基于云开发框架接入ChatGPT的新零售电商平台研究与实现

王晨 李海洋 王彩霞

DOI：10.19850/j.cnki.2096-4706.2024.01.003

收稿日期：2023-05-26

摘  要：文章从现实需求出发，分析传统农产品销售平台存在的弊端及其原因，提出了基于云开发框架接入人工智能服务ChatGPT的新零售电商平台，围绕农产品底层营销需求对平台架构进行设计。在开发载体上采用国内使用频率较高的微信小程序，软件技术上采用云开发框架uniCloud，避免传统开发中服务器配置及平台适配问题，并结合微服务架构，实现各业务功能服务组件化，同时结合ChatGPT-4人工智能技术，针对用户需求提供人性化解决方案。测试结果表明，平台可以满足高并发场景，支持农产品的新零售模式，有力地促进了农业电商的蓬勃发展。

关键词：云开发框架；新零售；微服务架构；人工智能；小程序；农业电商

中图分类号：TP311  文献标识码：A  文章编号：2096-4706（2024）01-0012-05

Research and Implementation of a New Retail E-commerce Platform Connecting to ChatGPT Based on Cloud Development Framework

WANG Chen1， LI Haiyang2， WANG Caixia1

（1.School of Computer Science and Software Engineering， University of Science and Technology Liaoning， Anshan  114051， China; 2.School of Electronic and Information Engineering， University of Science and Technology Liaoning， Anshan  114051， China）

Abstract： Starting from practical needs， this paper analyzes the drawbacks and reasons of traditional agricultural product sales platforms， and proposes a new retail E-commerce platform connecting to artificial intelligence service ChatGPT  based on cloud development framework. The platform architecture is designed around the underlying marketing needs of agricultural products. It uses WeChat mini programs， which are commonly used in China， as the development medium， and the cloud development framework uniCloud as the software technology to avoid server configuration and platform adaptation issues in traditional development. It combines the microservices architecture to achieve componentization of various business functions and services. At the same time， it combines ChatGPT-4 artificial intelligence technology to provide humanized solutions for user needs. The test results show that the platform can meet high concurrency scenarios， support new retail modes for agricultural products， and effectively promote the vigorous development of agricultural E-commerce.

Keywords： cloud development framework; new retail; microservice architecture; artificial intelligence; mini program; agricultural E-commerce

0  引  言

農产品具有生长时令性、生产周期长、容易受气候等外部环境影响、保质期短等特性[1]，农产品销售问题一直困扰广大农户。在互联网+时代背景下，各地大力发展农业信息化，上线农产品销售平台，然而推广效果较差，并未真正改变农产品的交易模式[2，3]。

分析其原因主要有以下几点：一是现有电商平台阻碍推广，地方政府开发的多数为原生应用（Native App），然而当下客户流量被各大主流平台垄断，无疑触犯了其商业利益。二是Native App操作逻辑复杂，超出了大部分国内农户的信息技术认知水平，农户很难真正掌握。三是各大电商平台只注重特定农产品领域，虽有实际突破[4]，但其信息化福利并不能真正惠及广大农户。

本文从农户实际需求出发进行业务架构设计，采用国内主流应用微信小程序作为开发载体，接入当前热门人工智能技术ChatGPT-4为农户的不同需求规划解决方案。实际测试中，本文设计的基于云开发框架接入ChatGPT的新零售电商平台，从功能服务与软件性能上均满足当下农户对于销售渠道智能信息化的需求。

1  电子商务平台总体架构

典型的电子商务平台构成基本要素[5]为：交易主体、交易客体、需求适配、交易物流、售后服务等过程。农产品交易过程存在不确定性、不规范性、真实性强、小规模等特点，不能依照传统以交易主体规范化、三方评价监督的体系进行交易平台设计。本文以农户个人为组织主体[6]，通过线上线下营销模式搭配人工智能给出优秀方案，让程序充分发挥灵活性、精准性、便捷性，强化营销应用性与时效性，以拓宽销售出路。

1.1  系统功能业务设计

新零售是指以网络为基础，通过大数据、人工智能等技术服务，对商品生产、流通、销售进行底层改造，形成零售生态结构和生态圈[7]。当下流行的农产品电商体系主要是O2O和B2C两种营销模式[8]，但业务主体不同，难以真正实现深度融合。本文基于C2C+O2O新零售理念，打造具备现代零售能力的农户主体，并基于此添加人工智能服务设计功能架构，其主要业务创新点如下：

1）本文创新设计了结合C2C（Consumer To Consumer）模式的农户个人品牌电商业务及其配套功能，个人与个人之间的电子商务模式。对于农产品而言具备天然、原生态的优质属性，符合市场消费需求，通过平台业务以形成稳定的微营销渠道，适应小农生产模式。

