Przejdź do głównej treści
Polski— Wybierz język
Menu

Przykład praktyczny: Zautomatyzowany CRM

Lekcja 13 z 14 Zaktualizowano 2 listopada 2026 Programista
Na tej stronie
  1. CRM sterowany konwersacją
  2. Symulowana baza danych
  3. Funkcje CRUD
  4. Specyfikacje narzędzi JSON
  5. Dyspozytor i pętla
  6. Cztery scenariusze i czego uczą
  7. Przejście do produkcji bez przepisywania wszystkiego
  8. Kluczowe wnioski

CRM sterowany konwersacją

Wyobraź sobie system CRM, w którym handlowcy nie muszą już nawigować po skomplikowanych interfejsach. Rozmawiają z asystentem, który automatycznie tworzy, aktualizuje i pobiera dane kontaktowe. To właśnie umożliwia Ci wywołanie funkcji (function calling). Różnica w stosunku do śledzenia płatności z poprzedniej lekcji jest znacząca: do tej pory model jedynie odczytywał dane. Tutaj zapisuje dane, co przenosi ciężar ćwiczenia na walidację, potwierdzanie i zarządzanie duplikatami.

Zaimplementujesz konwersacyjny CRM z operacjami CRUD (Create, Read, Update, Delete) na bazie danych kontaktów.

Symulowana baza danych

Słownik Pythona pełni w tej demonstracji rolę bazy danych. Wystarczą dwa kontakty: jeden klient i jeden potencjalny klient (prospect). Taka konfiguracja pozwoli nam później przetestować zmianę statusu.

import json
import os
from mistralai.client import Mistral

# Baza danych kontaktów w pamięci (w produkcji: PostgreSQL, MongoDB itp.)
contacts_db = {
    "CT001": {
        "name": "Marie Dupont",
        "email": "[email protected]",
        "company": "TechCorp",
        "role": "Chief Technology Officer",
        "phone": "+33 6 12 34 56 78",
        "status": "client",
        "notes": "Interested in the enterprise solution"
    },
    "CT002": {
        "name": "Pierre Martin",
        "email": "[email protected]",
        "company": "StartupIO",
        "role": "CEO",
        "phone": "+33 6 98 76 54 32",
        "status": "prospect",
        "notes": "Meeting scheduled for April"
    }
}

next_id = 3  # Licznik dla nowych kontaktów

Funkcje CRUD

get_contact i search_contacts obsługują operacje odczytu. Ta druga przyjmuje argument pola wyszukiwania, aby uniknąć tworzenia wielu niemal identycznych funkcji. create_contact to pierwsza funkcja modyfikująca stan systemu i ilustruje zasadę często pomijaną w trybach konwersacyjnych: sprawdzanie unikalności musi odbywać się w Twoim kodzie, nigdy w prompcie przekazanym modelowi. Nic nie阻止 handlowcowi podyktowania tego samego kontaktu dwukrotnie; weryfikacja e-maila na początku funkcji zwraca duplicate_email wraz z istniejącym ID, co pozwala modelowi precyzyjnie wyjaśnić odmowę.

update_contact stosuje podejście z opcjonalnymi polami: modyfikowane są tylko dostarczone pola, a funkcja zwraca listę tego, co faktycznie uległo zmianie. Lista ta nie jest ozdobnikiem – umożliwia asystentowi potwierdzenie modyfikacji dokładnym zdaniem, zamiast mglistego „gotowe“.

def get_contact(contact_id: str) -> str:
    """Pobiera informacje o kontakcie."""
    if contact_id in contacts_db:
        contact = contacts_db[contact_id].copy()
        contact["contact_id"] = contact_id
        return json.dumps(contact, ensure_ascii=False)
    return json.dumps({"error": f"Contact {contact_id} not found"})


def search_contacts(query: str, field: str = "name") -> str:
    """Wyszukuje kontakty po imieniu i nazwisku, firmie lub statusie."""
    results = []
    for cid, contact in contacts_db.items():
        if field in contact and query.lower() in contact[field].lower():
            entry = contact.copy()
            entry["contact_id"] = cid
            results.append(entry)

    if results:
        return json.dumps({"results": results, "count": len(results)},
                          ensure_ascii=False)
    return json.dumps({"results": [], "count": 0,
                        "message": f"No contact found for '{query}' in '{field}'"})


def create_contact(name: str, email: str, company: str,
                   role: str = "", phone: str = "",
                   status: str = "prospect", notes: str = "") -> str:
    """Tworzy nowy kontakt w CRM."""
    global next_id

