生成式AI购物研究系统的架构设计与实践

一、购物研究为何不同于传统商品搜索

传统商品搜索主要解决“用户输入关键词，系统返回相关商品”的问题，系统重点通常是关键词匹配、类目过滤和排序。购物研究则更接近一项多步骤决策任务：用户描述自己的使用场景、预算、偏好和限制条件，系统需要理解真实意图，主动补充缺失信息，从多个公开来源收集资料，比较候选商品，并解释推荐依据。

例如，“想买一台适合小户型、夜间运行安静、维护成本低的设备”并不是一个标准商品关键词。系统至少需要完成以下工作：

1. 将“小户型”转换为适用面积、设备尺寸等可计算条件；
2. 将“夜间安静”映射为噪声指标及对应的测试口径；
3. 将“维护成本低”拆解为耗材价格、更换周期、清洁难度和售后成本；
4. 判断预算、能耗、功能丰富度之间的优先级；
5. 对信息来源、更新时间和数据冲突进行校验；
6. 用自然语言给出结论，并说明哪些信息仍需用户确认。

因此，购物研究系统不是简单地在搜索结果上增加一层文本生成，而是由意图理解、检索、数据治理、排序决策、内容生成和风险控制共同构成的复合系统。

二、系统总体架构

一个完整的生成式AI购物研究系统可以划分为六层：

1. 交互层

交互层负责接收自然语言需求，并通过追问逐步完善约束。用户往往不会一次性给出完整条件，因此系统应支持多轮澄清，而不是在信息不足时直接输出看似确定的答案。

常见澄清问题包括：

• 可接受的价格区间是多少；
• 是否有尺寸、重量或安装空间限制；
• 哪些功能属于必须具备，哪些只是加分项；
• 更重视性能、耐用性、能耗还是维护便利性；
• 是否有明确的购买时间和到货时限。

追问数量需要受到控制。如果每个字段都要求用户回答，交互成本会快速上升。实践中可优先询问对候选集合影响最大的条件，其余字段使用“未指定”状态，避免擅自推断。

2. 需求建模层

系统应把自然语言转换为结构化需求对象。示意结构如下：

需求对象 {
  商品类别: "目标品类",
  预算: {
    下限: 可选,
    上限: 可选,
    币种: "用户所在地区币种"
  },
  使用场景: ["家庭", "夜间"],
  必选条件: ["尺寸受限", "低噪声"],
  偏好条件: ["维护方便", "低能耗"],
  排除条件: ["不接受复杂安装"],
  购买时限: "两周内",
  地区: "用户所在区域",
  排序偏好: {
    价格: 0.25,
    性能: 0.25,
    噪声: 0.30,
    维护成本: 0.20
  }
}

这里的权重不应被视为绝对事实，而是系统对用户偏好的阶段性表达。若用户后续表示“价格不重要，安静最关键”，系统需要重新调整权重并触发候选重排。

需求建模还要区分硬约束和软偏好。硬约束不满足时，候选项原则上应被排除；软偏好则用于评分。例如，“设备宽度不能超过某值”属于硬约束，“外观简洁”通常属于软偏好。二者混淆会导致推荐结果表面相关、实际不可用。

3. 信息检索层

购物研究依赖公开商品页、规格说明、使用指南、价格信息和可信评价等资料。检索层的目标不是尽可能多地抓取内容，而是获得相关、及时、可核验的信息。

典型检索流程包括：

1. 根据结构化需求生成多组查询；
2. 分别查询商品规格、价格、库存、维护方式和常见问题；
3. 对来源进行质量分级；
4. 提取正文、表格、更新时间和引用位置；
5. 去除重复页面和低信息密度内容；
6. 将检索结果交给后续归一化模块。

查询不宜只使用商品类别和功能词，还应覆盖用户真正关心的证据。例如，用户关注维护成本时，应同时检索耗材类型、更换周期、清洁方式和保修边界，而不是只看营销页面中的“易维护”描述。

来源质量可以从以下维度评估：

• 是否为商品信息的直接发布方；
• 是否明确给出规格和测试条件；
• 页面是否标注更新时间；
• 同一结论能否被多个独立来源交叉验证；
• 页面是否存在明显营销倾向；
• 数据是否适用于用户所在地区。

对于价格和库存，应给予时间新鲜度更高的权重。对于尺寸、材质等相对稳定的规格，来源权威性通常比抓取时间更重要。

三、商品数据归一化是核心难点

不同页面对同一指标可能采用不同单位、命名和测试口径。若不进行归一化，后续比较会产生严重偏差。

1. 单位统一

长度、重量、容量、功率和噪声等字段应转换为统一单位，同时保留原始值。保留原始数据有助于审计，也能避免转换规则变化后无法回溯。

2. 属性映射

同一个概念可能有多种表达方式。系统需要建立标准属性字典，将页面中的近义字段映射到统一字段。例如，“整机尺寸”“产品尺寸”和“外形规格”可能都对应长、宽、高，但不能只依赖字符串相似度，还需要结合上下文判断。

