AI+电商应用教程：零基础用宝塔部署智能推荐与客服机器人
想给电商网站加 AI 能力，不必从零训练模型。
对零基础用户来说，最省事的路径是：准备一台云服务器，用宝塔面板搭好 Python 环境，再调用现成的大模型接口，先跑通一个智能推荐或客服机器人的最小示例。
下面按可复现的步骤讲清楚准备条件、操作过程和验证方法。
先确认你的环境够不够用
这套教程适合已有商品数据、想快速验证 AI 场景的个人站长或小团队。
你需要准备：
- 一台 2 核 4G 以上的 Linux 云服务器，系统选 CentOS 7.9 或 Ubuntu 22.04 均可，本文以 Ubuntu 22.04 为例。
- 服务器已放行
80、443和宝塔面板端口（默认8888）。 - 一个可用的 AI 大模型接口密钥，例如智谱、通义千问、DeepSeek 等平台的 API Key，具体申请方式以各平台控制台为准。
- 一份商品数据，CSV 或 JSON 都可以，字段至少包含商品名、价格、简介。
注意：本文不绑定任何特定厂商，接口地址和模型名请以你申请到的平台文档为准。
如果你还没有 API Key，可以先跳过调用步骤，用本地模拟数据验证流程。
安装宝塔并准备 Python 运行环境
用 SSH 登录服务器，执行宝塔官方安装脚本（以官网最新命令为准）：
wget -O install.sh https://download.bt.cn/install/install-ubuntu_6.0.sh && sudo bash install.sh ed8484bec安装完成后会输出面板地址、用户名和密码，浏览器打开后登录。
接着在宝塔后台完成三件事：
- 进入「软件商店」，安装 Nginx 和 MySQL（如果电商站已有数据库可跳过 MySQL）。
- 搜索并安装 Python 项目管理器，版本选 3.10 或 3.11。
- 在「网站」中新建一个站点，例如
ai-demo.yourdomain.com，根目录设为/www/wwwroot/ai-demo。
安装完成后，在 SSH 中验证 Python 是否可用：
python3 --version
pip3 --version如果提示找不到命令，回到宝塔「Python 项目管理器」页面，确认已添加对应版本并设置为默认。
跑通第一个 AI 电商小工具
进入站点目录，创建虚拟环境和依赖文件：
cd /www/wwwroot/ai-demo
python3 -m venv venv
source venv/bin/activate
pip install flask requests pandas新建 app.py，写入一个最小示例：读取商品 CSV，接收用户输入的商品名，调用大模型接口生成推荐话术。
核心逻辑如下：
import os, requests, pandas as pd
from flask import Flask, request, jsonify
app = Flask(__name__)
API_KEY = os.environ.get("AI_API_KEY")
API_URL = "https://你的平台接口地址/v1/chat/completions"
def load_products():
return pd.read_csv("products.csv")
@app.route("/recommend", methods=["POST"])
def recommend():
name = request.json.get("name", "")
df = load_products()
item = df[df["name"].str.contains(name)].head(1)
if item.empty:
return jsonify({"error": "未找到商品"}), 404
prompt = f"请为商品{item.iloc[0]['name']}写一句推荐语，价格{item.iloc[0]['price']}元，简介：{item.iloc[0]['intro']}"
resp = requests.post(API_URL, headers={"Authorization": f"Bearer {API_KEY}"}, json={"model": "你的模型名", "messages": [{"role": "user", "content": prompt}]}, timeout=30)
return jsonify({"recommendation": resp.json()["choices"][0]["message"]["content"]})
if __name__ == "__main__":
app.run(host="0.0.0.0", port=5000)把 products.csv 放到同目录，字段用 name,price,intro。
然后在宝塔「Python 项目管理器」中添加项目，启动文件选 app.py，端口填 5000，环境变量里加上 AI_API_KEY。
避坑提醒：不要把 API Key 直接写进代码提交到公开仓库；
生产环境建议用环境变量或宝塔的「环境变量」配置项。
另外，调用外部接口可能受网络影响，timeout 不要设得太短，建议 30 秒以上。
验证是否真的跑通
在服务器上执行：
curl -X POST http://127.0.0.1:5000/recommend -H "Content-Type: application/json" -d '{"name":"你的商品名"}'如果返回包含推荐语的 JSON，说明链路正常。
接着在宝塔「网站」中给站点配置反向代理，把 /api 转发到 http://127.0.0.1:5000，前端页面即可通过 https://你的域名/api/recommend 调用。
常见报错对照：
- 返回
401：API Key 错误或未加Bearer前缀。 - 返回
404：商品名在 CSV 中没有匹配，检查字段名和内容。 - 请求超时：服务器到接口地址网络不通，先在 SSH 里用
curl -I 接口地址测试连通性。 - 宝塔项目启动失败：查看项目日志，常见原因是虚拟环境路径不对或依赖未安装完整。
常见疑问
一定要用宝塔吗？ 不一定。
宝塔只是降低零基础用户的图形化操作门槛，熟悉命令行的用户可以直接用 systemd 或 Docker 管理进程。
商品数据量大了怎么办？ 本文示例用 CSV 读取适合几百到几千条的小规模数据。
数据量再大时，建议把商品信息导入 MySQL，并用向量检索或关键词检索先筛候选，再交给大模型生成文案。
AI 客服机器人怎么接？ 思路相同：把用户问题和商品知识库作为提示词传给模型，把返回结果通过接口回传前端。
注意在提示词中限制模型只能基于给定商品信息回答，避免编造价格和库存。
整套流程跑通后，你就有了一个可用的 AI+电商应用最小闭环：数据准备、接口调用、服务部署和反向代理。
后续再根据实际访问量调整服务器配置和接口并发限制即可。
