售后客服 Agent，
从需求到上线

角色：你是一名有电商客服系统经验的产品经理。

背景：一家线上家电店铺，每天的售后咨询中，大部分是查订单、查物流、问退款、改地址这类重复问题。

任务：为“售后客服 Agent”写一份需求文档，包含：
1. 用户故事：至少覆盖查订单、查物流、申请退款、修改地址、转人工 5 个场景
2. 工具清单：每个工具的名称、用途、入参、出参
3. 边界：Agent 不能做什么，哪些操作必须经过确认或转人工
4. 验收测试集：20 条测试对话，每条写明用户输入、期望调用的工具、期望回复要点，其中至少 5 条是边界情况

输出格式：Markdown。

重要：不确定的业务规则请单独列为“待确认问题”，不要自行假设。

角色：你是一名 Python 后端工程师，熟悉 OpenAI 兼容接口的 Function Calling。

任务：根据 @docs/prd.md 实现售后客服 Agent 的第一版。

技术约束：
1. Python 3.11 + openai SDK，模型 deepseek-chat，base_url 与密钥从 .env 读取，并提供 .env.example
2. 工具函数先用模拟数据实现，统一放在 tools.py，每个函数带类型注解和文档字符串
3. Agent 循环放在 agent.py；单次对话最多调用工具 5 次，超出则转人工
4. 提供命令行入口：python main.py
5. 不引入 LangChain 等框架，方便学员读懂每一行

交付要求：先给出文件结构和每个文件的职责，等我确认后再写代码。

为这个客服 Agent 设计系统提示词，写入 prompts.py，要求：
1. 身份与语气：礼貌、简洁，不使用营销话术
2. 工具使用时机：逐个写清楚，例如“用户提到订单但没给订单号时，先追问，不要猜测”
3. 输出格式：先给结论，再给依据，每次不超过 3 句话
4. 禁止事项：不承诺政策以外的补偿；不透露其他用户信息；不编造物流信息
5. 附 3 个少样本示例，覆盖查物流、追问订单号、拒绝越权请求

写完后，用 @tests/cases.yaml 逐条自检：哪些条目这份提示词可能处理不好？说明原因。

写一个评估脚本 eval.py：
1. 读取 tests/cases.yaml 中的 20 条测试对话，逐条运行 Agent
2. 记录每条的实际工具调用序列和最终回复
3. 自动判定：
   - 工具调用是否与期望一致（规则比对）
   - 回复是否覆盖期望要点（用模型判分，判分提示词单独写在 prompts.py，温度设为 0）
4. 输出汇总：通过数、失败条目、失败原因分类，保存为 reports/eval-日期.md

不要修改 Agent 本身的任何代码。

根据 @reports/eval-1.md 修复以下 3 类问题。每类单独提交一次，按 3、2、1 的顺序处理：

1. 政策幻觉
新增 search_policy 工具：对 docs/policy.md 按条款切分并建立向量检索；回复中必须引用条款编号。

2. 参数缺失时猜测
工具入参校验失败时，返回结构化错误（缺少哪个字段、应如何询问用户），让模型据此追问，而不是重试或编造。

3. 越权退款
在代码层实现护栏，不要只靠提示词约束：
- request_refund 只有在用户上一条消息包含明确确认时才可执行
- 退款金额超过 500 元，直接转人工审核

每完成一类，重新运行 eval.py，把通过数变化写进 CHANGELOG.md。

把 Agent 封装为 Web 服务：
1. 用 FastAPI 提供 POST /chat 接口，按 session_id 保存对话历史
2. 做一个最简单的网页聊天界面：左侧是对话，右侧实时显示每一步工具调用与护栏检查，方便向客户演示
3. 记录每次调用的 Token 用量；当天累计超过预算时，自动降级为“转人工”
4. 编写 README：本地启动步骤、环境变量说明、5 分钟演示脚本
5. 部署前再跑一次 eval.py，结果附在 README 末尾