 批量操作：支持全选、批量删除

自定义属性系统

  • 动态字段：可自由添加、删除、重命名客户属性
  • 字段排序：拖拽调整属性显示顺序
  • 默认值处理：新属性自动为所有客户设置默认值

回收站功能

  • 数据恢复：一键恢复误删客户
  • 永久删除：彻底清理不需要的数据
  • 清空回收站：批量清理回收站

2. AI智能助手系统

AI智能体管理

  • 多智能体支持：可创建多个专业AI助手
  • 模型选择：智谱AI GLM-4-Flash、DeepSeek Chat、DeepSeek Reasoner
  • 个性化配置：为不同业务场景定制AI助手

AI对话功能

  • 智能分析：基于客户数据提供业务洞察
  • 趋势预测：分析客户增长趋势
  • 营销建议：提供个性化营销策略
  • 数据解读：帮助理解客户数据含义

界面展示

主界面布局

​编辑

主界面采用现代化卡片式设计，包含：

  • 顶部导航栏：系统标题和主要操作按钮
  • 控制面板：添加客户、管理属性、AI助手入口
  • 客户列表：表格形式展示所有客户信息
  • 操作列：编辑、删除、查看详情按钮

客户管理界面

​

编辑

添加/编辑客户采用模态框设计：

  • 动态表单：根据配置的属性自动生成输入框
  • 实时验证：输入格式检查和提示
  • 响应式布局：适配不同屏幕尺寸

AI助手界面

​编辑

AI助手界面特色：

  • 聊天式交互：类似微信的对话体验
  • 上下文感知：基于当前客户数据提供相关建议
  • 多轮对话：支持连续问答
  • 智能体切换：可选择不同专业AI助手

在管理智能体的界面，可以自定义智能体：

​编辑

在聊天的过程中支持切换大语言模型：

​编辑

本项目支持三个模型，分别是智谱的 flash 模型（免费）、deepseek 的 chat 和 r1 模型（收费但很便宜）

属性管理界面

​编辑

属性管理功能：

  • 拖拽排序：直观调整属性显示顺序
  • 实时编辑：双击即可修改属性名称
  • 一键删除：确认提示防止误操作
  • 批量应用：修改后自动更新所有客户数据

安装与部署

环境要求

  • Python 3.7+
  • Flask 2.3.3+
  • 现代浏览器支持

项目优点

  • ✅ AI智能助手集成
  • ✅ 多AI模型支持（智谱+DeepSeek）
  • ✅ 自定义AI智能体功能
  • ✅ 属性拖拽排序
  • ✅ 回收站功能增强
  • ✅ 响应式界面优化
  • ✅ API接口完善

使用演示

api key 的配置在 model.py 中

​编辑

​编辑

以美容纹绣为例进行该项目的演示（特别是对于大模型的调用来进行数据的智能分析）

假设我已经添加了 1000 名虚拟顾客（数据采用 gpt 生成，纯虚拟）

​编辑然后我可以使用内置的 gpt 来进行数据的筛选和生意的扩流

​编辑

​编辑

利用大模型进行数据的深度分析，查看哪些人是值得发展的对象（当做顾客或者介绍人）

​编辑

生成的结果较多，我直接粘贴文字：

 

根据您提供的500名顾客数据，我将从多个维度分析哪些顾客可能再次消费以及哪些顾客可能为您介绍新客户。

一、可能再次消费的顾客特征分析

1. 项目类型与复购可能性

  • 睫毛、美瞳线和眉毛项目的顾客复购率较高(平均2-3年需要补色)，这些顾客中：
  • 备注提到"颜色略淡，考虑补色"的顾客(如贾勇、戴飞等)
  • 提到"希望后期保持效果"的顾客(如郭建国、祁小红等)
  • 发际线项目顾客复购可能性较低(属于一次性项目)，除非有特殊备注

2. 时间维度分析

  • 3年内做过项目的顾客更可能回头：
  • 2021-2024年的顾客占65%
  • 特别是2023-2024年的新客(占35%)
  • 超过5年未回访的老顾客(2017-2018年)回头可能性较低

3. 顾客满意度指标

以下备注表明高满意度，可能复购：

  • "过程舒适，效果自然"(洪凤英、孔秀华等)
  • "效果超出预期"(崔宁、朱凤兰等)
  • "比较满意，会继续关注"(李小红、田淑华等)

二、可能介绍新顾客的"推荐人"特征

1. 高价值介绍人识别

以下介绍人已成功推荐≥3名顾客，是优质推广渠道：

  • 甘桂芳(推荐4人)
  • 徐辉(推荐3人)
  • 王鹏(推荐3人)
  • 周红(推荐3人)
  • 何海燕(推荐3人)

2. 潜在推荐人特征

具有以下特征的顾客可能成为优秀推荐人：

  1. 满意度高的老顾客：
  • 备注"感觉值得信赖"(高秀芳、廖敏等)
  • "整体体验非常好"(陈婷婷、左楠等)
  • "朋友推荐而来，整体满意"(梁玉梅、张志强等)
  1. 社交活跃型顾客：
  • 本身是他人介绍人的顾客(如郭建国自己也是介绍人)
  • 备注中提到"介绍人反馈也不错"(夏玉华、万冬梅等)
  1. 多次消费顾客：
  • 数据中约有12%的顾客做过2次以上不同项目

三、针对性营销建议

1. 回头客激活策略

  • 重点跟进名单：2022-2023年做过睫毛/美瞳线/眉毛项目的顾客(约180人)
  • 激活方式：
  • 补色提醒：项目后1.5-2年时联系
  • 老客专享优惠
  • 满意度高的顾客邀约体验新项目

2. 推荐人培养计划

  • 核心推荐人名单：甘桂芳、徐辉、王鹏等高频介绍人
  • 培养方式：
  • 推荐奖励计划(每次成功推荐给予奖励)
  • 邀请参加新品体验会
  • 定期发送最新案例给这些介绍人

3. 潜在问题预警

  • 投诉风险顾客：备注中有"流程繁琐"、"恢复期不适"等(如杨秀华、任帆等)
  • 流失风险顾客：2019年前的老顾客且无复购记录(约120人)

​

创作时间：