HelpBlend SaaS + OpenCode Go

KI-Chatbot-SaaS-Demo

Beispielhafte SaaS-Anwendung mit eingebettetem Chat-Widget. Alle Kundennachrichten werden durch llm_client.py OpenCode Go API für die KI-Autoantwort geleitet, unter Verwendung des konfigurierten DeepSeek-Modells.

Live-DemoPort 8081DeepSeek V4 FlashOpenCode Go API

Architektur

🤖

KI-Support-Bot

DeepSeek V4 · OpenCode Go

🤖

Hallo! Wie kann ich dir heute helfen?

Nachrichten werden weitergeleitet über: HelpBlend SaaS llm_client OpenCode Go DeepSeek V4

Service-Status

HelpBlend SaaS :8081

llm_client.py Aktiv

OpenCode Go API Verbunden

Modelldeepseek-v4-flash

RoutingDirekt (ohne Hermes-Agent)

Datenfluss

1. Kunde gibt eine Nachricht im Widget ein
2. SaaS speichert die Nachricht, sammelt Kontext (Richtlinien, RAG, Verlauf)
3. SaaS ruft chat_with_context() in llm_client.py auf
4. llm_client sendet POST an die OpenCode Go API
5. OpenCode Go ruft DeepSeek V4 Flash auf und gibt eine Antwort zurück
6. Antwort wird automatisch an den Kunden zurückgegeben

Schlüsselkomponenten

🏠 Startseite 🔐 Admin-Anmeldung 💬 Öffentliche Chat-Seite

Konfiguration

Umgebung (.env)

HERMES_ROUTING_ENABLED=false   ← Direct LLM path
OPENCODE_GO_API_KEY=sk-...     ← OpenCode Go API key
OPENCODE_GO_BASE_URL=https://opencode.ai/zen/go/v1
OPENCODE_DEFAULT_MODEL=deepseek-v4-flash
DATABASE_URL=sqlite+aiosqlite:///./hermes_saas.db
PORT=8081

LLM-Client (llm_client.py)

# OpenAI-compatible function calling
# Supports tools/tool_calls for actions
async def chat_with_context(
    messages, bot_name,
    system_prompt, guidelines=[],
    source_context="", model=None,
    tools=None
):
    # Builds system + user messages
    # Calls OpenCode Go /v1/chat/completions
    # Returns {"content", "tool_calls"}

Verifizierte Testergebnisse

✓ BESTANDENBegrüßungsnachricht

Anfrage: Erste Nachricht von neuem Kunden Antwort: "Hallo! Wie kann ich Ihnen heute helfen?" Typ: Konfigurierte welcome_message des Bots

✓ PASSFolgenachricht (LLM-Antwort)

Anfrage: "Welche Funktionen bietet Ihre Plattform?" Antwort: Kontextuelle Antwort mit RAG-Kontext Route: llm_client.py OpenCode Go DeepSeek V4 ✓