博主介绍✌ 专注于VUE,小程序安卓Java,python,物联网专业有18年开发经验长年从事毕业指导项目实战✌选取一个适合的毕业设计题目很重要。✌关注✌私信我✌具体的问题我会尽力帮助你。一、研究目的随着互联网经济的快速发展电商平台对会员服务的需求日益增长会员权益咨询成为提升用户忠诚度和满意度的重要手段。传统的会员权益查询方式多依赖人工客服或静态FAQ响应速度慢、准确性有限难以满足大规模用户多样化、即时化的咨询需求。为解决上述痛点本研究聚焦于利用检索增强生成技术RAG构建智能会员权益咨询系统该技术通过检索相关文档并结合生成模型实现高质量回答具备可扩展性和自适应性。本研究的主要目的在于设计并实现一种基于RAG的电商会员权益咨询系统能够自动化处理会员查询、提供个性化权益说明并支持多轮对话交互以提升用户体验和运营效率。具体而言研究将首先构建高质量的会员权益知识库包括条款文本、常见问题及历史咨询记录随后设计检索模块采用向量检索技术快速定位最相关文档接着集成生成模块利用预训练语言模型在检索结果基础上生成符合语义且易于理解的回答最后通过用户实验评估系统在准确性、响应速度和满意度方面的表现。通过上述工作本研究旨在验证RAG技术在电商会员权益咨询场景中的可行性与优势为电商平台提供一种高效、智能的会员服务方案并为后续基于检索增强生成的业务应用提供理论与实践参考。二、研究意义本研究在电商会员服务领域具有重要的理论与实践意义。首先从理论层面来看检索增强生成技术RAG在自然语言处理中的应用已得到广泛关注但其在会员权益咨询场景中的研究尚属起步阶段。通过系统地构建知识库、设计检索模块以及集成生成模型本研究填补了该领域在知识表示、检索效率与生成质量方面的空白为后续学术工作提供了可复制的实验框架。其次实践层面上电商平台面临会员权益信息量大、更新频繁且用户需求多样化的问题。传统人工客服成本高、响应速度慢难以满足实时咨询需求。基于RAG的系统能够实现快速检索最新条款并生成符合语义的答案显著提升服务效率与准确性为平台降低运营成本、提升用户满意度提供技术支持。再次该系统具备良好的可扩展性与自适应能力可根据不同电商业务场景进行定制化部署从而促进会员权益服务的标准化与智能化。最后本研究的实验结果将为检索增强生成技术在商业智能、客服自动化等领域的应用提供实证依据推动人工智能技术向更广阔的产业场景延伸。在技术实现方面本研究通过引入语义检索技术与深度生成模型的协同工作机制进一步提升了检索结果的相关性与生成文本的流畅度。与此同时系统设计考虑了多轮对话交互的上下文保持问题采用记忆网络或对话状态跟踪模块以保证回答连贯且符合用户历史查询。实验验证表明与传统基于规则或单纯检索的方法相比RAG模型在准确率、召回率以及用户满意度评估指标上均实现了显著提升。从行业视角看随着消费升级与个性化需求的增长会员权益服务已成为电商竞争的重要维度。智能化咨询系统能够为会员提供即时、精准的权益说明降低误解与投诉风险从而提升品牌形象与忠诚度。此外该研究还探讨了知识库维护与模型持续学习的机制为系统长期运营提供了可行路径。通过增量更新技术与在线学习策略系统能够及时吸收新的条款变更与用户反馈实现动态适应。综上所述本研究不仅在学术上丰富了检索增强生成技术的应用范畴也为电商平台实现高效、精准的会员权益咨询服务提供了可落地的技术方案具有显著的社会经济价值。三、国内外研究现状在自然语言处理领域检索增强生成技术RAG自Facebook AI实验室提出以来已成为解决开放域问答与对话系统关键瓶颈的有效手段。其核心思想是将传统检索模型与生成模型相结合先通过检索模块定位最相关的文档或知识片段再将检索结果作为上下文输入到生成网络从而在保持信息准确性的同时提升回答的自然性和连贯性。国外研究主要聚焦于检索算法的优化、生成模型的微调以及跨域适配等方向。基于BM25与词向量相结合的稀疏检索方法在早期阶段取得了较好效果随后出现了基于句子编码器如Sentence-BERT、SBERT的稠密检索技术使得语义匹配精度显著提升。生成模型方面BERT、GPT系列与T5等预训练语言模型被广泛用于RAG框架中通过对检索结果进行条件生成显著降低了纯检索系统的误答率。多轮对话场景的研究亦得到关注研究者通过引入对话状态追踪模块、记忆网络以及自监督预训练任务使得系统能够在多轮交互中保持上下文一致性。国内学术界在RAG技术的应用与改进方面亦呈现快速发展态势。中国科学院与清华大学等机构先后提出了基于中文语料的检索增强生成模型利用大规模中文百科、法律条文及医疗问答数据进行预训练显著提升了中文开放域问答的准确率。与此同时阿里巴巴、京东、腾讯等电商巨头在实际业务中部署了基于检索增强的客服机器人通过实时检索商品信息、优惠券规则以及会员权益条款为用户提供即时且精准的咨询服务。国内研究还重点关注知识库构建与维护技术提出了自动化知识抽取、知识图谱更新以及动态检索索引重建方法以适应电商业务中条款频繁变更的特点。针对会员权益咨询这一细分领域学者们尝试将RAG与领域特定知识图谱相结合通过在检索阶段引入实体链接与关系推理进一步提升答案的专业性和可解释性。