3. 商品实体去重

同一商品可能因为颜色、容量、销售地区或套装差异形成多个页面。系统需要识别哪些页面属于同一基础型号，哪些属于真正不同的配置。

去重时可综合以下信息：

• 标准化后的商品名称；
• 关键规格组合；
• 图片或描述特征；
• 配置差异；
• 地区版本；
• 页面中的内部标识。

需要特别注意，不能为了减少重复而合并存在关键差异的变体。例如，不同容量、不同供电标准或不同配件组合可能直接影响适用性和价格。

4. 冲突数据处理

若多个来源给出不同参数，系统不应静默选择其中一个值。更合理的做法是记录冲突，并根据来源级别、更新时间和适用地区计算可信度。

示意规则如下：

若高可信来源与普通来源冲突：
    优先采用高可信来源
    在结果中标注存在差异
若两个高可信来源冲突：
    保留两个值
    降低该字段置信度
    提醒用户在购买页面确认
若价格或库存超过有效时间：
    不作为确定事实展示
    标注为历史信息或待确认信息

这种设计能够避免模型把不确定数据包装成确定结论。

四、候选召回、过滤与排序

购物研究的排序不能只看文本相关度。系统需要先扩大召回范围，再依据硬约束过滤，最后进行多目标评分。

1. 候选召回

召回阶段追求覆盖率，可使用关键词检索、语义检索、类目检索和属性检索等多种方式。不同方式召回的候选项应合并去重，并记录其入选原因。

2. 硬约束过滤

硬约束必须在排序前处理。例如，尺寸超限、地区不可购买、无法在要求时间内送达，或者缺少必选功能的商品，都不应仅因为综合评分较高而进入主要推荐列表。

如果过滤后没有候选项，系统不应私自放宽条件，而应明确告诉用户冲突所在，并给出可选择的调整方向：

• 提高预算；
• 放宽尺寸限制；
• 延长到货时间；
• 将某项必选条件改为偏好条件。

3. 多目标评分

对通过过滤的候选项，可采用加权评分。简化表达如下：

综合分 =
  性能匹配度 × 性能权重
  + 价格适配度 × 价格权重
  + 场景适配度 × 场景权重
  + 维护便利度 × 维护权重
  + 信息可信度 × 可信度权重
  - 风险惩罚项

风险惩罚项可覆盖信息过期、关键参数缺失、来源冲突和库存不确定等问题。这样可以避免数据不完整的商品仅凭少数突出指标获得过高排名。

评分结果还需要具备可解释性。系统应说明某个候选项为什么排名靠前，以及它在哪些方面不适合用户。相比“最佳选择”这样的绝对表述，“更符合低噪声优先需求，但维护成本相对较高”更符合真实决策过程。

五、生成购买指南时如何控制幻觉

生成模块的主要任务是组织证据，而不是创造事实。建议采用“先证据、后结论”的生成方式。

1. 每个关键结论绑定证据

价格、库存、尺寸、兼容性和保修范围等事实性内容，应关联到具体来源及其更新时间。没有证据支持的字段应标记为未知，不应由模型根据同类商品进行补全。

2. 区分事实、推断和建议

输出内容可以划分为三类：

• 事实：来源明确、能够核验的数据；
• 推断：基于多个指标得到的分析结果；
• 建议：结合用户偏好形成的决策意见。

例如，“设备尺寸为某范围”属于事实；“适合小空间”是结合尺寸和场景产生的推断；“建议优先考虑该候选项”则属于建议。明确区分三者，可以降低用户把模型判断误认为客观参数的风险。

3. 对时效数据进行显著提示

价格、促销、配送和库存具有高度动态性。系统应展示采集时间，并提醒用户以最终购买页面为准。若数据已经超过预设有效期，应触发重新检索，而不是继续复用缓存。

4. 限制绝对化表达

系统应避免使用“完全没有问题”“一定兼容”“绝对最低价”等无法充分证明的表述。即使多个来源一致，也应保留合理的不确定性，尤其是安装条件、地区版本和个体体验差异较大的领域。

六、利用实时反馈优化推荐

购物研究通常需要多轮调整。用户对候选项表达“不感兴趣”“希望类似但更便宜”或“不要某种设计”时，系统需要把反馈转化为结构化信号。

例如：

反馈: "这个不错，但体积太大"
更新结果:
  - 保留原有功能偏好
  - 将尺寸上限设为硬约束
  - 提高紧凑性权重
  - 对已排除的大尺寸候选项降低优先级
  - 重新召回更小尺寸的候选商品