    # Sprawdź, czy e-mail już istnieje
    for cid, contact in contacts_db.items():
        if contact["email"].lower() == email.lower():
            return json.dumps({
                "error": "duplicate_email",
                "message": f"A contact with this email already exists: {cid}"
            })

    contact_id = f"CT{next_id:03d}"
    next_id += 1

    contacts_db[contact_id] = {
        "name": name,
        "email": email,
        "company": company,
        "role": role,
        "phone": phone,
        "status": status,
        "notes": notes
    }

    return json.dumps({
        "success": True,
        "contact_id": contact_id,
        "message": f"Contact {name} created with ID {contact_id}"
    }, ensure_ascii=False)


def update_contact(contact_id: str, **fields) -> str:
    """Aktualizuje jedno lub więcej pól istniejącego kontaktu."""
    if contact_id not in contacts_db:
        return json.dumps({"error": f"Contact {contact_id} not found"})

    updated_fields = []
    for key, value in fields.items():
        if key in contacts_db[contact_id]:
            contacts_db[contact_id][key] = value
            updated_fields.append(key)

    if updated_fields:
        return json.dumps({
            "success": True,
            "contact_id": contact_id,
            "updated_fields": updated_fields,
            "message": f"Contact {contact_id} updated: {', '.join(updated_fields)}"
        }, ensure_ascii=False)

    return json.dumps({"error": "No valid fields to update"})

Parametr ensure_ascii=False obecny w kilku miejscach zwrotu nie jest szczegółem kosmetycznym: bez niego słowo „Interested“ zamieniłoby się w ciąg sekwencji escape Unicode w kontekście modelu, co jest mniej czytelne i kosztowniejsze pod względem tokenów.

Specyfikacje narzędzi JSON

Dwa mechanizmy odpowiadają tu za większość niezawodności. Wyliczenie (enum) dla pola status zapobiega wymyślaniu przez model wartości: musi on wybrać spośród prospect, client, partner i inactive, chroniąc integralność danych bez dodatkowej walidacji. Tablica required robi resztę, rozróżniając pola obowiązkowe od opcjonalnych – dla create_contact kontakt bez imienia i nazwiska, e-maila lub firmy nie ma sensu, podczas gdy numer telefonu może zostać dodany później.

tools = [
    {
        "type": "function",
        "function": {
            "name": "get_contact",
            "description": "Retrieves all information for a contact by ID",
            "parameters": {
                "type": "object",
                "properties": {
                    "contact_id": {
                        "type": "string",
                        "description": "Contact ID (e.g., CT001)"
                    }
                },
                "required": ["contact_id"]
            }
        }
    },
    {
        "type": "function",
        "function": {
            "name": "search_contacts",
            "description": "Searches for contacts by name, company, or status",
            "parameters": {
                "type": "object",
                "properties": {
                    "query": {
                        "type": "string",
                        "description": "Search term"
                    },
                    "field": {
                        "type": "string",
                        "enum": ["name", "company", "status", "role"],
                        "description": "Field to search in (default: name)"
                    }
                },
                "required": ["query"]
            }
        }
    },
    {
        "type": "function",
        "function": {
            "name": "create_contact",
            "description": "Creates a new contact in the CRM",
            "parameters": {
                "type": "object",
                "properties": {
                    "name": {
                        "type": "string",
                        "description": "Full name of the contact"
                    },
                    "email": {
                        "type": "string",
                        "description": "Email address of the contact"
                    },
                    "company": {
                        "type": "string",
                        "description": "Company name"
                    },
                    "role": {
                        "type": "string",
                        "description": "Job title or function within the company"
                    },
                    "phone": {
                        "type": "string",
                        "description": "Phone number"
                    },
                    "status": {
                        "type": "string",
                        "enum": ["prospect", "client", "partner", "inactive"],
                        "description": "Contact status"
                    },
                    "notes": {
                        "type": "string",
                        "description": "Free-form notes about the contact"
                    }
                },
                "required": ["name", "email", "company"]
            }
        }
    },
    {
        "type": "function",
        "function": {
            "name": "update_contact",
            "description": "Updates information for an existing contact",
            "parameters": {
                "type": "object",
                "properties": {
                    "contact_id": {
                        "type": "string",
                        "description": "ID of the contact to modify (e.g., CT001)"
                    },
                    "name": {"type": "string", "description": "New name"},
                    "email": {"type": "string", "description": "New email"},
                    "company": {"type": "string", "description": "New company"},
                    "role": {"type": "string", "description": "New job title"},
                    "phone": {"type": "string", "description": "New phone number"},
                    "status": {
                        "type": "string",
                        "enum": ["prospect", "client", "partner", "inactive"],
                        "description": "New status"
                    },
                    "notes": {"type": "string", "description": "New notes"}
                },
                "required": ["contact_id"]
            }
        }
    }
]