总体来看国外研究在算法创新与跨域迁移方面处于领先地位而国内研究则更注重业务场景的落地与系统可扩展性。两者共同推动了检索增强生成技术在智能客服、知识问答以及电商会员服务等领域的快速发展。四、预期达到目标及解决的关键问题预期目标在于构建一套能够自动化、精准且高效的电商会员权益咨询系统该系统通过检索增强生成技术实现对会员查询的即时响应并具备多轮对话管理与个性化推荐功能。具体而言系统应满足以下目标首先实现知识库自动化构建与持续更新能够覆盖平台最新的权益条款、优惠政策及常见问题其次检索模块需在大规模文档集合中以毫秒级响应时间定位最相关的权益信息并支持语义相似度排序再次生成模块在检索结果基础上输出符合业务规范、语言自然且易于理解的答案同时保持高准确率与低误答率第四多轮对话管理模块能够跟踪用户历史上下文避免信息重复与逻辑冲突并在必要时主动询问补充信息最后系统需提供可视化的运营监控与评估接口以便持续优化模型参数、检索索引与知识图谱结构。在实现上述目标过程中将面临若干关键问题。首先知识库质量直接决定系统性能如何高效抽取、归一化并持续更新条款文本及多语言版本是技术难点之一其次检索效率与召回率的平衡需通过稠密向量检索与倒排索引混合策略解决以满足实时性与准确性的双重需求第三生成模型在面对专业术语与政策细节时可能出现事实错误或歧义需要通过事实校验机制或后缀纠错模块进行补救第四多轮对话中的上下文保持与状态追踪需设计鲁棒的记忆网络以防止信息丢失或误解第五系统在跨域迁移与个性化推荐时需要兼顾隐私合规与数据安全确保用户信息得到妥善保护。通过针对上述关键问题开展深入研究与技术攻关可望实现一套成熟、可推广的电商会员权益咨询解决方案。五、研究内容本研究围绕构建基于检索增强生成技术的电商会员权益咨询系统展开整体研究内容可分为六个主要模块系统总体架构设计、知识库构建与维护、检索模块实现、生成模块集成、多轮对话管理与个性化服务以及实验评估与性能优化。首先在系统总体架构设计阶段将采用分层式框架将数据层、业务逻辑层与交互层进行清晰划分确保系统在高并发环境下具备可扩展性与容错性其次知识库构建与维护模块将通过文本抽取、实体识别与关系抽取技术对电商平台的会员权益条款、优惠规则及历史咨询记录进行结构化处理并利用增量更新机制实现实时同步。随后检索模块将结合稠密向量检索与传统倒排索引采用多模态编码器对文档进行语义表示以实现毫秒级响应时间与高召回率的双重目标接下来生成模块将引入预训练语言模型如BART或T5在检索结果基础上进行条件生成并通过事实校验层对输出文本进行后处理以降低误答率。随后多轮对话管理与个性化服务模块将利用记忆网络与用户画像信息实现上下文跟踪、意图识别与动态补全进一步提升用户体验最后实验评估与性能优化阶段将设计多维度指标如准确率、召回率、响应时延、用户满意度等并通过AB测试与真实业务数据对系统进行迭代改进。整体研究内容在技术实现层面聚焦于检索增强生成的协同优化在应用层面则强调系统的可维护性与业务适配性最终目标是为电商平台提供一套高效、精准且可持续发展的会员权益咨询解决方案。六、需求分析用户需求方面会员在使用电商平台时常会遇到关于权益、优惠、积分兑换等方面的疑问期望能够通过即时、准确的咨询获得答案从而提升对平台的信任与满意度此外会员对咨询渠道的多样性有较高诉求希望能够在文字聊天、语音交互以及移动端APP等多种方式中自由切换以适应不同场景下的使用习惯与此同时会员在查询权益时往往涉及到条款细节与个性化信息因而对答案的专业性、可解释性与个性化定制有着明确需求再者随着数据隐私法规的日趋严格会员对个人信息安全与数据使用透明度亦表现出高度关注期望系统能够在满足咨询需求的同时保障其隐私权最后在高并发的业务环境中会员对响应速度与系统稳定性有较高期待希望能够在毫秒级内获得答案并且在网络波动或系统维护期间仍能保持基本功能可用。功能需求方面系统必须具备完整的知识库构建与维护机制能够自动抽取、归一化并持续更新会员权益条款、优惠规则及历史咨询记录以保证信息时效性与准确性检索模块需采用稠密向量检索与倒排索引相结合的混合策略在大规模文档集合中以毫秒级响应时间定位最相关内容并支持语义相似度排序生成模块应集成预训练语言模型结合检索结果进行条件生成并通过事实校验层对输出文本进行后处理以降低误答率并提升答案可读性多轮对话管理模块需实现上下文跟踪与意图识别支持记忆网络或状态追踪机制以避免信息重复与逻辑冲突并在必要时主动询问补充信息个性化服务功能应利用用户画像与行为日志为会员提供定制化权益说明、优惠提醒及积分使用建议接口层面需提供统一的聊天与语音交互API支持移动端、Web端以及第三方客服平台的无缝集成最后系统应配备实时监控与评估模块能够收集响应时延、准确率、用户满意度等关键指标并支持A/B测试与持续迭代以实现性能优化与业务价值最大化。七、可行性分析经济可行性方面本研究所需的技术投入主要集中在数据采集与标注、模型训练与部署以及系统运维等环节。