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
某汽车品牌官方商城与新零售运营中台
1、立项背景和目标
面对汽车行业新零售模式的兴起，某汽车品牌亟需一套能够同时支撑“整车直销”与“车品零售”的综合性业务底座。本项目作为广本新零售与直销业务的核心中台，旨在打通线上营销获客与线下门店交付的业务壁垒，构建一套高可用、支持高并发的大型电商与客资运营中台，最终实现精准营销引流与财务清算的全面数字化。
2、软件功能、核心功能模块的介绍系统由面向 C 端的移动端应用矩阵与面向 B 端的多租户管理后台组成。核心模块涵盖：
混合订单管理中心：兼容并支撑整车直销（订金/尾款/门店交付）与车品零售（物流发货）两套完全异构的业务流。
统一支付网关：无缝对接并封装微信、支付宝、民生及中金支付等多种支付渠道。
多租户渠道管控系统：支持上游供应商、特约店（4S）与二网店的库存调度与复杂财务清算。
企微直营客资闭环：深度接入企业微信 API，将线上线索无缝连接至线下销售终端。
3、业务流程、功能路径描述
核心业务路径如下：C 端用户在小程序或 APP 访问由“千人千面”动态组件渲染的营销页面，参与爆款车抢购或车品秒杀；下单后，系统根据商品类型触发底层的混合订单状态机，通过统一网关完成支付收口；随后，“企微直营”模块将线上购车线索精准路由分发给对应的线下销售顾问，形成私域跟进流转的业务闭环；交易彻底完成后，B 端系统自动进行跨租户的库存调度与财务清算。
某汽车品牌出行租车业务系统
1、立项背景和目标
为了满足某汽车品牌在移动出行领域的战略布局，提升车辆资产利用率与用户租车体验，本项目作为广汽本田官方出行平台的核心运营支撑底座应运而生。项目的目标是构建一套支撑全链路出行服务的高可用系统，实现“厂端-店端-用户-管家”四端协同，彻底解决租车场景中长期存在的押金管理难、车辆库存极易超卖、以及店端整备效率低下的核心痛点。
2、软件功能、核心功能模块的介绍
系统涵盖厂/店两级 Vue 管理后台以及面向 C 端用户和 B 端门店管家的微信小程序矩阵，核心功能模块包括：
双域免押支付中心：深度融合微信支付分与支付宝芝麻信用，实现跨平台的信用免押租车闭环。
长周期订单状态机：管理从预订、取车、用车、还车到违章结算的超长生命周期订单流转。 高频车辆排期与库存引擎：基于“时间碎片化”模型，精准管控各门店、各车型的时段可用库存。
多端生态与管家协同系统：统筹用户自助用车与管家整备调拨的实时数据交互。
双级运营大盘与数据看板：聚合多维度的车辆使用率、均价核算及长短租单量统计报表。 3、业务流程、功能路径描述
核心业务流转路径如下：C端用户在小程序选定时间与车型发起租车请求，系统实时校验底层时段库存；库存锁定后，调用双域信用接口完成免押授权并生成订单；到达取车时间前，B端管家小程序接收任务，完成车辆整备与资产安全上报；用户自助扫码开锁取车，开启计费状态机；用户还车后，系统自动发起免押扣款；若后续产生违章，状态机异步流转触发违章延期扣款机制；最终所有订单与车辆流转数据汇聚至双级运营看板，供厂店两级管理层进行数据分析与决策。
某汽车品牌智慧客户管理
1、立项背景和目标
某汽车品牌在全面推进数字化转型过程中，面临着私域流量运营效率低下、客资转化率不足以及大促期间系统承载力较弱的瓶颈。本项目作为广汽本田企微私域流量运营与客资转化的核心 CRM 中台，旨在通过构建高性能的微服务架构和引入智能化大模型能力，打通从引流获客、社群跟进到数据转化的 SCRM 全业务流转闭环，最终实现降本增效与精细化客户管理的目标。
2、软件功能、核心功能模块的介绍本项目涵盖了完整的 SCRM 业务矩阵，核心模块包括：
企微 Webhook 消息枢纽：负责实时接收和处理海量的企业微信客户动态变更、活动引流等高频事件推送。
