智能安卓购物平台产品系统

当前电商零售场景中，用户咨询量大、重复性问题占比高（如尺码、库存、物流、退换货政策等），而人工客服响应慢、成本高，尤其在促销高峰期容易造成用户流失。本项目旨在构建一套轻量级智能客服系统，能够自动识别用户意图并准确回复常见商品问题，同时打通下单交易链路，实现“咨询-决策-购买”闭环，有效降低人工客服负载，提升转化率与用户满意度

搭配智能客服，可自动回复商品参数、价格、库存、优惠券、发货时效、退换货政策等高频问题，支持多轮对话上下文理解，并支持转人工兜底策略；

具备完整的正常下单功能，包括商品SKU选择、收货地址管理、运费计算、优惠抵扣、订单确认及微信/支付宝支付发起，订单状态实时同步。

我”负责的具体任务：在本项目中，我负责智能客服核心引擎的研发与下单服务的接口对接工作。具体包括：构建商品知识图谱与FAQ问答库，设计意图识别与槽位填充模型；开发对话管理模块，实现多轮对话状态维护；对接订单中心、库存中心、支付网关，封装下单流程API；同时负责性能压测、异常降级方案设计以及线上问题排查，确保高并发场景下系统稳定可用。

技术栈、架构及实现亮点与难点：

技术栈：后端采用Spring Boot + MyBatis Plus，数据库MySQL + Redis（缓存会话与商品快照），搜索引擎Elasticsearch（商品检索），消息队列RocketMQ（异步订单落库与库存扣减），前端Vue3 + Taro（跨端H5/小程序）。

架构：分层领域驱动设计（DDD），将客服域与交易域解耦，通过事件驱动机制实现状态同步；智能客服采用Rasa框架做NLU基础，结合自研规则引擎进行兜底匹配，模型热加载支持知识实时更新。

实现亮点：① 设计“意图-槽位-动作”三层解析管道，支持复杂问句（如“红色的L码还有货吗？”）精准拆解；② 下单预填组件可自动从对话中提取收货信息，减少用户输入；③ 引入Sentinel限流降级，当客服模型响应超时时自动切换为关键词匹配模式，保证核心下单链路优先。

实现难点及解决：难点在于多轮对话中上下文歧义（如“换那个便宜的”指代不明），我们通过维护用户短期行为序列（浏览、加购记录）并加入指代消解算法，结合置信度阈值确认，准确率由72%提升至89%；另外，下单与客服异步解耦时需保证最终一致性，我们采用本地消息表+定时对账方案，确保订单不丢失、不重复。