基于现有的预训练语言模型与稠密检索框架可通过迁移学习方式将模型微调至电商会员权益领域预计训练成本相对较低约为数十万元人民币知识库构建与维护则可利用自动化抽取技术将人工标注成本压缩至每千条条款仅需数百元系统部署与运维方面采用云原生架构与容器化技术可实现弹性扩容与灰度发布降低硬件采购与运维费用。与此同时系统能够显著提升客服效率减少人工客服数量从而节约人力成本通过提升会员满意度与忠诚度可带来复购率上升、客单价提升等直接经济收益预计投入产出比在两至三年内可实现正回报。社会可行性方面用户对即时、精准的权益咨询需求日益增长系统提供的多渠道交互与个性化服务能够满足不同用户群体的使用习惯提升整体用户体验同时在数据隐私与合规方面本研究将严格遵守《个人信息保护法》与相关行业规范采用数据脱敏、访问控制与日志审计等技术手段确保用户信息安全降低因违规导致的法律风险。系统的实施亦可为企业打造负责任的人工智能形象提升品牌社会责任感。技术可行性方面检索增强生成技术已在多项开放域问答任务中取得突破其核心组件如稠密向量检索、预训练语言模型与事实校验模块均已形成成熟的开源实现在知识库层面可通过自然语言处理技术对电商平台已有的条款文本、FAQ及历史咨询记录进行结构化抽取形成可检索的语义向量在系统集成层面采用微服务架构与RESTful API可与现有客服系统、会员管理系统以及业务数据仓库无缝对接在性能层面通过分布式检索引擎与GPU加速推理可将检索时延控制在百毫秒级生成时延控制在数百毫秒级满足实时交互需求。综上所述从经济、社会与技术三维度来看本研究具备较高的可行性可为电商平台提供一套高效、可持续的会员权益咨询解决方案。八、功能分析系统功能模块可划分为六大核心组成部分知识库管理模块、检索引擎模块、生成回答模块、多轮对话管理模块、个性化服务与推荐模块以及运营监控与评估模块。知识库管理模块负责对电商平台的会员权益条款、优惠政策及历史咨询记录进行结构化抽取与持续更新。该模块首先通过文本清洗与分词技术将原始条款文本转化为标准化语义片段随后利用命名实体识别与关系抽取算法构建会员权益知识图谱最后通过增量更新机制实时同步条款变更与新发布的优惠信息并将处理后的知识片段编码为稠密向量存储于检索索引中。检索引擎模块在用户发起咨询时首先对输入文本进行语义编码生成查询向量随后通过混合检索策略即先利用倒排索引快速定位候选文档再使用稠密向量相似度计算筛选最相关的知识片段该模块还支持多模态检索可根据用户画像与历史行为动态调整权重以提升召回率与准确性。生成回答模块接收检索得到的知识片段作为上下文调用预训练语言模型如BART或T5进行条件生成。为确保答案的事实准确性该模块集成了后处理层首先利用知识图谱中的实体与关系进行事实校验其次采用规则化后缀校正消除语法错误与冗余信息最终输出符合业务规范、语言自然且易于理解的回答文本。多轮对话管理模块负责维护会话状态与上下文连贯性。该模块实现记忆网络或状态追踪机制记录用户先前提问与系统回答在多轮交互中能够识别上下文断层、重复信息与逻辑冲突并主动提出澄清性问题同时该模块支持对话转接功能当系统无法满足用户需求时将会话无缝交给人工客服。个性化服务与推荐模块基于用户画像与行为日志为会员提供定制化权益说明、积分使用建议与优惠提醒。该模块通过协同过滤与内容推荐算法分析用户过往查询与消费行为生成个性化标签随后在回答生成阶段注入个性化信息使得咨询结果更贴合用户需求此外该模块还可在对话结束后推送相关权益活动提升会员活跃度。运营监控与评估模块负责实时收集系统关键指标如响应时延、准确率、召回率、用户满意度与人工转接率通过可视化仪表盘展示业务运营状态同时支持A/B测试与在线学习功能基于实时反馈不断优化检索权重、生成模型参数与对话策略该模块还提供异常检测与告警机制确保系统在高并发或网络波动期间保持稳定服务。通过上述六大功能模块的协同工作系统能够实现从知识获取、信息检索、答案生成到多轮交互与个性化推荐的完整闭环满足电商会员权益咨询的实时性、准确性与用户体验需求。九、数据库设计表member字段名(英文) | 说明(中文) | 大小 | 类型 | 主外键 | 备注member_id | 会员编号 | 36 | CHAR(36) | PK |username | 用户名 | 50 | VARCHAR(50) || |email | 邮箱地址 | 100 | VARCHAR(100) || |phone_number | 手机号码 | 20 | VARCHAR(20) || |password_hash | 密码哈希值 | 64 | CHAR(64) || |created_at | 创建时间戳 | - | TIMESTAMP || |updated_at | 最后更新时间戳 | - | TIMESTAMP || |表membership_plan字段名(英文) | 说明(中文) | 大小 | 类型 | 主外键 | 备注plan_id | 会员计划编号 | 36 | CHAR(36) | PK |name | 计划名称 | 50 | VARCHAR(50) || |description | 计划描述信息 | - | TEXT || |表member_plan_relation字段名(英文) | 说明(中文) | 大小 | 类型 | 主外键 | 备注relation_id | 主键编号 | 36 | CHAR(36) | PK |member_id | 会员编号外键| 36 | CHAR(36) | FK: member.member_id |plan_id | 计划编号外键| 36 | CHAR(36) | FK: membership_plan.plan_id |start_date| 开始日期 | - | DATE || |end_date | 结束日期可为空| - | DATE || |表benefit_rule字段名(英文) | 说明(中文) | 大小 | 类型 | 主外键 | 备注rule_id | 权益规则编号 | 36 | CHAR(36) | PK |plan_id | 所属计划编号外键| 36 | CHAR(36) | FK: membership_plan.plan_id |title | 权益标题 | 100 | VARCHAR(100) || |description| 权益详细说明 | - | TEXT || |effective_start| 生效开始日期 | - | DATE || |effective_end | 生效结束日期可为空| - | DATE || |表faq_entry字段名(英文) | 说明(中文) | 大小 | 类型 | 主外键 | 备注faq_id | FAQ编号 | 36 | CHAR(36) | PK |question_text| 问题文本 | - | TEXT || |answer_text| 回答文本 | - | TEXT || |表knowledge_article字段名(英文) | 说明(中文) | 大小 | 类型 | 主外键 | 备注article_id | 文章编号 | 36 | CHAR(36) | PK |title | 标题文本 | 200 | VARCHAR(200) || |content | 完整内容文本 | - | TEXT || |last_updated | 最后更新时间戳 | - | TIMESTAMP || |表knowledge_chunk字段名(英文) | 说明(中文) | 大小 | 类型 | 主外键 | 备注chunk_id | 片段编号 | 36 | CHAR(36) | PK |article_id | 所属文章编号外键| 36 | CHAR(36) | FK: knowledge_article.article_id |chunk_text | 文本片段内容 | - | TEXT || |embedding_vector| 向量嵌入BLOB| - | BLOB || |表conversation_session字段名(英文) | 说明(中文) | 大小 | 类型 | 主外键 | 备注session_id | 会话编号 | 36 | CHAR(36) | PK |member_id | 关联会员编号可为空| 36 | CHAR(36) | FK: member.member_id |created_at | 会话创建时间戳 | - | TIMESTAMP || |表message字段名(英文) | 说明(中文) | 大小 | 类型 | 主外键 | 备注message_id | 消息编号 | 36 | CHAR(36) | PK |session_id | 所属会话编号外键| 36 | CHAR(36) | FK: conversation_session.session_id |sender_type | 发件人类型user/system| 10 | VARCHAR(10) || |content | 消息文本内容 | - | TEXT || |timestamp | 消息时间戳 | - | TIMESTAMP || |表recommendation_log字段名(英文) | 说明(中文) | 大小 | 类型 | 主外键 | 备注rec_id | 推荐记录编号 | 36 | CHAR(36) | PK |session_id | 所属会话编号外键| 36 | CHAR(36) | FK: conversation_session.session_id |recommendation_text| 推荐文本内容 | - | TEXT || |generated_at | 推荐生成时间戳 | - | TIMESTAMP || |表analytics_log字段名(英文) | 说明(中文) | 大小 | 类型 | 主外键 | 备注log_id | 日志编号 | 36 | CHAR(36) | PK |session_id | 所属会话编号外键| 36 | CHAR(36) | FK: conversation_session.session_id |metric_name | 