业务和功能介绍
一、立项背景与目标
传统电商搜索有三个痛点：意图理解弱，无法理解"适合跑步用的降噪耳机"中"跑步用"指向运动耳机品类；缺乏个性化，新老用户看到相同结果；搜索与对话割裂，无法在同一界面完成购物闭环。
项目目标：中文查询映射三级品类树（8个一级34个二级约120个叶子），准确率超90%；基于三层画像做个性化重排；多轮AI对话集成情感识别；CDC加Flink实时更新画像延迟小于1分钟；从LLM输出自动提取规则减少依赖；全链路异步有超时降级保护。技术栈：FastAPI、MySQL、ES、Redis、DeepSeek、BGE、Kafka+Flink、Vue3+TypeScript。
二、软件功能与核心模块
意图识别引擎是系统核心，六策略级联匹配。ChatIntent用正则加轻量LLM过滤闲聊；LLMIntent用DeepSeek做层次剪枝从一级品类逐层下钻到叶子；另配备AC自动机、模糊匹配、规则字典、语义匹配四种后备。置信度超0.8自动提取品牌同义词属性规则入库，同一规则确认三次升级为可信并刷新策略缓存，后续相同查询不再调用LLM，形成自进化闭环。查询缓存用LRU加TTL加编辑距离模糊去重。
搜索引擎多路召回加混合排序。ES与SQL并行召回去重合并。意图排序满分150（关键词50、价格40、品牌35、品类25），画像排序满分100（七个维度各10到20分），最终分等于基础100加两者。
AI对话四步编排：情感识别、带上下文意图识别、商品召回、LangChain回复生成。词典规则支持五种情感亚毫秒级。LLM不可用三级模板降级。
画像三层：人口画像63维缓存24小时，会话画像聚合短期行为缓存15分钟，统计画像TF-IDF计算品类亲和度和价格分位数缓存1小时。权重根据订单数动态协商。
实时流计算：MySQL CDC经Kafka到Flink，HOP窗口聚合会话行为，全量聚合计算统计特征写回画像表。
三、业务流程与功能路径
搜索路径：查LRU缓存，并行构建画像500ms超时Redis不可用降级MySQL，策略级联匹配叶子品类提取关键词价格，置信度达标自动提取规则，品类展开ES加SQL并行召回去重合并，混合排序返回，点击浏览行为追踪更新满意度。
对话多轮：首轮经情感意图识别触发商品召回，LLM根据画像和商品摘要生成推荐。次轮带历史上下文理解指代比较意图，每步可失败不阻塞后续。
CDC路径：MySQL变更被Debezium或Python轮询捕获序列化推送Kafka，Flink消费聚合计算写入画像表，下次搜索自动体现新偏好。
全网状降级：Redis不可用降级MySQL，LLM超时降级后备策略，ES不可用SQL独立可用，全部失败返回空结果不抛异常。
传统电商搜索有三个痛点：意图理解弱，无法理解"适合跑步用的降噪耳机"中"跑步用"指向运动耳机品类；缺乏个性化，新老用户看到相同结果；搜索与对话割裂，无法在同一界面完成购物闭环。
项目目标：中文查询映射三级品类树（8个一级34个二级约120个叶子），准确率超90%；基于三层画像做个性化重排；多轮AI对话集成情感识别；CDC加Flink实时更新画像延迟小于1分钟；从LLM输出自动提取规则减少依赖；全链路异步有超时降级保护。技术栈：FastAPI、MySQL、ES、Redis、DeepSeek、BGE、Kafka+Flink、Vue3+TypeScript。
二、软件功能与核心模块
意图识别引擎是系统核心，六策略级联匹配。ChatIntent用正则加轻量LLM过滤闲聊；LLMIntent用DeepSeek做层次剪枝从一级品类逐层下钻到叶子；另配备AC自动机、模糊匹配、规则字典、语义匹配四种后备。置信度超0.8自动提取品牌同义词属性规则入库，同一规则确认三次升级为可信并刷新策略缓存，后续相同查询不再调用LLM，形成自进化闭环。查询缓存用LRU加TTL加编辑距离模糊去重。
搜索引擎多路召回加混合排序。ES与SQL并行召回去重合并。意图排序满分150（关键词50、价格40、品牌35、品类25），画像排序满分100（七个维度各10到20分），最终分等于基础100加两者。