2）本文又为平台引入O2O（Online To Offline）模式下的同城模式及配套功能，线下商务同互联网结合起来，线上展示作为线下交易的流量入口。对于农户而言，依靠O2O平台可以使产品更具黏性、扩大消费者消费意愿、提高交易流动性、及时更新产品信息来谋取最大利益。对于消费者来说可以获得更全面的、更及时、更丰富的产品资讯，使购物更便捷、更高效，提升使用满意度。

3）程序接入当下爆火的人工智能技术ChatGPT。它可以全天候运行，在任何时间对用户查询提供即时的、高满意度的智能答复。这可以帮助吸引更多用户，节省企业的时间和资源，同时提升用户体验和企业收益。它还可以通过分析用户数据和消费趋势，为平台提供营销策略和方案，帮助平台实现精准营销，提高转化率。

以上需求对应业务功能为：同城模块、个人中心模块及智能查询模块。结合传统农业电商平台的基础业务需求、功能业务需求进行系统功能业务设计，基于云开发框架接入ChatGPT的新零售电商平台功能架构图如图1所示。

1.2  微服务架构设计

软件架构从最初的单体架构发展到分布式架构，再到目前面向服务组件化的微服务架构，更加适应了业务需求的动态变化[9]。微服务是指可以独立完成一个功能的服务组件，微服务可以独立进行开发、测试、部署等流程，且具备高复用、易于拓展、高并发等特性[10]。本文通过微服务架构去中心化，深入分析功能模块的微服务，力求实现功能模块高内聚低耦合的设计规范并结合云框架、容器等技术，提高服务的伸缩性以实现项目的快速部署和修正[11]。

本文从系统的功能业务进行深度分析，将平台服务功能分为各个微服务组件，分别是：商品展示、智能查询、同城速达、个人详情、移动支付、用户中心、购物车、订单管理、后台管理，每个组件负责为系统提供相应的功能服务。平台具体搭建采用微服务架构和经典三层模式（视图层、业务逻辑层、数据访问层）。架构设计图如图2所示。

2  电子商务平台具体设计

基于云开发框架接入ChatGPT的新零售平台基本功能包括智能查询、用户信息管理、同城定位详情、可视化页面展示、后台数据管理、页面监控等功能，基于uni-app开发的项目具备良好的跨端性能[12]，可以方便地移植到其他系统，下文從技术层面介绍平台的具体设计。

2.1  视图层的设计与实现

页面视图层（User Interface）是将获取到的数据提供给可视化界面并直接同用户交互的设计层。本文采用前后端分离的设计架构，前端使用三大流行框架之一的Vue.js，利用其自底向上的设计特性渐进式开发，结合Element UI组件库丰富平台样式。Vue是基于MMVM（Model-View-ViewModel）模型的框架，避免原生DOM（Virtual DOM）操作，依赖于视图模型，只需声明页面同模板的关系就可解决数据的单向绑定、异步刷新、维护困难等弊端。页面数据更新由Diff算法和虚拟DOM模式共同完成，只把变化的DOM节点进行重新编译更新，可极大降低变更真实DOM的频率，优化渲染，提高用户体验。且Vue.js支持模块组件化开发，每一个封装好的Vue组件可以单独实现一个功能，可以支持微服务架构设计，而且组件之间互不干扰，每个组件独立进行开发与拓展，组件间的通信由路由组件总体负责，极大降低设计复杂度。

电商平台页面主要为：智能查询、登录模块、用户中心、订单管理、同城发现等模块。页面视图层负责同用户的直接交互，其主要交互过程如图3所示，具体为：

1）智能查询模块是程序的特色所在。传统模式下农户对线上销售模式不了解以及不知如何规划出售方案可能导致产品滞销等问题，此时接入ChatGPT的查询模块可以结合农户具体的需求为其提供定制的解决方案。近年来，ChatGPT的应用范围也逐渐扩大，包括写作、翻译、搜索、情感分析等多个领域都已经开始尝试使用ChatGPT来协助完成任务。

2）账号登录时对用户进行身份验证。用户验证对于系统安全性极为重要，只有客户端正确输入用户名和密码才能进入程序请求服务。用户注册时的密码，采用SHA-1自动加密，非明文存储密码到数据库，SHA-1是不可逆加密方式，相较于MD5强度更高。依赖于SHA-1的不可逆加密，即使数据库或者密钥丢失也无法破解密码。

3）用户中心模块进行个性化信息设置，对于买家而言主要设置其收货信息、产品偏爱，对于农户而言可以展示农产品的生产流程。农户在个人中心通过调用商家注册接口上传个人信息，存储到云数据表UserInfo中。信任是交易的前提，农户通过个人品牌打造出本地化的营销生态，构建自身的微营销的生态圈，通过展示平台让客户所见即所得，提高客户信任度。