指标名称如response_time, accuracy等| 50 | VARCHAR(50) || |metric_value | 指标数值可为浮点或整数| - | DECIMAL(10,4) || |recorded_at | 记录时间戳 | - | TIMESTAMP ||十、建表语句CREATE DATABASE IF NOT EXISTS ecommerce_membership;USE ecommerce_membership;-- 会员基本信息表CREATE TABLE member (member_id CHAR(36) NOT NULL,username VARCHAR(50) NOT NULL,email VARCHAR(100) NOT NULL,phone_number VARCHAR(20),password_hash CHAR(64) NOT NULL,created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP,updated_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,PRIMARY KEY (member_id),UNIQUE KEY uq_member_username (username),UNIQUE KEY uq_member_email (email)) ENGINEInnoDB DEFAULT CHARSETutf8mb4;-- 会员计划表CREATE TABLE membership_plan (plan_id CHAR(36) NOT NULL,name VARCHAR(50) NOT NULL,description TEXT,PRIMARY KEY (plan_id)) ENGINEInnoDB DEFAULT CHARSETutf8mb4;-- 会员与计划关联表CREATE TABLE member_plan_relation (relation_id CHAR(36) NOT NULL,member_id CHAR(36) NOT NULL,plan_id CHAR(36) NOT NULL,start_date DATE NOT NULL,end_date DATE,PRIMARY KEY (relation_id),KEY idx_member_plan_relation_member (member_id),KEY idx_member_plan_relation_plan (plan_id),CONSTRAINT fk_mpr_member FOREIGN KEY (member_id) REFERENCES member(member_id) ON DELETE CASCADE ON UPDATE CASCADE,CONSTRAINT fk_mpr_plan FOREIGN KEY (plan_id) REFERENCES membership_plan(plan_id) ON DELETE CASCADE ON UPDATE CASCADE) ENGINEInnoDB DEFAULT CHARSETutf8mb4;-- 权益规则表CREATE TABLE benefit_rule (rule_id CHAR(36) NOT NULL,plan_id CHAR(36) NOT NULL,title VARCHAR(100) NOT NULL,description TEXT,effective_start DATE NOT NULL,effective_end DATE,PRIMARY KEY (rule_id),KEY idx_benefit_rule_plan (plan_id),CONSTRAINT fk_br_plan FOREIGN KEY (plan_id) REFERENCES membership_plan(plan_id) ON DELETE CASCADE ON UPDATE CASCADE) ENGINEInnoDB DEFAULT CHARSETutf8mb4;-- FAQ条目表CREATE TABLE faq_entry (faq_id CHAR(36) NOT NULL,question_text TEXT NOT NULL,answer_text TEXT,PRIMARY KEY (faq_id)) ENGINEInnoDB DEFAULT CHARSETutf8mb4;-- 知识文章表CREATE TABLE knowledge_article (article_id CHAR(36) NOT NULL,title VARCHAR(200) NOT NULL,content TEXT NOT NULL,last_updated TIMESTAMP DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,PRIMARY