电商零售行业的售前导购长期依赖人工客服，存在响应慢、话术不统一、大促期间人力成本陡增等问题；同时商品参数、尺码指南、售后政策等知识分散在多个系统中，用户咨询“哪款适合我”“尺码怎么选”“能否退货”等跨域问题时，传统检索式机器人只能返回文档片段，答非所问、幻觉严重，直接影响咨询转化率与复购率。为此立项建设智能电商多智能体协同中台，面向电商平台的商品推荐、售前咨询、下单购买、售后知识讲解等全链路场景，提供流式交互与多轮对话记忆能力，用多智能体协同替代重复性人工应答，把资深导购的经验沉淀为可复用的 Agent 能力。系统日均处理用户对话 3 万+，服务覆盖 5000+ 日活用户，帮助平台在控制人力成本的同时提升咨询转化率与用户满意度。
平台以多智能体协同为核心，覆盖导购全链路，主要功能模块如下： 1、智能导购工作流：基于 LangGraph 状态机构建意图识别与条件路由，按用户意图分发至商品推荐、售前咨询、下单购买、售后知识讲解等 Agent 节点，支持多轮对话记忆与会话主动停止。 2、商品推荐 / 售前咨询 Agent：结合用户画像与商品库完成选品推荐、参数对比、尺码推荐与话术输出，全程支持流式返回。 3、工具调用与 MCP 工具层：将商品搜索、加购物车、下单等 6 个电商 API 封装为 Agent 可调用工具，完成 3 个核心工具的 MCP 协议标准化改造，支持跨 Agent 复用。 4、RAG 商品知识库：对商品说明书、尺码指南等文档完成切片清洗与向量化入库，提供稠密 + 稀疏混合检索与重排序，抑制大模型幻觉。 5、提示词管理：接入 Nacos 配置中心实现提示词线上变更与动态加载，大促话术免发版上线。 6、A2A 分布式 Agent 集群：基于 A2A 协议完成 AgentCard 配置与 Agent 服务封装，各 Agent 可独立部署与灰度发布。 7、网关与安全：Spring Cloud Gateway 统一路由、鉴权与流量控制，拦截器实现用户身份全链路透传。
我在项目中主要负责智能导购工作流、A2A 服务封装与商品知识库三条链路： 1、负责商品推荐 Agent、售前咨询 Agent 两个核心节点的开发，完成提示词设计、LangChain 工具绑定与结构化输出；配合完成 LangGraph 意图识别、条件路由的联调测试，实现会话记忆与会话停止。 2、使用 LangChain 工具绑定机制，将商品搜索、加购物车、下单等 6 个电商 API 封装为 Agent 工具；参与 MCP 协议工具层接入，完成 3 个核心工具的标准化改造。 3、基于 A2A 协议负责商品推荐 Agent 的服务封装（含 AgentCard 配置）与部署，开发 A2A 客户端调用模块，实现下游 Agent 的请求发送与流式事件接收。 4、负责商品说明书、尺码指南等文档的切片清洗与向量化入库（离线链路），基于 Milvus 搭建稠密语义 + 稀疏关键词双路召回并接入重排序，参与混合检索策略评测与参数调优。 5、配合 Nacos 配置中心完成提示词线上变更与动态加载，支撑大促期间话术策略免重启上线。 技术栈：Python、LangChain、LangGraph、A2A 协议、FastAPI、MCP、Nacos、Milvus、PostgreSQL、Redis、Spring Cloud Gateway。 难点与亮点：采用 LangGraph + A2A 双模架构，实现从单体编排到分布式 Agent 集群的平滑演进，新 Agent 可独立部署、灰度发布；MCP 工具标准化叠加身份透传，把新 API 接入耗时从 2 天缩短到 0.5 天；混合检索 + 重排序显著提升尺码推荐、材质对比等咨询场景的回复质量，回答相关性提升 15%；提示词热更新使运营策略迭代周期缩短 70%。
评论