4）同城模块主要负责开启定位功能，实现线上线下一体化门户的效果，让周边用户及时发现。系统通过微信小程序提供的uni.getLocation（OBJECT）实现定位功能，获取实时经纬信息，并进行解析，返回具体的街道信息。同城模块便于用户快速发现兴趣产品，通过线上支付，实现随时可解决烦琐的买卖工作。对于农户而言则是提供本地服务整合平台，提高用户黏度，持久保持销量。

5）订单管理模块负责订单状态变化及底层数据操作，业务逻辑比较复杂，是系统管理的核心枢纽。农户在订单管理模块可以看到订单状态、交易金额、物流信息，对于同城订单，农户通过平台可直接沟通买家，进行位置发送或者同城配送。

2.2  业务处理层设计实现

业务处理层是结合页面视图层的请求向数据访问层提交处理数据。本文采用云开发模式，云开发是为了以最小的资源支持最大数量的用户和弹性服务。uniCloud是基于serverless封装的云服务器，包含laaS（Infrastructure as a Service）层和PaaS（Platform as a Service）层。相较于传统开发，此模式的优点是不依赖于具体的服务器硬件，通过庞大的Serverless资源池保证大量服务进程的正常运作，解决了传统开发中配置代理、高并发扩容、难以应对DDOS攻击、运维烦琐等弊端。

2.2.1  处理业务功能请求

本文基于组件化开发设计各个功能组件及其配套的云函数，不同的组件模块对应不同的逻辑处理模块，提供功能微服务[13]，业务层通过云函数响应客户端的request请求，Serverless调度中心分析进程情况，并分配对应实例来响应请求。

传统电商平台一直存在质量不高、人工客服工作量大、效率低下的弊病，若能解决此问题，相信平台将成为用户的不二选择。ChatGPT的诞生让解决这些问题成为可能，本文使用ChatGPT来自动生成客户回复，解决常见问题等，以提高客户服务效率和质量。下文重点介绍智能查询及其配套功能的业务处理流程。

智能查询依赖于通过uni-ai库配置自己在AI厂商处申请的API Key和代理，在页面层请求查询服务时，只需把私有数据按指定格式提交到自己的uniCloud服务空间，就可以自动把这些最新的、私有的知识加入到AI的回答中。智能查询模块为农户提供了优秀的规划方案，只需要搜索提问就可完成原本需要搜集大量资料，规划很久的问题。

在云函数或云对象中编写如下代码：

// 不指定provider

const llm = uniCloud.ai.getLLMManager（）

// 指定openai，需自行配置相关key，以及中转代理服务器

const openai = uniCloud.ai.getLLMManager（{

provider： 'openai'，

apiKey：'your key'，

proxy：'www.yourdomain.com' //也可以是ip

}）

// 因涉及费用，ai能力调用均需在服务器端进行，也就是uniCloud云函数或云对象中

let llm = uniCloud.ai.getLLMManager（）

llm.chatCompletion（{

messages： [{

role： 'user'，

content： '规划今年樱桃的种植方案'

}]}）

这种将ChatGPT结合客服的智能处理方式的创新性和实用性非同以往，是降低成本、提高用户满意度的一个的新思路。但是由于接口的不稳定性，响应速度目前无法得到较妥善的解决，这也是该技术需要改进的地方。

2.2.2  处理页面数据请求

业务处理层的核心功能是对页面层发送来的操作请求进行处理，通过提前设计的微服务业务逻辑进行数据访问、加工、流转操作，原始请求数据经过处理层中的各个环节进行处理。数据的流动展示了数据在系统中被利用和处理的过程，体现了系统的逻辑功能。

下文以平台购物车中的数据流动为例，介绍业务处理层对页面层的数据请求操作流程。用户在客户端发起商品收藏、添加到购物车中的请求，把同城商品信息和提交的商品信息交到购物车中心，并传递参数UserID与NewValue，云函数中通过JQL查询操作数据表cart，把数据提交到数据库中心，调用UpDate方法进行数据更新，同时刷新页面，通过生命周期挂钩子调用GetData方法重新渲染页面，利用diff算法复用DOM节点加快渲染速度，给予用户良好的体验。图4为购物车的数据流图，反映了平台的信息处理逻辑。

2.3  数据访问层

本文主要利用MongoDB结合拓展库Redis构成数据访问层。MongoDB是非关系型面向文档数据库，读写较慢，但支持所有查询语法，核心优势是处理大数据表非常灵活。Redis是基于键值对的内存数据库，核心优势是读写速度快，常用于大型数据库的补充搭配使用，解决缓存高频数据、秒杀抢购等场景。由于采用云数据库开发，数据库中的每条记录都是JSON格式，框架统一了两种数据库的存储数据方式，并设计了JQLCacheRedis命令，可以很方便地将MongoDB中的数据缓存到Redis中，极大提高了数据解析效率。

