跳到正文

从一句“帮我选”到商品推荐:AI Agent 如何理解购买意图

v1.0.0 专题

逐步解释 Agent 如何把模糊购买请求转成约束条件、带证据的候选商品和有条件的推荐。

当前状态: 本文依据当前 v1.0.0-beta 边界撰写,只陈述方法和证据要求,不把尚未验证的平台采用、排名、引用、推荐或销售结果写成事实。

展示“从一句“帮我选”到商品推荐:AI Agent 如何理解购买意图”中系统、信息流与决策边界的示意图
带英文标注的图示梳理了“从一句“帮我选”到商品推荐:AI Agent 如何理解购买意图”中的参与方、证据、决策点和系统交接。

“帮我选”不是一个完整的商品查询,而是在邀请 Agent 找出尚未说清的问题。安全的购物 Agent 会把请求转成明确约束,用证据比较候选,并在证据不足时停止推荐。

购买意图只是待验证的假设

以“我需要一副办公耳机”为例,请求没有说明使用环境、设备、麦克风需求、听力限制、预算和对隔音的接受程度。Agent 不应把第一个看似合理的解释直接变成推荐,而要先形成假设,指出哪些变量会改变答案,只追问真正影响决策的问题。

硬约束会排除候选,例如接口类型、过敏成分、尺寸、电压或严格预算上限;软偏好只用于给剩余候选排序,例如颜色、重量、风格或续航偏好。两者分开,才能避免热门卖点覆盖安全和兼容要求。

候选事实必须能够比较

如果一件商品提供精确尺寸,另一件只写“轻巧”,第三件完全缺少该字段,匹配很容易失真。商品知识层通过稳定的 Facts、Guidance、Limitations、Compatibility 和 Identifiers 让证据更可比,但不会凭空创造一个通用评分。

未知值必须保持未知。“没有写限制”不等于“不存在限制”。遇到关键约束时,Agent 可以降低置信度、排除候选,或向商家和用户继续提问。

来源保留了匹配理由

一个推荐应当可以还原成短链路:用户约束、匹配陈述、公开来源,以及仍需实时确认的事项。两个文档冲突或商家更新陈述时,来源记录能让问题被发现;没有来源,流畅解释也可能掩盖错误匹配。

每条决定性陈述都应记录资源地址和检查日期或版本。兼容性来自支持页面、尺寸来自商品页时,应同时保留两个来源,而不是压成没有出处的摘要。

限制条件可以直接否决推荐

正面特征通常用来排序,限制条件却常常是门槛。帐篷很轻,不代表适合冬季;充电器功率足够,不代表接口正确;护肤品功能合适,也可能含有用户排除的成分。限制与硬约束冲突后,再多卖点也不应把候选救回来。

因此,“不适合谁”必须和卖点放在同一套知识中,它给 Agent 一个拒绝表面上很吸引人的候选的明确依据。

推荐、追问和拒答都可能正确

最终动作有三种合理形式:关键约束均有证据且没有已知冲突时,给出带条件推荐;只缺一个会改变结果的信息时,提出聚焦问题;关键事实缺失、证据矛盾或请求超出商品证据能够支持的范围时,拒答或安全交接。

状态 Agent 应采取的动作
证据覆盖全部硬约束 给出带来源的有条件推荐
一个缺失事实会改变首选 提出聚焦追问
关键证据缺失或互相冲突 拒答或交给人工/专业系统

测试完整推理路径

准备一小组带预期约束和已知陷阱的请求,重复运行并检查实际使用的来源,再评分 Agent 是否拒绝了不兼容商品。失败样例必须与成功样例同样保留,否则评估只会奖励自信文案,而不是可靠匹配。

购买意图是一组约束,而不是一句关键词

“帮我选台灯”几乎没有选择条件;“帮我选一盏用于视频会议、适合小房间、无明显频闪、夹具能装在 45 毫米桌板上的台灯”则包含用途、环境、性能和兼容阈值。Agent 不能把它们压成几个关键词,而应标记哪些是硬条件、哪些是偏好、哪些仍有歧义。

45 毫米夹具是物理硬条件,暖色温可能只是偏好,“小”可能指房间、桌面或灯体。若歧义会改变候选,Agent 应先追问;若商品文档没有某项事实,应标记未知,不能把“没有写”解释为满足条件。

淘汰候选需要负面证据

假设两盏灯都写着适合视频会议。A 的夹持范围为 10–50 毫米,并有经说明的低频闪模式;B 只能夹 10–35 毫米,却有更强的营销文案。关键词检索可能把 B 排在前面,约束匹配则必须淘汰 B。Limitations 和 Compatibility 因此是核心输入,而不是推荐完成后的附注。

解释应展示每个关键约束由哪条事实满足,并链接对应来源。如果没有商品满足全部硬条件,应直接说明;提供“接近”的候选时,也必须先指出未满足的条件。明确拒答比用不完整数据制造确定性更有价值。

保存可复现的决策轨迹

一条最小轨迹包括:规范化后的意图、候选集合、读取的证据、硬条件过滤、软偏好评分、冲突、最终选择和仍需实时确认的事项。商家由此可以判断错误来自内容缺失、解析、检索还是决策规则,而不是只看到一个无法解释的答案。

轨迹应尽量少保存个人信息。商品匹配通常不需要姓名、邮箱或完整聊天记录,只需保留复现实验所需的约束,并清除无关内容。进入购买阶段后,把商品和变体身份交给商业系统,由它确认价格、库存、配送、税费、支付和订单状态。

追问本身也是匹配过程

Agent 应只提出会改变候选集合的最小问题。如果所有台灯都支持 45 毫米桌板,就不必继续追问;若只有一款支持,这个问题就是决定性的。同样原则适用于尺寸、地区、使用者、已有设备、过敏和安全要求。好的追问减少不确定性,而不是把购物变成长表单。

商家可以用成对问题测试:一个缺少关键约束,一个补齐约束,并预先写明应当追问、拒答还是推荐。这样,对话质量也能复验,系统不会把自信猜测当成“理解了意图”。

把约束冲突纳入测试

测试集还应包含互相冲突的要求,例如预算无法覆盖必选功能,或材质限制排除了所有候选。系统需要指出冲突来自哪里、哪些条件可以放宽,并保留原始商品事实作为解释依据。若缺少关键事实,应提出最少量的澄清问题;若问题依赖库存、运费或送达时间,则必须把最终判断交给实时商业系统,而不是用静态知识推测。

主要来源