AI Chatbot Ecommerce Việt 2026: Tích hợp GPT-4 và Claude cho web bán hàng 24/7

pip install anthropic openai langchain langchain-community python-dotenv

import os
from anthropic import Anthropic
from dotenv import load_dotenv

load_dotenv()
client = Anthropic(api_key=os.getenv("ANTHROPIC_API_KEY"))

# Định nghĩa tools kết nối platform VN
tools = [
    {
        "name": "check_order_status",
        "description": "Tra cứu trạng thái đơn hàng theo mã đơn",
        "input_schema": {
            "type": "object",
            "properties": {
                "order_id": {"type": "string", "description": "Mã đơn hàng"}
            },
            "required": ["order_id"]
        }
    },
    {
        "name": "get_product_recommendations",
        "description": "Gợi ý sản phẩm dựa trên lịch sử mua hàng và query",
        "input_schema": {
            "type": "object",
            "properties": {
                "user_id": {"type": "string"},
                "query": {"type": "string"},
                "budget_max": {"type": "number", "description": "Ngân sách tối đa (VND)"}
            },
            "required": ["user_id", "query"]
        }
    },
    {
        "name": "check_payment_status",
        "description": "Kiểm tra trạng thái thanh toán MoMo/ZaloPay/VNPay",
        "input_schema": {
            "type": "object",
            "properties": {
                "transaction_id": {"type": "string"},
                "gateway": {"type": "string", "enum": ["momo", "zalopay", "vnpay"]}
            },
            "required": ["transaction_id", "gateway"]
        }
    }
]

# System prompt tuned cho ecommerce Việt
SYSTEM_PROMPT = """
Bạn là trợ lý mua sắm của [Tên shop]. Nhiệm vụ:
- Tư vấn sản phẩm bằng tiếng Việt tự nhiên
- Tra cứu đơn hàng, thanh toán khi được hỏi
- KHÔNG tiết lộ thông tin cá nhân khách hàng khác
- Nếu không chắc, chuyển sang nhân viên (đừng bịa)
- Tuân thủ: không nội dung nhạy cảm, không cam kết sai về giá/ship

User ID hiện tại: {user_id}
Lịch sử mua gần đây: {recent_history}
"""

def chat_with_claude(user_query: str, user_id: str, conversation_history: list) -> str:
    # Thêm query mới vào lịch sử conversation
    conversation_history.append({
        "role": "user",
        "content": user_query
    })
    
    response = client.messages.create(
        model="claude-sonnet-4-5",  # Dùng Sonnet cho balance cost/quality
        max_tokens=1000,
        system=SYSTEM_PROMPT.format(
            user_id=user_id,
            recent_history=get_user_history(user_id)  # Fetch từ DB của bạn
        ),
        tools=tools,
        messages=conversation_history
    )
    
    # Xử lý tool calls nếu model yêu cầu
    if response.stop_reason == "tool_use":
        tool_results = process_tool_calls(response.content)
        # Gửi lại kết quả tool cho model
        conversation_history.append({"role": "assistant", "content": response.content})
        conversation_history.append({"role": "user", "content": tool_results})
        
        # Gọi lần 2 để sinh response cuối
        final_response = client.messages.create(
            model="claude-sonnet-4-5",
            max_tokens=1000,
            system=SYSTEM_PROMPT.format(user_id=user_id, recent_history=""),
            messages=conversation_history
        )
        return final_response.content[0].text
    
    return response.content[0].text

def process_tool_calls(content_blocks):
    """Xử lý các tool call từ Claude, gọi API thực tế"""
    results = []
    for block in content_blocks:
        if block.type == "tool_use":
            if block.name == "check_order_status":
                # Gọi API của platform (Shopee/Tiki/etc.)
                result = fetch_order_from_platform(block.input["order_id"])
            elif block.name == "get_product_recommendations":
                result = fetch_recommendations(block.input)
            elif block.name == "check_payment_status":
                result = check_payment_gateway(block.input)
            
            results.append({
                "type": "tool_result",
                "tool_use_id": block.id,
                "content": str(result)
            })
    return results

import requests

def check_payment_gateway(input_data: dict) -> dict:
    """Kiểm tra trạng thái thanh toán qua các gateway VN"""
    gateway = input_data.get("gateway")
    transaction_id = input_data.get("transaction_id")
    
    if gateway == "momo":
        # MoMo Query Transaction API
        endpoint = "https://payment.momo.vn/v2/gateway/api/query"
        # ... implement theo MoMo docs
    elif gateway == "zalopay":
        # ZaloPay Query API
        endpoint = "https://sb-openapi.zalopay.vn/v2/query"
        # ... implement theo ZaloPay docs
    