AI对话四步编排：情感识别、带上下文意图识别、商品召回、LangChain回复生成。词典规则支持五种情感亚毫秒级。LLM不可用三级模板降级。
画像三层：人口画像63维缓存24小时，会话画像聚合短期行为缓存15分钟，统计画像TF-IDF计算品类亲和度和价格分位数缓存1小时。权重根据订单数动态协商。
实时流计算：MySQL CDC经Kafka到Flink，HOP窗口聚合会话行为，全量聚合计算统计特征写回画像表。
三、业务流程与功能路径
搜索路径：查LRU缓存，并行构建画像500ms超时Redis不可用降级MySQL，策略级联匹配叶子品类提取关键词价格，置信度达标自动提取规则，品类展开ES加SQL并行召回去重合并，混合排序返回，点击浏览行为追踪更新满意度。
对话多轮：首轮经情感意图识别触发商品召回，LLM根据画像和商品摘要生成推荐。次轮带历史上下文理解指代比较意图，每步可失败不阻塞后续。
CDC路径：MySQL变更被Debezium或Python轮询捕获序列化推送Kafka，Flink消费聚合计算写入画像表，下次搜索自动体现新偏好。
全网状降级：Redis不可用降级MySQL，LLM超时降级后备策略，ES不可用SQL独立可用，全部失败返回空结果不抛异常。
项目实现
一、整体架构与设计思路
DDD四层架构：API层路由参数校验，应用层编排流程，领域层纯业务逻辑不依赖框架，基础设施层数据库和外部调用。核心设计原则：策略模式加级联短路，六种意图策略按快到慢排列命中即退出；空对象模式降级，依赖不可用返回安全空对象而非null；组合根手动依赖注入不引入框架保持透明；惰性单例所有服务懒加载。
技术栈：意图识别用DeepSeek加AC自动机加BGE向量；搜索用ES中文ngram加MySQL品类过滤；AI对话用LangChain加词典情感分类；画像用MySQL加Redis双层缓存；流计算用Kafka加Flink SQL Gateway。
二、我负责的模块
意图识别：6策略级联，品类树8一级34二级约120叶子。ChatIntent小于100毫秒，LLMIntent500毫秒到2秒，AC自动机亚毫秒，模糊小于1毫秒，语义小于20毫秒。缓存LRU5000条TTL30分钟，编辑距离阈值0.70。置信度0.80触发规则提取，确认3次升级可信。
搜索：ES和SQL并行召回去重。意图150分（关键词50分精确子串加CJK重叠加向量三级、价格40分余弦衰减、品牌35分、品类25分），画像100分（七维各10到20分），基础100分最高350分。无画像按价格升序冷启动。
画像：三层，人口63维TTL24小时，会话最多10会话TTL15分钟，统计7维TF-IDF加价格分位数TTL1小时。新用户小于3单统计权重0.2，老用户大于等于10单权重0.7，总超时500毫秒。
对话：5种情感亚毫秒词典分类，加载5秒超时降级。速率限制滑动窗口60秒10次每IP。生成15秒超时三级模板降级。
CDC：HOP窗口24小时5分钟步长，Debezium为主Python轮询为备。
三、难点与解决方案
难点一：中文意图歧义。"苹果"可能手机或水果，"华为耳机便宜"修饰词干扰。方案用LLM层次剪枝逐层下钻，CJK字符重叠去修饰后缀后比较，品牌词优先减少歧义。
难点二：LLM高延迟高成本。每次超500毫秒费用不可控。方案级联把LLM放第二步规则优先过滤，缓存避免重复调用，自动规则提取运行越久LLM调用越少形成闭环。
难点三：用户冷启动。无画像排序无参考。方案无画像按价格升序降低门槛，权重协商新用户80%依赖会话画像快速学习，老用户70%依赖统计画像做推荐。
难点四：实时画像延迟。下单后搜索结果未反映新偏好。方案CDC到Flink端到端小于1分钟，HOP5分钟步长更新，Flink反压加Kafka磁盘缓冲不丢数据。
难点五：系统可用性。单点故障不应导致用户可见错误。方案全网状降级，Redis不可用降级MySQL仅增10到50毫秒，LLM超时后备策略接管，ES不可用SQL独立，全部失败返回空结果不抛异常
