《主动式智能导购AI助手构建》解决方案评测

简介: 简介: 通过函数计算应用模板,您可以快速搭建一个集成智能导购的网站,实现多轮交互收集用户商品偏好,默认支持手机、电视和冰箱。部署时填写API Key,创建并部署环境(约1分钟)。部署完成后,访问示例网站域名确认成功。智能导购会根据用户意图分类并传递给相应商品导购Agent,返回商品信息。您还可以选择集成百炼应用进行智能商品检索。此架构适用于智能问诊、求职推荐等场景。在生产环境中,可修改知识库和源码以适配具体需求,并通过优化提示词和私有知识库来持续改进回复效果。

简介: 通过函数计算应用模板,您可以快速搭建一个集成智能导购的网站,实现多轮交互收集用户商品偏好,默认支持手机、电视和冰箱。部署时填写API Key,创建并部署环境(约1分钟)。部署完成后,访问示例网站域名确认成功。智能导购会根据用户意图分类并传递给相应商品导购Agent,返回商品信息。您还可以选择集成百炼应用进行智能商品检索。此架构适用于智能问诊、求职推荐等场景。在生产环境中,可修改知识库和源码以适配具体需求,并通过优化提示词和私有知识库来持续改进回复效果。
image.png
image.png
image.png
image.png
image.png
image.png
image.png
image.png
image.png
访问网站
在函数计算应用部署完成后,您可以在跳转后的页面的环境信息中找到示例网站的访问域名,单击即可查看,确认示例网站已经部署成功。
image.png

验证智能导购效果
智能导购会主动询问并收集需要的商品参数信息;收集完成后打印出参数信息。
image.png

在导购收集到顾客的商品参数偏好后,您可以通过查询商品数据库来返回商品。如果您想通过百炼应用来进行智能商品检索,请参考创建百炼商品检索应用并集成到智能导购中(可选)。
关键代码解释
规划助理(Router Agent)
上述示例程序中用于意图识别的模块是规划助理(Router Agent)。规划助理根据用户意图进行分类后,将用户的问题按需传递指定的商品导购 Agent。
ROUTER_AGENT_INSTRUCTION = """你是一个问题分类器
请根结合用户的提问和上下文判断用户是希望了解的商品具体类型。
注意,你的输出结果只能是下面列表中的某一个,不能包含任何其他信息:

手机(用户在当前输入中提到要买手机,或正在进行手机参数的收集)
电视机(用户在当前输入中提到要买电视机,或正在进行电视参数的收集)
冰箱(用户在当前输入中提到要买冰箱,或正在进行冰箱参数的收集)
其他(比如用户要买非上述三个产品、用户要买不止一个产品等情况)
输出示例:
手机
"""
router_agent = Assistants.create(
model="qwen-plus",
name='引导员,路由器',
description='你是一个商城的引导员,负责将用户问题路由到不同的导购员。',
instructions=ROUTER_AGENT_INSTRUCTION
)
选择不同的 Agent 进行回复
agent_map = {
"意图分类": router_agent.id,
"手机": mobilephone_guide_agent.id,
"冰箱": fridge_guide_agent.id,
"电视机": tv_guide_agent.id
}

def chat(input_prompt, thread_id):

首先根据用户问题及 thread 中存储的历史对话识别用户意图

router_agent_response = get_agent_response(agent_name="意图分类", input_prompt=input_prompt, thread_id=thread_id)
classification_result = parse_streaming_response(router_agent_response)

response_json = {
"content": "",
}

如果分类识别为其他时,引导用户调整提问方式

if classification_result == "其他":
return_json["content"] = "不好意思,我没有理解您的问题,能换个表述方式么?"
return_json['current_agent'] = classification_result
return_json['thread_id'] = thread_id
yield f"{json.dumps(return_json)}\n\n"

如果分类是手机、电视机或冰箱时,让对应的 Agent 进行回复

else:
agent_response = get_agent_response(agent_name=classification_result, input_prompt=input_prompt, thread_id=thread_id)
for chunk in agent_response:
response_json["content"] = chunk
response_json['current_agent'] = classification_result
response_json['thread_id'] = thread_id
yield f"{json.dumps(response_json)}\n\n"
总结
通过以上步骤,您搭建了一个集成了智能导购的网站,可以全天候向顾客提供商品推荐服务。本案例中的架构也适用于智能问诊、求职推荐等场景。

应用于生产环境
为了将智能导购适配到您的产品并应用于生产环境中,您可以:

修改知识库。将您的商品信息作为知识库,同时您也可以在商品参数中添加商品详情页或下单页的链接,方便顾客进行浏览与下单。您也可以通过已有的数据库或其它服务中进行商品检索。

修改源码中的prompt来适配到您的产品中。修改源码的步骤为:

回到应用详情页,在环境详情的最底部找到函数资源,点击函数名称,进入函数详情页。

进入函数详情页后,在代码视图中找到prompt.py、agents.py文件并进行修改。

prompt.py定义了agent的功能以及询问参数的顺序等信息;agents.py创建了agent,以及生成回复的函数。
单击部署代码,等待部署完成即可。

参考10分钟给网站添加AI助手中的应用于生产环境部分,将智能导购集成到您的网站中。

持续改进
建议在正式上线智能导购前,组织业务人员一起参与应用评测,确保智能导购的回复效果符合预期。如果不符合预期,可以通过优化提示词、完善补充私有知识等方法来改进回答效果。

大模型课程
系统体验的改进优化永远没有终点,您可以考虑学习并通过阿里云大模型 ACA 认证,该认证配套的免费课程能帮助您进一步了解大模型的能力和应用场景,以及如何优化通过大模型的应用效果。