    # Return status cho Claude xử lý
    return {"status": "success", "transaction_id": transaction_id, "gateway": gateway}

def build_personalization_prompt(user_id: str, current_query: str) -> str:
    """Xây dựng prompt cá nhân hoá với dữ liệu người dùng"""
    
    # Anonymize trước khi đưa vào prompt (PDPA compliance)
    user_profile = get_anonymized_profile(user_id)
    
    prompt = f"""
    Dựa trên thông tin sau, gợi ý sản phẩm phù hợp nhất:
    
    Lịch sử mua (3 tháng gần): {user_profile['purchase_history']}
    Danh mục ưa thích: {user_profile['preferred_categories']}
    Khoảng giá thường mua: {user_profile['avg_price_range']} VND
    Đánh giá sản phẩm đã mua: {user_profile['review_sentiment']}
    
    Query hiện tại: {current_query}
    
    Yêu cầu:
    - Gợi ý 3-5 sản phẩm cụ thể
    - Giải thích lý do phù hợp với từng người dùng
    - Ưu tiên sản phẩm có stock, ship được trong 24h
    - Nêu rõ nếu có khuyến mãi hiện hành
    - Phản hồi bằng tiếng Việt tự nhiên, không liệt kê khô khan
    """
    return prompt

# Bật extended thinking cho complex queries
response = client.messages.create(
    model="claude-opus-4-5",  # Opus cho reasoning phức tạp
    max_tokens=8000,
    thinking={
        "type": "enabled",
        "budget_tokens": 5000  # Cho phép suy nghĩ tối đa 5000 tokens
    },
    messages=[{"role": "user", "content": complex_comparison_query}]
)

def should_escalate_to_human(response: str, sentiment_score: float, 
                              confidence: float) -> bool:
    """Quyết định có cần chuyển sang nhân viên không"""
    
    # Escalate khi:
    # 1. Khách bực bội (sentiment âm)
    # 2. Bot không chắc chắn
    # 3. Từ khoá nhạy cảm
    sensitive_keywords = ["khiếu nại", "tố cáo", "lừa đảo", "kiện", "hoàn tiền ngay"]
    
    if sentiment_score < -0.5:
        return True
    if confidence < 0.6:
        return True
    if any(kw in response.lower() for kw in sensitive_keywords):
        return True
    
    return False

import hashlib
import re

def anonymize_for_llm(user_data: dict) -> dict:
    """Anonymize PII trước khi đưa vào LLM prompt"""
    
    anonymized = {}
    
    # Hash user_id thay vì dùng trực tiếp
    anonymized["user_ref"] = hashlib.sha256(
        user_data["user_id"].encode()
    ).hexdigest()[:12]
    
    # Lọc số điện thoại khỏi lịch sử chat
    phone_pattern = r'(0|\+84)[0-9]{8,9}'
    history_text = user_data.get("chat_history", "")
    anonymized["chat_history"] = re.sub(phone_pattern, "[SĐT ẩn]", history_text)
    
    # Chỉ giữ danh mục sản phẩm, không giữ địa chỉ cụ thể
    anonymized["purchase_categories"] = user_data.get("categories", [])
    anonymized["avg_order_value"] = user_data.get("avg_order_value", 0)
    
    # KHÔNG đưa vào: tên, email, địa chỉ, CCCD, thẻ ngân hàng
    return anonymized

SAFETY_SYSTEM_PROMPT = """
...
Quy tắc bắt buộc:
- KHÔNG yêu cầu hoặc lưu trữ thông tin thẻ tín dụng
- KHÔNG xác nhận địa chỉ hoặc thông tin cá nhân trong response
- Nếu khách cung cấp CCCD/passport → nhắc chuyển sang kênh bảo mật
- KHÔNG tư vấn trốn thuế, hàng giả, gian lận thanh toán
"""