DDD四层架构：API层路由参数校验，应用层编排流程，领域层纯业务逻辑不依赖框架，基础设施层数据库和外部调用。核心设计原则：策略模式加级联短路，六种意图策略按快到慢排列命中即退出；空对象模式降级，依赖不可用返回安全空对象而非null；组合根手动依赖注入不引入框架保持透明；惰性单例所有服务懒加载。
技术栈：意图识别用DeepSeek加AC自动机加BGE向量；搜索用ES中文ngram加MySQL品类过滤；AI对话用LangChain加词典情感分类；画像用MySQL加Redis双层缓存；流计算用Kafka加Flink SQL Gateway。
二、我负责的模块
意图识别：6策略级联，品类树8一级34二级约120叶子。ChatIntent小于100毫秒，LLMIntent500毫秒到2秒，AC自动机亚毫秒，模糊小于1毫秒，语义小于20毫秒。缓存LRU5000条TTL30分钟，编辑距离阈值0.70。置信度0.80触发规则提取，确认3次升级可信。
搜索：ES和SQL并行召回去重。意图150分（关键词50分精确子串加CJK重叠加向量三级、价格40分余弦衰减、品牌35分、品类25分），画像100分（七维各10到20分），基础100分最高350分。无画像按价格升序冷启动。
画像：三层，人口63维TTL24小时，会话最多10会话TTL15分钟，统计7维TF-IDF加价格分位数TTL1小时。新用户小于3单统计权重0.2，老用户大于等于10单权重0.7，总超时500毫秒。
对话：5种情感亚毫秒词典分类，加载5秒超时降级。速率限制滑动窗口60秒10次每IP。生成15秒超时三级模板降级。
CDC：HOP窗口24小时5分钟步长，Debezium为主Python轮询为备。
三、难点与解决方案
难点一：中文意图歧义。"苹果"可能手机或水果，"华为耳机便宜"修饰词干扰。方案用LLM层次剪枝逐层下钻，CJK字符重叠去修饰后缀后比较，品牌词优先减少歧义。
难点二：LLM高延迟高成本。每次超500毫秒费用不可控。方案级联把LLM放第二步规则优先过滤，缓存避免重复调用，自动规则提取运行越久LLM调用越少形成闭环。
难点三：用户冷启动。无画像排序无参考。方案无画像按价格升序降低门槛，权重协商新用户80%依赖会话画像快速学习，老用户70%依赖统计画像做推荐。
难点四：实时画像延迟。下单后搜索结果未反映新偏好。方案CDC到Flink端到端小于1分钟，HOP5分钟步长更新，Flink反压加Kafka磁盘缓冲不丢数据。
难点五：系统可用性。单点故障不应导致用户可见错误。方案全网状降级，Redis不可用降级MySQL仅增10到50毫秒，LLM超时后备策略接管，ES不可用SQL独立，全部失败返回空结果不抛异常
示例图片视频
相似推荐
AI驱动的车载测试平台
AutoForge 是一款面向汽车电子诊断测试的 Web 化工艺平台，旨在解决传统桌面工具封闭、手工转换 CAPL 代码低效、团队协作困难等痛点。平台基于 B/S 架构，后端采用 FastAPI 提供 REST API 服务，前端采用 Vue 3 构建响应式操作界面，底层集成CAPL引擎实现工程文件的解析与 CAPL 代码自动生成。核心功能覆盖测试项目的全生命周期管理：支持测试分组与用例的灵活编排、100+ 标准化步骤模板的拖拽式设计、公共步骤的复用与同步、DID/DTC/TP 地址等项目级配置的集中管理，以及一键生成符合 CANoe 执行规范的 .can 代码。平台创新性地引入 DeepSeek-Reasoner 大语言模型，提供步骤智能推荐、配置合规审查、自然语言转测试步骤等 AI 辅助能力，显著降低测试设计门槛。同时支持基线文件差异对比，实现项目迭代的变更追踪与质量审计。系统部署于工程师工作站即可通过局域网向全团队提供浏览器访问，无需额外安装客户端软件，有效推动诊断测试工艺的标准化与协同效率提升。
宝马摩托线上商城
项目概述