相关文章
让AI真正懂生产的工业智能体长啥样?一个评测告诉你答案
本文探讨了工业互联网平台与大模型技术融合的趋势,重点介绍卡奥斯COSMOPlat平台。该平台通过智能体应用构建,提升生产效率、优化流程并降低开发成本。文章还分析了工业大模型在知识引擎、智能应用开发等方面的应用价值,并通过案例展示其在设备管理、供应链优化中的成效。随着政策推动和市场需求增长,“人工智能+工业互联网”模式正加速产业升级,为工业企业提供新生产力工具,助力数字化转型与智能化发展。
58 5
让AI真正懂生产的工业智能体长啥样?一个评测告诉你答案
AI 推理场景的痛点和解决方案
一个典型的推理场景面临的问题可以概括为限流、负载均衡、异步化、数据管理、索引增强 5 个场景。通过云数据库 Tair 丰富的数据结构可以支撑这些场景,解决相关问题,本文我们会针对每个场景逐一说明。
539 148
AI 推理场景的痛点和解决方案
PaperBench:OpenAI开源AI智能体评测基准,8316节点精准考核复现能力
PaperBench是OpenAI推出的开源评测框架,通过8316个评分节点系统评估AI智能体复现学术论文的能力,涵盖理论理解、代码实现到实验执行全流程。
98 30
PaperBench:OpenAI开源AI智能体评测基准,8316节点精准考核复现能力
GPT-4o测评准确率竟不到1%!BrowseComp:OpenAI开源AI代理评测新基准,1266道高难度网络检索问题
OpenAI最新开源的BrowseComp基准包含1266个高难度网络检索问题,覆盖影视、科技、艺术等九大领域,其最新Deep Research模型以51.5%准确率展现复杂信息整合能力,为AI代理的浏览能力评估建立新标准。
80 4
GPT-4o测评准确率竟不到1%!BrowseComp:OpenAI开源AI代理评测新基准,1266道高难度网络检索问题
通义灵码2.0深度评测:AI原生研发时代的开发者革命
作为一名五年开发经验的程序员,我深刻感受到从手动编码到AI辅助编程的变革。通义灵码2.0基于Qwen2.5-Coder大模型,通过代码生成、多文件协同、单元测试和跨语言支持等功能,显著提升开发效率。它能生成完整工程代码,自动处理复杂业务逻辑与依赖关系;在系统升级和微服务改造中表现出色;自动生成高质量单元测试用例;还具备跨语言转换能力。尽管存在一些改进空间,但其高频迭代和功能优化展现了巨大潜力。通义灵码2.0正推动软件开发从“体力活”向“架构创造力”转型,是开发者不可错过的生产力工具。
通义灵码2.0深度评测:AI原生研发时代的开发者革命
突破网页数据集获取难题:Web Unlocker API 助力 AI 训练与微调数据集全方位解决方案
本文介绍了Web Unlocker API、Web-Scraper和SERP API三大工具,助力解决AI训练与微调数据集获取难题。Web Unlocker API通过智能代理和CAPTCHA绕过技术,高效解锁高防护网站数据;Web-Scraper支持动态内容加载,精准抓取复杂网页信息;SERP API专注搜索引擎结果页数据抓取,适用于SEO分析与市场研究。这些工具大幅降低数据获取成本,提供合规保障,特别适合中小企业使用。粉丝专属体验入口提供2刀额度,助您轻松上手!
37 2
|
1月前
零门槛,即刻拥有DeepSeek-R1满血版评测活动获奖名单公布!
零门槛,即刻拥有DeepSeek-R1满血版评测活动获奖名单公布!
407 6
零门槛,即刻拥有DeepSeek-R1满血版评测活动获奖名单公布!
最新AI大模型数据集解决方案:分享两种AI高质量代码数据集生产方案
本文分享了两种构建高质量AI代码数据集的解决方案。第一种是传统方式,结合动态住宅代理与手动处理,通过分页读取和数据清洗生成结构化数据;第二种是利用Web Scraper API工具,实现自定义配置、自动化抓取及云端存储。两种方法各具优势,适合不同需求和技术水平的团队。同时,文章还提供了专属优惠福利,助力提升数据采集效率,为AI大模型训练提供支持。
71 5
最新AI大模型数据集解决方案:分享两种AI高质量代码数据集生产方案
通义灵码2.0 AI 程序员体验官招募活动---通义灵码评测
在大模型不断更新迭代的当下,众多大厂纷纷推出自家的 AI 编码助手。其中,阿里云的通义灵码堪称市场上最为成熟的产品之一,紧随其后的则是腾讯的 AI 助手。在近期实际项目开发过程中,我使用了通义灵码助手,其最新版本展现出了令人惊叹的强大性能。在一些模块编码任务上,通义灵码表现尤为出色,生成的代码在命名规范性、易扩展性以及易读性方面,甚至超越了大多数普通程序员。通义灵码在生成代码时,不仅会考量设计模式,遵循重构原则,还具备强大的 bug 检测与修复能力,在单元测试方面同样表现优异。接下来,本文将通过一个小游戏的实例,对通义灵码的各项功能展开测试。
88 1
通义灵码2.0 AI 程序员体验官招募活动---通义灵码评测
云产品评测|快速体验AI时代下的BI——Quick BI
Quick BI是阿里云推出的智能商业分析工具,连续多年入选Gartner ABI魔力象限。它通过“大模型”、“零代码”和“增强分析”等技术,将复杂的数据转化为直观的可视化体验。用户可轻松创建数据集、设计仪表板,并利用AI助手快速获取洞察。本文介绍了Quick BI从数据上传到可视化分析的全流程,展示其在教育等领域实际应用案例。尽管存在部分操作优化空间,但其高效易用的特点使其成为企业数字化转型的理想选择。
AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等