反馈处理不能只修改最终文案，还应真正影响检索、过滤和排序。否则用户会发现系统虽然口头表示“已了解”，推荐列表却没有实质变化。

对于长期偏好，可在获得用户明确授权后保存，例如常用预算区间、偏好的功能取向和所在地区。敏感信息、一次性需求和推断出的个人属性不宜默认进入长期记忆。系统还应提供查看、修改和删除偏好的能力。

七、隐私与安全设计

购物对话可能包含地址范围、家庭结构、健康需求和消费能力等信息，因此隐私保护必须贯穿数据全生命周期。

1. 数据最小化

仅收集完成任务所需的信息。例如，为判断配送可用性，通常只需地区级信息，不应在研究阶段要求用户提供完整地址。

2. 用途隔离

用于生成推荐的对话数据，不应自动转化为面向外部商家的用户画像。研究、推荐、下单和售后属于不同处理目的，应采用清晰的授权边界。

3. 日志脱敏

系统日志应避免直接记录地址、联系方式和支付相关信息。确需排查问题时，可使用脱敏标识关联会话，并设置合理的日志保留期限。

4. 防范检索内容注入

外部网页可能包含误导模型的文本，例如要求忽略用户需求、改变排序规则或输出无关内容。系统必须把网页内容视为不可信数据，而不是可执行指令。

可采用以下措施：

• 将系统规则与外部文本严格隔离；
• 只提取预定义字段和证据片段；
• 对异常指令式文本进行过滤；
• 禁止外部页面直接修改用户约束；
• 对最终输出执行事实一致性检查。

八、效果评估不能只看点击率

若只用点击率或成交率评价购物研究系统，可能诱导系统优先展示更容易促成购买的商品，而忽略是否真正满足用户需求。更合理的评估体系应覆盖多个维度。

1. 需求理解指标

评估系统是否正确识别商品类别、预算、硬约束和偏好优先级。可以构建人工标注的需求集，对结构化结果进行字段级比较。

2. 检索质量指标

关注候选覆盖率、有效来源比例、重复结果比例和信息新鲜度。对于强时效字段，还要单独评估过期数据占比。

3. 事实准确性指标

抽查输出中的关键事实，判断其是否能被引用来源直接支持。事实准确性应与语言流畅度分开评估，因为表达自然并不代表信息可靠。

4. 推荐适配度指标

让评审人员根据用户约束判断推荐结果是否可用，尤其关注硬约束违反率。硬约束违反通常应视为严重错误，不能被其他优点抵消。

5. 用户决策效率指标

可观察用户完成研究所需轮次、修改条件的次数、保存候选数量，以及最终是否认为结果缩小了选择范围。购物研究的价值并不只是促成交易，也包括帮助用户快速排除不合适的选项。

6. 安全与隐私指标

需要持续统计敏感信息泄露、无依据结论、错误引用、过期价格和外部内容注入等问题。高风险类别应设置独立告警，而不能被平均指标掩盖。

九、工程落地建议

企业在建设此类系统时，不宜一开始覆盖所有商品类别。不同品类的关键属性、决策逻辑和风险差异很大。较稳妥的路径是先选择规格相对标准化、公开资料较充分的品类，建立属性体系、证据链和评测集，再逐步扩展。

工程实施可分为以下阶段：

1. 建立单一品类的标准属性模型；
2. 接入少量高质量公开数据源；
3. 完成需求解析、过滤和基础排序；
4. 增加引用溯源与冲突检测；
5. 建设离线评测集和人工审核流程；
6. 引入多轮反馈和个性化偏好；
7. 最后再考虑交易衔接等高风险能力。

如果系统进一步连接结算流程，还必须在提交订单前再次展示商品、规格、数量、价格、配送信息和退款规则，并要求用户明确确认。研究建议与实际交易之间应设置清晰边界，不能让生成模型在用户不知情的情况下替其完成不可逆操作。

十、结语

生成式AI购物研究的真正价值，不在于输出更长的商品介绍，而在于把分散、异构且不断变化的信息整理为可验证的决策依据。一个可靠系统必须同时具备需求理解、数据归一化、多目标排序、证据引用、时效管理、隐私保护和安全防护能力。

对开发者而言，最重要的设计原则可以概括为三点：第一，让用户约束真正进入检索和排序链路；第二，让每个关键结论都能够回到证据；第三，对价格、库存和兼容性等不确定信息保持克制。只有从“生成答案”转向“支持决策”，购物研究系统才能在复杂消费场景中建立长期可信度。