知香香水导购 Agent

01 / 我为什么做一个香水 Agent

和 20 多位消费者聊过以后，我发现新手买香水经常卡在三个地方： 他们很难准确描述自己喜欢什么；线上又闻不到； 即使平台推荐了一堆热门商品，也很难判断「为什么它适合我」。

这意味着普通搜索并不能完全解决问题。用户需要的不是更多 SKU，而是有人帮他把模糊偏好一步步缩小成几个可以选择的方向。

与此同时，大模型导购还有一个更现实的问题：它会推荐不存在、已经下架或者根本没有库存的商品。 在交易场景里，一次这样的推荐就足以让用户不再相信后面的答案。

02 / 模型不负责所有事情

我最后把系统拆成了三个部分。

• LLM 负责理解用户。例如把「学生党、不甜、夏天用」解析成场景、价格、气味偏好等结构化条件，并决定什么时候需要继续追问；
• 知识图谱负责香水知识。我整理了 1,971 款香水、346 个品牌、504 种香原料和 12 类香调之间的关系，让系统可以从用户描述继续找到具体香气方向和候选香水；
• 商品源负责回答「现在能不能买」。推荐结果最终必须回到拼多多或淘宝联盟的真实商品数据中——商品不存在，就不能生成一张看起来很完整的推荐卡片。

这不是为了让架构更复杂，而是因为这三个问题的可靠性要求完全不同。

03 / 为什么设计四级召回

真实商品池永远不会刚好包含最理想的答案。如果用户要求「300 元以内、木质调、适合女生、夏天、不甜」， 严格满足所有条件的商品可能一个都没有。这里有两个选择：要么告诉用户「没有结果」； 要么偷偷放宽条件，但不告诉用户。我都不太满意。

因此最后做成四级召回：

精准匹配 → 香调方向匹配 → 性别与场景兜底 → 品类兜底

随着条件逐级放宽，产品可以继续给出备选，同时保留「为什么这个结果只是次优选择」的解释。

宁可推荐一个明确说明取舍的相近商品，也不让模型虚构一个完美答案。

04 / 推荐好不好，怎么测

第一版做完以后，我很快发现「自己觉得推荐还不错」几乎没有意义。于是把真实失败案例整理成三套评测集：

• 23 题基础回归集，覆盖最常见的找香需求；
• 23 题改写外推集，把同一个需求换成更口语、更模糊的说法；
• 10 题 Bad Case 专项集，集中测试已经出现过的香调理解错误。

代码负责检查商品真实性等确定性问题，LLM-as-Judge 再评价偏好匹配、推荐解释和对话质量。 三轮迭代后：基础集综合评分从 2.26/5 提升到 3.14/5（+39%）， 平均维度分从 2.60/5 提升到 3.52/5（+35%）。

比数字更有价值的是，评测让我能区分「模型没听懂用户」和「听懂了但商品池没有合适供给」 这两类完全不同的问题——它们需要的是两种不同的产品解法。

05 / 下一步最想补的东西

现在的系统已经能保证推荐商品真实存在，但「有商品」不等于「现在值得买」。 价格是否异常、库存是否稳定、不同平台有没有更好的规格，这些都是交易发生前最后一步的信息。 如果继续做，我最优先补的是实时价格与库存能力，而不是增加更多对话功能。