3  平台测试及分析

3.1  性能测试

由于采用小程序为载体，用户点击页面十分便利，对于服务器请求较为频繁，对于可视化页面刷新速度要求高，因此服务器的响应速度直接影响用户体验。通过模拟真实业务场景进行压力测试，验证平台在流量高峰、高并发时是否存在Bug，程序实际上线能否具备容錯能力和海量访问等复杂场景。本文通过微信开发者测试工具对小程序进行性能测试，测试用例xxx，以浪涌模式向服务器发送测试请求，每次串行测试持续1分钟，得到服务器的测试报告，测试报告证明平台具有应对高并发性的特性。

3.2  流程测试

本项目开发完毕后，在支付宝小程序平台、微信小程序平台进行流程测试，通过模拟实际农户交易场景，验证设计需求同实际需求一致。首先一名测试人员通过商品管理进行农产品上架，并设置同城展示标签，随机选择一处地点进行产品售卖；另一位测试人员通过个人中心设置商品推荐，此次推荐为售卖的测试农产品，根据同城模块可以定位到农户所在处，并和农户进行沟通，此时可以看到农户的个人详情，并加入群聊管理，便于后续交易。经过实地测试，平台可以完成同城推荐、个人详情展示、商品管理、在线支付、智能查询等功能，其中试运行如图5所示。

4  结  论

本文设计了一种基于云开发框架接入ChatGPT的新零售电商平台，与现有平台相比，其与用户绑定程度深、操作简单便捷，认同程度高，可以达到降低边际成本，提高实际收入的效果。解决了传统开发中部署维护琐碎、开发运维成本高、效率低下等弊病。经测试，平台所提供的功能和性能可以满足农户实际需求。本文接下来将致力于优化推荐系统，打造更适应个人品牌的推荐模式，结合深度学习、大数据分析、人工智能等技术优化推荐算法，提高用户满意度。

参考文献：

[1] JENSEN F E. The Farm Credit System as a Government‐Sponsored Enterprise [J].Applied Economic Perspectives and Policy，2000，22（2）：326-335.

[2] 孙雨生，刘涛.国内农产品电子商务研究进展：研究力量和知识基础 [J].计算机与数字工程，2022，50（7）：1449-1458.

[3] 张驰，宋瑛.农产品电子商务研究新进展：行为、模式与体系 [J].中国流通经济，2017，31（10）：55-64.

[4] 冯颖，王远芳，张炎治，等.随机产出下商务模式对生鲜农产品供应链运作的影响 [J].系统工程理论与实践，2020，40（10）：2631-2647.

[5] 柴跃廷，于潇，刘镇铭.电子商务可信交易保障公共服务平台设计与实现 [J].清华大学学报：自然科学版，2018，58（9）：802-807+820.

[6] 李博伟，朱臻，沈月琴.产业组织模式对经济林种植户生态化经营的影响 [J].林业科学，2020，56（6）：152-164.

[7] 陈少峰，李微，宋菲.新一代信息技术条件下文化与科技融合及其产业形态研究 [J].山东大学学报：哲学社会科学版，2022（5）：50-59.

[8] 王国振，翟璐.O2O和C2B创新背景下农产品流通模式的融合与发展 [J].商业经济研究，2022（9）：125-128.

[9] 吴化尧，邓文俊.面向微服务软件开发方法研究进展 [J].计算机研究与发展，2020，57（3）：525-541.

[10] ASROWARDI I，PUTRA S D，SUBYANTORO E. Designing microservice architectures for scalability and reliability in e-commerce [J/OL].Journal of Physics： Conference Series，2020，1450（1）：012077[2023-04-26].https：//iopscience.iop.org/article/10.1088/1742-6596/1450/1/012077.

[11] SAHIN O，AKAY B. A discrete dynamic artificial bee colony with hyper-scout for RESTful web service API test suite generation [J].Applied Soft Computing，2021，104：107246[2023-04-26].https：//www.sciencedirect.com/science/article/abs/pii/S1568494621001691.

[12] 李张永，陈和平，顾进广.跨平台移动Web开发框架与数据交互方法 [J].计算机工程与设计，2014，35（5）：1827-1832.

[13] 崔海涛，章程，丁翔，等.面向微服务架构的开发组织适应性评估框架 [J].軟件学报，2021，32（5）：1256-1283.

作者简介：王晨（2002—），男，汉族，辽宁大连人，本科在读，研究方向：软件工程。