项目完成电商评论、商品标题原始数据清洗预处理，基于jieba分词构建基线模型；针对BERT推理开销大的问题，采用TextCNN结合知识蒸馏方案，联合损失函数完成模型轻量化。围绕品类、功效、规格等商品知识定义Schema，使用BERT/BiLSTM-CRF、CasRel模型抽取商品实体三元组，搭配实体消歧提升抽取准确度。基于ChatGLM2-6B搭建电商问答数据集，使用LoRA参数微调优化大模型对话能力。设计Orchestrator+Executor智能体架构，采用ReAct范式让大模型自主调度各类业务工具；商品检索接入Elasticsearch，使用缓存、关键词降级策略保障查询性能。最终打通商品咨询、商品推荐、订单查询全流程连续对话闭环，依托知识图谱与RAG约束输出边界，利用模型蒸馏、多路检索提升线上服务稳定性。
项目将商品文本分类、知识图谱、RAG 问答、LLM 微调和 Agent 工具调用整合到电商导购场景，支持商品咨询、活动问答、商品推荐、订单查询和优惠券查询等能力。通过 Elasticsearch 商品检索、知识库召回、用户上下文记忆和 ReAct 工具调用流程，提升导购问答的业务贴合度和连续对话能力；通过检索兜底、关键词降级和 Prompt 调优，减少无结果和模型幻觉问题，提升智能导购服务的稳定性。
项目完成电商评论、商品标题原始数据清洗预处理，基于jieba分词构建基线模型；针对BERT推理开销大的问题，采用TextCNN结合知识蒸馏方案，联合损失函数完成模型轻量化。围绕品类、功效、规格等商品知识定义Schema，使用BERT/BiLSTM-CRF、CasRel模型抽取商品实体三元组，搭配实体消歧提升抽取准确度。基于ChatGLM2-6B搭建电商问答数据集，使用LoRA参数微调优化大模型对话能力。设计Orchestrator+Executor智能体架构，采用ReAct范式让大模型自主调度各类业务工具；商品检索接入Elasticsearch，使用缓存、关键词降级策略保障查询性能。最终打通商品咨询、商品推荐、订单查询全流程连续对话闭环，依托知识图谱与RAG约束输出边界，利用模型蒸馏、多路检索提升线上服务稳定性。
评论