本项目为宝马授权经销商量身打造高端摩托机车专属线上商城，聚焦 BMW 全系新车、原厂配件、骑行装备及精品周边销售，打通 “线上看车 - 预约试驾 - 线上下订 - 线下交付 - 售后维保” 全链路，构建宝马摩托官方标准的数字化新零售体系，助力经销商拓展线上获客渠道、提升品牌服务体验与销售转化效率。
项目背景
随着高端摩托消费年轻化、线上化趋势加剧，传统线下门店受地域、时段限制，获客成本高、展示效率低，难以满足用户 “随时看车、线上比价、便捷咨询” 的核心需求。作为宝马授权经销商，亟需搭建专属线上商城，统一品牌形象、标准化产品展示、数字化交易流程，同步对接线下门店服务能力，强化高端品牌调性，增强用户粘性与市场竞争力。
核心功能模块
1. 品牌化首页与车型展示
宝马官方风格 UI 设计，高清轮播展示旗舰车型、新品上市及门店活动；
全系车型分级分类（如探险 / 街车 / 复古 / 踏板），支持360° 全景看车、高清细节图、参数配置对比、车型视频沉浸式浏览；
原厂配件、骑行装备（头盔 / 服靴 / 护具）、生活精品分区展示，标注官方正品标识。
2. 线上咨询与试驾预约
车型详情页一键在线咨询、一键拨打门店热线，快速对接专属销售顾问；
预约试驾模块：选择车型、门店、时间，填写个人信息，系统自动同步至门店后台，支持短信 / 微信通知确认；
经销商门店 LBS 定位，展示地址、营业时间、联系电话，方便用户线下到店。
3. 线上下单与支付体系
新车定金支付、全款预订，支持微信 / 支付宝 / 银联等主流支付方式；
金融方案在线展示：分期贷款、厂家贴息等，提供月供计算器，一键提交金融申请；
订单管理：用户可查看订单状态、支付记录、物流信息，支持订单修改与取消。
4. 经销商专属后台管理
商品管理：车型、配件、装备上下架，价格调整，库存实时更新；
订单管理：订单审核、状态跟进、发货安排、售后处理，全流程追溯；
用户管理：客户信息、浏览记录、咨询记录、订单数据，构建客户画像；
数据看板：销售数据、访客数据、热门车型、转化率统计，支撑运营决策。
5. 会员体系与营销工具
会员注册 / 登录、积分累计、等级权益，绑定线下门店会员，打通线上线下权益；
营销活动：优惠券、限时折扣、新品预售、老客推荐返利，助力门店引流转化；
资讯社区：宝马摩托文化、骑行攻略、养护知识、赛事动态，增强用户互动。
6. 售后维保与正品保障
维保预约：选择服务类型、时间、门店，在线提交需求；
正品验证：车架号、配件编码查询，保障原厂正品，杜绝假货；
售后工单：问题反馈、维修记录查询，提升售后服务效率。
商用车系统数据采集
1、主要用来采集用户输入车架号vin17/后8位 进行指定品牌数据采集整理并完成自动化清洗入库。
2、使用web 页面进行每日数据采集的走势，可以监控每日数据采集量
3、提供API 接口可供其他前后端调用
4、自动登录，验证码识别，动态js 指纹解密，自动整理数据脚本，自动化入库处理
5、使用到使用是python +flask+js+mysql 处理、隐藏navigator.webdriver爬虫标识等等
车载智能座舱音视频娱乐系统-车机影音平台-车机音影平台
立项背景：随着智能汽车普及，车主对车内影音播放、多媒体交互需求提升，项目目标搭建适配小米座舱的一体化音视频播放底座。核心模块包含多路音视频解码、车载多媒体播放器、蓝牙音源接入、音效均衡调节。车机识别U盘/蓝牙/车联网流媒体音源，调用FFmpeg完成多格式音视频硬软解，用户通过中控屏切换音源、调节环绕音效，系统适配车载降噪算法，同步联动车内扬声器分区发声，满足行车影音娱乐需求。
精准营销MA
传统汽车经销模式下，集团各门店客户数据分散、标签体系缺失，导致营销依赖“广撒网”式推送，获客成本高且转化率低。随着存量市场竞争加剧，亟需打通线上线下数据孤岛，通过数字化手段实现客户分层与精准触达。为此构建精准营销系统，整合多源客户行为数据，依托动态标签引擎实现客群智能圈选，并联动短信、公众号、企业微信等全渠道自动化推送，解决营销资源浪费问题，驱动售后复购与潜客转化双增长。
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服