Dyspozytor i pętla

Ponieważ funkcje nie zależą od żadnych zewnętrznych obiektów, słownik dyspozytora sprowadza się do bezpośredniego mapowania. Wiadomość systemowa niesie jednak dwa ograniczenia behawioralne, których nie ma w kodzie: potwierdzaj każdą akcję tworzenia lub aktualizacji szczegółami oraz żądaj brakujących informacji przed utworzeniem kontaktu. Bez tej drugiej instrukcji model ma tendencję do wypełniania wymaganych pól prawdopodobnymi wartościami.

available_functions = {
    "get_contact": get_contact,
    "search_contacts": search_contacts,
    "create_contact": create_contact,
    "update_contact": update_contact,
}

client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])
model = "mistral-large-latest"

messages = [
    {
        "role": "system",
        "content": "You are a CRM assistant. You help sales reps "
                   "manage their contacts. Respond in English. "
                   "When you create or modify a contact, confirm "
                   "the action with details. Request missing "
                   "information before creating a contact."
    }
]

Cztery scenariusze i czego uczą

Pierwszy scenariusz pokazuje, jak model samodzielnie wybiera field="company", mimo że użytkownik nic nie指定ł: wyliczenie enum w schemacie dostarczyło opcji, a sformułowanie pytania zrobiło resztę. Drugi dostarcza informacje w chaosie, bez etykiet, a model poprawnie rozdziela je na imię i nazwisko, e-mail, firmę i stanowisko. Trzeci jest najbogatszy: „Zmień Pierre’a Martina na klienta“ nie zawiera ID, więc model musi połączyć wyszukiwanie z aktualizacją, wnioskując przy okazji kontekstową notatkę. Czwarty przypomina, że model może wykorzystać funkcję w sposób inny niż dosłowny, aby odpowiedzieć na pytanie dotyczące liczenia.

# Scenariusz 1: Wyszukiwanie kontaktu
chat("Find me contacts at TechCorp")
# -> Model wywołuje search_contacts(query="TechCorp", field="company")
# -> "I found 1 contact at TechCorp: Marie Dupont (CT001),
#     Chief Technology Officer, status client."

# Scenariusz 2: Tworzenie kontaktu
chat("Add a new contact: Sophie Laurent, [email protected], "
     "DataViz, Data Scientist")
# -> Model wywołuje create_contact(name="Sophie Laurent",
#     email="[email protected]", company="DataViz", role="Data Scientist")
# -> "Contact created successfully! Sophie Laurent (CT003) has been added
#     as a prospect at DataViz."

# Scenariusz 3: Aktualizacja statusu
chat("Switch Pierre Martin to client, he just signed")
# -> Model najpierw wyszukuje Pierre'a Martina, a następnie wywołuje
#    update_contact(contact_id="CT002", status="client",
#                   notes="Contract signed in April 2026")
# -> "Pierre Martin (CT002) is now marked as a client.
#     I added a note about the contract signature."

# Scenariusz 4: Pytanie bez dedykowanej funkcji
chat("How many prospects do we have?")
# -> Model wywołuje search_contacts(query="prospect", field="status")
# -> "You currently have 1 prospect: Sophie Laurent at DataViz."

Przejście do produkcji bez przepisywania wszystkiego

Słownik w pamięci oczywiście znika, gdy pojawi się wielu użytkowników. Zastąpienie go prawdziwą bazą danych wymaga jednak dotknięcia tylko jednej warstwy: funkcja odpytuje ORM lub API Twojego CRM i nadal zwraca ten sam ciąg JSON.

# Funkcje wywołują ORM lub API Twojego CRM
def get_contact_production(contact_id: str) -> str:
    """Wersja produkcyjna z PostgreSQL."""
    contact = db.session.query(Contact).filter_by(id=contact_id).first()
    if contact:
        return json.dumps(contact.to_dict(), ensure_ascii=False)
    return json.dumps({"error": f"Contact {contact_id} not found"})

Reszta kodu – narzędzia, dyspozytor, pętla konwersacji – pozostaje identyczna. To jest siła tej architektury: zmieniają się tylko funkcje logiki biznesowej, a warstwa konwersacyjna pozostaje nieświadoma wyborów dotyczących trwałości danych.

Kluczowe wnioski

  • Wywołanie funkcji zamienia LLM w naturalny interfejs dla CRM
  • Operacje CRUD mapują się bezpośrednio na funkcje ze schematem JSON
  • Model potrafi łączyć w łańcuch wyszukiwanie, a następnie aktualizację w ramach jednej konwersacji
  • Architektura jest rozsprzężona: zmień bazę danych bez dotykania logiki konwersacji
  • Wiadomość systemowa jest kluczowa dla prowadzenia modelu w zakresie potwierdzeń i brakujących informacji