当前位置: 首页 > news >正文

AI Agent 产品推荐方案

一、企业业务痛点
您的企业是否曾面临这样的困境?

企业产品品类繁多,单个产品的参数常达数十上百个,类型各异(部分为数字类型,部分为文字类型),且参数重要性存在差异(例如发电机的 "输出功率" 权重远高于 "占地面积")。

客户下单渠道分散(个人微信、企微外部用户、邮件、Excel 文件等),需求描述完整性不一 ------ 部分描述详尽,部分仅为简洁表述。此时,员工需基于对全量产品的深度理解,从多渠道需求中筛选匹配度最高的产品推荐给客户,操作难度极大。

二、传统解决方案的局限
在大模型技术普及前,这类问题通常依赖经验丰富的员工手动处理:员工需投入大量时间响应多渠道需求,提供的推荐仅基于个人判断,无法确保综合考量企业所有产品及各参数权重,推荐结果的客观性与全面性难以保障。

2025 年作为 AI Agent 元年,我们可通过开发专属 AI Agent 解决这一场景,实现产品推荐的自动化与精准化。

三、AI Agent 范式选择
如同学生写作需区分议论文、说明文、记叙文的 "套路",AI Agent 开发也存在可遵循的标准范式(随技术迭代持续扩充)。以下重点介绍两类核心范式,并匹配业务场景选择最优方案。

RAG范式
适用场景:需查询多份非结构化材料(如行业专业文献、企业只读规章、产品说明书),或解答 SOP(标准作业流程)、FAQ(常见问题)类知识问题,且匹配需求为 "非严格匹配" 时,优先选择 RAG 范式。

核心流程:

后台处理:① 录入知识文本 → ② 文本预处理(切片、扩增) → ③ 特征提炼与向量转换 → ④ 向量库存储;
前台交互:① 选择知识领域并提问 → ② 提问内容特征提炼与向量转换 → ③ 向量库检索相关知识并排序 → ④ 关联知识传入大语言模型生成答案 → ⑤ 前端结构化呈现结果。
意图识别范式
适用场景:业务需通过自然语言触发系统操作,或需将模糊需求转换为系统操作参数,且操作可枚举、高频场景覆盖率高(多数用户需求可明确归类)时,适用意图识别范式。

核心流程:

① 对用户输入进行意图识别,关联外部数据库 / 知识库匹配特定 API;

② 调用大语言模型填充参数(需与外部数据库 / 知识库通信);

③ 权限控制下执行查询(含业务数据处理);

④ 后续业务逻辑处理;

⑤ 输出用户分析结论。

场景匹配结论
结合 "产品参数推荐" 场景特性,无需完整意图识别环节,仅需提取产品参数即可实现需求,因此简化后的意图识别范式为最优选择。

四、AI Agent 逐步开发流程
第0步:学习葡萄城市场的向量计算插件和对象与集合操作工具插件
葡萄城市场是葡萄城官方的生态聚集平台,其中活字格开发实验室店铺里面有两个插件是我们需要使用到的。

向量计算

image

对象与集合操作工具

image

向量计算插件
向量归一化、哈达玛积(逐元素乘法)、欧几里得距离、余弦相似度、向量缩放(标量乘法)。

我们当下需要用到的是哈达玛积和余弦相似度。

哈达玛积(Hadamard product)
对于两个维度相等的向量A=[ai]和B=[bi],向量[ai*bi]为A和B的哈达玛积。

我们以这个向量计算插件举个例子

image

结果是

image

余弦相似度
描述的是两个向量的方向接近程度,取值范围是-1到1,-1表示完全相反,1表示完全相同,0表示互相没有关系。越接近1表示,方向越接近。

同样的,我们用向量计算插件举例子

image

显然,这两个向量是大小相等,方向相同的,那么计算出来的余弦相似度是多少呢?

image

image

这两个向量是互相垂直的,它们的余弦相似度是多少呢?

image

image

这两个向量互相相反,那么相似度是多少呢?

image

对象与集合操作工具
是用来处理数组、对象和字典等数据结构的。我们这个场景主要用的是数组操作、数组排序和在数组中查询

http://www.hskmm.com/?act=detail&tid=31318

相关文章:

  • 2025年国内分散釜优质厂家排行榜:值得推荐的分散釜厂家有哪些?
  • 彩笔运维勇闯机器学习--GBDT - 详解
  • 二层环路检测
  • 2025年国内搅拌釜优质厂家排行榜:值得推荐的搅拌釜厂家有哪些?
  • 告别词穷!我发现了一款免费无限量的 Midjourney 提示词神器!
  • 音频标签,无语义的布局标签,字符实体(尖括号和空格)
  • 2025 年最新推荐票务系统厂家综合实力榜单:覆盖高铁站 / 景区 / 高校实训等场景,精准盘点优质品牌景区售检票务系统/高校铁路仿真售检票务系统/模拟铁路12306自动售检实训票务系统厂家推荐
  • 深入解析:Apache Superset 企业级实战:从部署到优化的全链路指南
  • 2025 年闸机生产厂家最新推荐榜单:涵盖多场景需求的实力厂家权威盘点海关通关自助验证/边境防疫自助边检验证/AB门自助验证/双门互锁视频防尾随自助验证/高铁自助核验检票闸机厂家推荐
  • VKProxy
  • 2025 年手套箱厂家推荐排行榜,惰性气体/真空/氮气/防护手套箱厂家推荐
  • 服务没有及时响应启动或控制请求
  • 【日记】央视不要我,笑死(1672 字)
  • 无心插柳柳成荫/万能的添加地址模块/一个播放地址带上各种参数
  • 构造专题 #2
  • HarmonyOS 详细安装第三方库的流程与注意
  • 2025-10-14
  • MySQL笔记---表的约束 - 实践
  • 新买的笔记本电脑如何将旧笔记本数据迁移完整迁移克隆过来?买了新电脑,旧电脑大量数据如何迁移?
  • 反射型XSS与自反型XSS深度解析
  • Markdown 是一种「用肉眼就能看懂」标记语言
  • Java 与智慧能源:分布式能源与智能电网管理
  • PHP 真异步 TrueAsync SAPI 与 NGINX Unit 集成
  • GitHub Spark引领Vibe编程与AI技术新趋势
  • Java 与智慧环保:生态监测与低碳治理
  • VMware ESXi 9.0.1.0 macOS Unlocker OEM BIOS 2.7 Huawei 华为 定制版
  • VMware ESXi 9.0.1.0 macOS Unlocker OEM BIOS 2.7 xFusion 超聚变 定制版
  • [AI] AI深度伪造欺诈防范
  • [AI/AI中台] AI应用开发平台:Coze、Dify、阿里百炼、N8N、FastGPT
  • 【GitHub每日速递 251015】爆火, 20k star!小智 AI 聊天机器人多端控制+70 多个开源硬件支持,大模型应用新玩法