项目背景：
响应速度慢——尤其受时差影响，夜间回复滞后，导致用户等待时间长。
重复性问题多——大量用户咨询充值、提现、保证金等基础问题，人工处理效率低。
多语言需求——需支持英语和印地语，以确保不同用户群体的顺畅沟通。
用户金融知识匮乏——印度期货市场75%的用户为散户，对金融概念理解有限，需提供更清晰易懂的解答。
基于上述挑战，我们决定引入智能客服，以提升客服效率、优化用户体验，并有效降低人工客服的压力
实现方案：
模型选择：
主要基于以下考虑：
市场适配性：Llama 2-7B 具备英语+印地语混合优化能力，并专门针对印度金融市场进行微调，能够更好
地满足印度用户的需求。
语言支持：原生支持 Hinglish（印地语 + 英语混合语言）及本地单位换算，降低用户沟通成本。
合规与安全性：可完全本地部署，数据无需出境，避免合规风险。
成本优势：作为开源模型，Llama 2-7B 不需要支付 API 费用，大幅降低长期运营成本
数据准备：
数据采集：整合内部数据（历史客服对话、用户行为日志、投诉工单数据库）、外部数据（印度国家交易所
NSE公告API、Economic Times金融新闻
