行业落地分享：阿里1688 大模型 Agent应用实践

最近这一两周看到不少互联网公司都已经开始秋招提前批面试了。

不同以往的是，当前职场环境已不再是那个双向奔赴时代了。求职者在变多，HC 在变少，岗位要求还更高了。

最近，我们又陆续整理了很多大厂的面试题，帮助一些球友解惑答疑，分享技术面试中的那些弯弯绕绕。

《AIGC 面试宝典》圈粉无数！
《大模型面试宝典》(2024版) 发布！

喜欢本文记得收藏、关注、点赞。更多实战和面试交流，文末加入我们

---

随着人工智能技术的飞速发展，大模型为电商领域带来了前所未有的变革。这些模型不仅拥有强大的数据处理能力，还具备了六大基础能力，它们在电商中得到了深度应用。

• 生成：自动生成产品描述、用户评价等，提高内容的丰富度和吸引力。

• 提取：从用户反馈中提取关键信息，用于产品改进和市场策略调整。

• 分类：对商品进行智能分类，便于用户搜索和浏览。

• 检索：快速检索用户需求，提供精准的搜索结果和推荐。

电商行业的AI应用正在重塑购物体验，从智能搜索和推荐到数字人直播和客服，再到商家的智能运营工具和供应链优化，AI技术贯穿了用户发现、互动、购买和售后的全过程。这些技术不仅提升了用户体验，还帮助商家提高了运营效率和市场响应速度，推动了整个行业的创新和效率提升。

1688的AI Agent探索unsetunset

在1688平台上，AI agent的探索主要围绕淘宝中年女装轻奢卖家的核心决策过程展开。

1. 用户身份和行为统计：AI agent首先识别用户身份，收集用户行为数据，为后续的个性化服务打下基础。

2. 定向找货与平台导览：根据用户需求，AI agent帮助用户在平台上进行初步的货品搜索和导览。

3. 用户画像构建：通过分析用户行为和偏好，AI agent构建用户画像，包括目标客户群体（中年女性贵妇）、价格区间（300~400元）和商品类型（新款连衣裙和少量搭配服饰）。

4. 商品款式和商家比对：AI agent利用图搜和商品详情，帮助用户比较不同商品款式和商家，筛选出符合要求的货品。

5. 旺旺询盘和议价：AI agent通过旺旺与商家进行实时沟通，询问商品材质细节和价格，进行议价。

6. 推荐店铺动态和行业知识：AI agent根据用户需求，推荐热门店铺和行业动态，提供下游趋势热款和行业新闻。

7. 商家物流和服务标准：AI agent考虑商家的物流速度和服务标准，确保用户能够及时收到货物。

8. B类需求的非结构化处理：对于复杂和个性化的B类需求，AI agent通过交互会话模式，结合用户实时意图，提供个性化推荐。

LLM应用模式

嵌入模式

• 定义：在这种模式下，AI作为一个嵌入式工具，辅助人类完成特定任务。

• 流程：

• 人类设立目标。

• AI提供资源和工具选择建议。

• 人类执行任务，并观察结果。

• 结果汇总，进行必要的更正。

Copilot模式

• 定义：类似于飞机上的副驾驶，AI在这个模式中扮演辅助角色，与人类紧密合作。

• 流程：

• 人类与AI共同设立目标。

• AI拆解任务，提供任务执行的步骤和建议。

• 人类执行任务，AI在旁提供支持。

• 观察结果，AI帮助分析并提出改进建议。

AI Agent模式

• 定义：AI作为代理，更主动地参与任务的执行和管理。

• 流程：

• AI与人类共同设立目标。

• AI主动拆解任务，规划任务序列（任务1、任务2…任务N）。

• AI执行部分任务（如数据分析、信息检索等），同时提供资源和工具选择建议。

• 人类执行由AI规划的任务，并观察结果。

• AI汇总结果，根据反馈进行调整和优化。

LLM 应用研发方式

研发挑战

• 一旦尝试SFT，模型能力可能退化：需要考虑使用更大模型尺寸来解决泛化问题。

• Scaling Law：遵循规模法则，通过增加模型尺寸来提高性能。

研发流程

1. 基础模型算法研发：开发和训练基础语言模型。

2. 业务算法研发：针对特定业务需求进行算法优化。

3. Prompt调试：在Prompt平台上进行效果评估和调试。

4. 集成部署：将优化后的模型集成到业务流程中。

1688 Agents示例

unsetunsetAgent 模式演进unsetunset

unsetunsetAgent 框架设计unsetunset

unsetunsetAgent 应用挑战unsetunset