智能线索分配中心：内置涵盖权重轮询、超时流转与公海回收等复杂规则的高性能客资分配引擎。
客户画像与标签系统：支持百万级海量客户标签的精细化管理与动态画像的毫秒级检索提取。 企微智能客服助手：深度融合大模型能力，无缝接入实际业务场景，为一线运营人员提供智能话术辅助与跟进建议。
3、业务流程、功能路径描述系统的核心业务流转路径如下：客户通过公域渠道或营销活动触点添加企业微信后，触发 Webhook 事件进入系统；系统异步削峰处理后，自动为客户打上初始画像标签；随后，线索分配中心根据预设的权重轮询与流转规则，将客资精准分配给对应的专属客服；在后续的单聊或社群跟进中，客服借助智能助手（大模型驱动）进行高效沟通并动态更新客户标签；若线索超时未跟进，则触发超时流转或公海回收规则，保障客资的最终转化率与不流失。
某汽车品牌大模型智能销售与知识库平台
1、立项背景和目标
某汽车品牌一线销售与客服场景中，传统的知识库检索效率低、优质销冠经验难以沉淀复制，且容易出现回答不标准的问题。为提升客户转化率与服务标准化水平，本项目旨在打造一个基于大语言模型（LLM）的企业级智能问答与 RAG（检索增强生成）平台，通过 AI 深度赋能一线销售团队，实现复杂汽车参数的秒级查询与销售话术的智能辅助。
2、软件功能、核心功能模块的介绍平台围绕“大模型+私有知识库”构建，核心功能模块包括：
企业级 RAG 智能问答引擎：支持复杂汽车参数、竞品对比及业务文档的语义级精准检索与自然语言问答。
销冠话术 (FAQ) 智能推荐：根据客户意图与聊天上下文，实时为销售人员推荐场景化的高转化率应对标准话术。
非结构化聊天解析与知识抽取：自动解析历史优质沟通记录，抽取提炼高频 FAQ 与销冠金句存入知识库。
业务无知识问题过滤 (安全护栏)：针对非汽车专业领域或知识库未覆盖的问题进行拦截，防止大模型产生“幻觉”。
3、业务流程、功能路径描述
整体业务链路如下：首先，系统通过离线清洗模块解析海量聊天记录，提取优质话术并连同车辆手册等文档进行向量化（Embedding）处理，存入异构 Elasticsearch 集群；在实时业务中，当一线销售在客户端输入客户问题或系统捕捉到聊天上下文时，平台通过 FastAPI 暴露的低延迟接口接收请求；系统先经过安全校验（无知识拦截），随后在向量库中进行相似度粗排，再经由 Rerank 服务进行重排；最终，关联最高效的知识片段并交由 LLM 进行归纳生成或直接推荐销冠 FAQ 给销售人员使用。
BCM
车身域控
PEPS（无钥匙进入与无钥匙启动）
支持智能钥匙、蓝牙钥匙、NFC钥匙等多种认证方式。
实现靠近迎宾、离车自动落锁、一键启动/熄火、电源模式管理。
具备低频寻卡、高频通信、滚动码认证及防中继攻击等安全机制。
支持钥匙位置识别、车内/车外天线分区检测，确保合法进入与启动。
大灯系统
实现自动大灯、远近光自动切换、日间行车灯、位置灯、转向灯、雾灯等控制。
支持迎宾灯光、伴我回家、灯光秀等个性化功能。
具备灯光故障诊断、过流/过温保护及失效降级策略。
门锁系统
实现中控锁、遥控锁、车速自动落锁、碰撞自动解锁、儿童锁等功能。
支持门状态监测、防盗报警、非法开门提示。
可与PEPS、车窗、后视镜等系统联动，实现整车闭锁与解锁逻辑。
雨刮系统
实现自动雨刮（基于雨量传感器）、间歇/低速/高速刮刷、洗涤联动。
具备冬季防冻保护、堵转保护、电机过流保护及故障诊断。
支持雨刮位置记忆、维修模式及与车速联动的灵敏度调节。
其他集成功能（可扩展）
车窗控制、后视镜调节/折叠/加热、氛围灯、座椅记忆、电源管理、网络管理等。
支持整车OTA升级，实现功能迭代与个性化配置。
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服