解决化妆品行业,新品配方的开发效率问题。通过agent分析,将已有的原料库、配方库、冲突规则库及法规库加入知识库中。快速进行推荐基础配方。
点击空白处退出提示
解决化妆品行业,新品配方的开发效率问题。通过agent分析,将已有的原料库、配方库、冲突规则库及法规库加入知识库中。快速进行推荐基础配方。
系统采用 Agent Workflow 架构,通过意图识别调用底层工具链(数据库查询、合规检查、模块组合),实现了配方推荐自动化与客户半定制标准化。底层打通了原料库、配方库、冲突规则库及法规库,确保生成的配方不仅满足功效需求,且符合合规与安全性要求。
1. Agent 核心架构与工具链开发(.NET Core/Python):设计并实现了 ReAct 模式的Agent 核心流程,开发了search_formula(配方检索)、check_conflict(冲突检测)、build_custom_formula(配方构建)等9 大核心工具(Tools)。
2. 模块化配方拼装引擎(核心业务逻辑):设计了“基底+功效+感官”的模块化积木架构。开发了智能Merge 算法,解决了不同模块(如水相基底与油溶性活性物)在拼装时的相态兼容性问题。实现了基于图谱的成分冲突检测引擎与多国法规校验系统(中国/欧盟/美国)。在生成配方的毫秒级内完成违禁成分与超限风险的阻断,确保生成配方的100% 合规性。
3. 混合检索与数据治理(向量数据库/SQL):构建了HybridSearch(混合检索)系统。结合传统 SQL的硬性过滤(纯素、无香)与向量数据库的语义检索(功效描述),解决了大模型在垂直领域检索不准及“幻觉”问题,召回准确率提升40%。
4. 前端功能落地:基于Vue3 +TypeScript 开发了可视化配方编辑器与定制看板,利用 ECharts 实现了配方成分占比的可视化展示。




评论