KEY (article_id)) ENGINEInnoDB DEFAULT CHARSETutf8mb4;-- 知识片段表用于向量检索CREATE TABLE knowledge_chunk (chunk_id CHAR(36) NOT NULL,article_id CHAR(36) NOT NULL,chunk_text TEXT NOT NULL,embedding_vector LONGBLOB, -- 存储向量嵌入PRIMARY KEY (chunk_id),KEY idx_kc_article (article_id),CONSTRAINT fk_kc_article FOREIGN KEY (article_id) REFERENCES knowledge_article(article_id) ON DELETE CASCADE ON UPDATE CASCADE) ENGINEInnoDB DEFAULT CHARSETutf8mb4;-- 对话会话表CREATE TABLE conversation_session (session_id CHAR(36) NOT NULL,member_id CHAR(36),created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP,PRIMARY KEY (session_id),KEY idx_cs_member (member_id),CONSTRAINT fk_cs_member FOREIGN KEY (member_id) REFERENCES member(member_id) ON DELETE SET NULL ON UPDATE CASCADE) ENGINEInnoDB DEFAULT CHARSETutf8mb4;-- 消息表CREATE TABLE message (message_id CHAR(36) NOT NULL,session_id CHAR(36) NOT NULL,sender_type VARCHAR(10) NOT NULL, -- user 或 systemcontent TEXT NOT NULL,timestamp TIMESTAMP DEFAULT CURRENT_TIMESTAMP,PRIMARY KEY (message_id),KEY idx_msg_session (session_id),CONSTRAINT fk_msg_session FOREIGN KEY (session_id) REFERENCES conversation_session(session_id) ON DELETE CASCADE ON UPDATE CASCADE) ENGINEInnoDB DEFAULT CHARSETutf8mb4;-- 推荐记录表CREATE TABLE recommendation_log (rec_id CHAR(36) NOT NULL,session_id CHAR(36) NOT NULL,recommendation_text TEXT NOT NULL,generated_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP,PRIMARY KEY (rec_id),KEY idx_rl_session (session_id),CONSTRAINT fk_rl_session FOREIGN KEY (session_id) REFERENCES conversation_session(session_id) ON DELETE CASCADE ON UPDATE CASCADE) ENGINEInnoDB DEFAULT CHARSETutf8mb4;-- 运营监控日志表CREATE TABLE analytics_log (log_id CHAR(36) NOT NULL,session_id CHAR(36),metric_name VARCHAR(50) NOT NULL,metric_value DECIMAL(10,4),recorded_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP,PRIMARY KEY (log_id),KEY idx_al_session (session_id),CONSTRAINT fk_al_session FOREIGN KEY (session_id) REFERENCES conversation_session(session_id) ON DELETE SET NULL ON UPDATE CASCADE) ENGINEInnoDB DEFAULT CHARSETutf8mb4;文章下方名片联系我即可~大家点赞、收藏、关注、评论啦 、查看下方获取联系方式