复杂表达难理解
关键词与固定 SOP 能处理标准问题，却难以覆盖自然语言变体、模糊需求和连续追问。
01
Business problem
从标准问答走向复杂需求理解，关键不只是换一个模型
海外独立站的商品、规则和品牌话术彼此独立。要让 AI 真正进入销售服务链路，需要同时解决知识差异、动态数据、连续对话、用户信息沉淀与异常兜底。
商家知识不通用
SKU、商品参数、售后规则和品牌表达属于各自商家，无法直接复用一套通用答案。
服务与销售割裂
被动应答没有继续识别预算、购买对象、使用场景和关键偏好，推荐依据不足。
数据没有形成闭环
咨询中产生的偏好与关注商品未结构化沉淀，知识、订单和客户数据也分散在不同系统。
02
Controlled workflow
让每次回答都经过可追踪的业务链路
流程不是让 Agent 自由发挥，而是在意图识别、知识检索、动态数据查询和输出校验之间建立明确路由。将鼠标或键盘焦点移到节点上，可查看该节点的职责与产出。
Agent / AI规则与系统人工兜底
- 01消息接入规则与系统接收并预处理用户输入
规范化 Query 与必要上下文
- 02意图识别Agent / AI识别咨询、推荐、订单、售后或人工诉求
业务意图与置信度
- 03Workflow 路由规则与系统按规则选择 RAG、API、澄清或 SOP
可控的处理路径
- 04知识与数据规则与系统检索稳定知识并查询实时业务数据
可信上下文与业务结果
- 05Prompt + LLMAgent / AI结合画像、上下文与业务约束生成回复
自然语言候选回复
- 06输出校验规则与系统检查事实依据、规则和异常状态
可返回结果或降级信号
- 07人工转接人工兜底承接低置信度、投诉与连续失败场景
可靠的人工服务接续
03
Product decisions
把生成能力放进业务边界，而不是让业务迁就模型
稳定知识与实时数据分层
商品介绍、FAQ 和政策通过 RAG 管理；库存、订单、物流及部分价格通过 API 获取。
高时效数据不得只依赖静态知识库。关键节点由 Workflow 控制
意图、规则与条件共同决定知识检索、数据查询、回复和转人工路径。
退款、投诉和订单异常不完全依赖模型自主判断。用户画像最小化推断
仅沉淀用户明确表达或高置信度提取的预算、偏好、场景与关注商品。
模型推测不得直接写成确定字段。能力异常可以降级
RAG、API 或模型不可用时，按关键词、FAQ、Rule/SOP 和人工客服逐级回退。
无可靠依据时不生成商品事实。04
AI capability architecture
通用 AI 底座之上，加载商家级知识、规则与数据
同一套能力架构支持不同商家独立配置知识库、Prompt、Workflow 与品牌语气，并通过业务接口连接各自的 SKU、客户和订单数据。
理解层
意图识别、上下文指代、需求字段提取与澄清。
编排层
Coze Workflow、业务规则、SOP 与人工转接条件。
知识与数据层
RAG 私有知识、向量检索、SKU、订单、物流与客户 API。
生成与校验层
Prompt 组装、LLM 回复、事实约束与异常降级。
- 01用户输入
- 02意图 / 规则
- 03Workflow
- 04RAG / API / 画像
- 05Prompt
- 06LLM
- 07输出校验
Structured PRD
产品需求文档
以下内容由现有《销售专家 Agent 产品需求文档》整理为网页阅读版，保留产品定位、能力边界、数据策略、异常机制和测试标准，不补写文档中没有的上线指标或实现结论。产品定位与核心价值
销售专家 Agent 是一套面向海外独立站商家的 AI 智能客服与销售辅助产品。它用大语言模型理解和生成自然语言，以 RAG 提供有依据的商家知识，以 Workflow 和规则约束关键服务流程，并结合用户画像和业务数据完成咨询、推荐、订单与基础销售辅助。
双侧价值
商家侧
减少重复咨询成本，统一知识与服务规则，并支持商家级知识、Prompt、Workflow 和品牌语气配置。
消费者侧
减少重复描述需求的成本，获得基于预算、偏好和使用场景的连续咨询与商品推荐。
目标用户与核心场景
独立站消费者
完成商品浏览、参数咨询、推荐、下单、订单查询与售后服务。
独立站商家
管理商品知识、客服配置、品牌规则和客户运营，并连接已有业务数据。
核心场景
- 商品参数咨询
- 模糊需求澄清
- 个性化商品推荐
- 多轮商品对比
- 价格与库存查询
- 订单及物流查询
- 售后 FAQ
- 人工客服转接
核心能力模块
模块主要负责人职责
意图识别LLM + 规则
判断商品咨询、推荐、物流、售后和人工客服等主要诉求。
Coze Workflow流程系统
控制知识检索、数据查询、回复生成和兜底路径。
RAG 知识库知识系统
提供商品、FAQ、品牌和售后等企业私有知识。
用户画像画像服务
保存明确预算、偏好、购买场景、关注 SKU 与核心顾虑。
业务 API业务系统
获取 SKU、库存、订单、物流和客户等结构化数据。
Prompt + LLMAgent
组合角色、规则、上下文、知识与业务数据，生成自然语言回复。
人工转接人工客服
处理无法可靠完成、高风险或明确要求人工介入的场景。
RAG 处理链路
知识准确性不能只在最终回答处检查，需要沿检索链路定位问题。未召回可靠知识时，不允许生成未经验证的商品参数。
- 1Data
- 2Chunking
- 3Embedding
- 4Vector Retrieval
- 5Rerank
- 6Context
- 7Prompt
- 8LLM
会话上下文与用户画像
系统保留当前会话必要上下文，用于理解“这个”“第二款”“便宜一点”等连续表达；画像只更新用户明确表达或高置信度提取的信息。
- 预算
- 商品类别
- 颜色偏好
- 风格偏好
- 材质偏好
- 购买对象
- 使用场景
- 关注 SKU
- 核心顾虑
数据实时性分层
根据变更频率选择接入方式，避免把动态业务事实固化在静态知识中。
商品介绍、FAQ、售后政策、品牌说明
数据同步 + RAG库存、订单、物流、部分价格
业务 API 查询或实时同步异常处理与降级
当检索、接口或模型无法可靠完成任务时，系统需要给出明确反馈并进入可控的下一条路径。
意图无法判断请求补充信息或选择问题类型
RAG 无有效召回不生成无依据内容，继续澄清或转人工
API 请求失败提示稍后重试或转人工
商品知识冲突以业务系统或确认后的知识源为准
连续无法解决进入人工客服
测试与验收标准
以下为 PRD 中定义的验收方向与测试 Case，不代表已经取得线上准确率或转化数据。
商品事实准确性
- 召回对应 SKU 知识
- 回复与知识库一致
- 不混入其他商品参数
多轮上下文
- 正确识别连续指代
- 保持当前 SKU 上下文
- 理解比较关系
模糊商品推荐
- 信息不足时补充关键需求
- 推荐符合预算
- 商品来自当前商家 SKU
知识缺失控制
- 不生成未经验证的信息
- 明确提示暂未查询到
- 支持澄清或人工确认
用户画像使用
- 继续使用已确认预算
- 新旧冲突时采用最新明确表达
- 不把推测写为事实
Product summary