Viking AI 搜索
Viking AI 搜索
文档指南
请输入
- 文档首页
Viking AI 搜索AI搜索引擎用户手册最佳实践基于 Viking AI 搜索构建“专家级”电商导购 Agent 最佳实践
复制全文
下载 pdf基于 Viking AI 搜索构建“专家级”电商导购 Agent 最佳实践
文档反馈
问问助手说明
本文档旨在为电商行业的业务、产品、运营及技术团队提供一份详尽的 Viking AI 搜索 AI 导购助手 落地实践指南。我们将结合电商导购场景下的具体需求，系统性地介绍从数据处理、体验配置到智能对话助手搭建的全流程最佳实践。
一、业务背景：从“关键词搜索”到“场景化智能导购”
在当前的电商环境中，消费者的购物行为已发生深刻变化。用户不再仅仅满足于通过明确的关键词寻找商品，而是越来越多地倾向于在特定场景下，通过更自然、更口语化的方式表达自己的需求。例如：
- 场景化购物：“下周要去海边度假，求推荐一套适合拍照的防晒服穿搭。”
- 多条件检索：“想找一款适合送给女朋友的生日礼物，预算200 左右，她喜欢粉色，最好是裙子。”
- 图文混合检索：“有没有类似这种法式复古风格的裙子？”（并附上一张图片）
利用 Viking AI 搜索就可以帮您快速打造一个能够理解自然语言、解析图片、并结合用户偏好进行智能推荐与对话的 “电商导购助手”，从而更好地提升用户体验，提升转化率
二、前期数据准备
高质量、结构合理的数据是搭建一切智能导购体验的基础。Viking AI 搜索会深度解析您提供的每一个字段，构建丰富的语义和图片索引，建议您充分做好数据准备工作。
数据字段选择：从“有什么”到“怎么用”
说明
字段选择策略：不要直接全量导入数据库字段。应以“用户视角”为核心，而非简单的“存档需求”。
筛选标准： 仅保留用户在搜索、筛选和决策时真正关注的信息（如核心规格、品牌、功能）。
清理噪声： 剔除冗长的 HTML 代码、重复或低价值数据。
以下是一份通用的电商行业核心字段表，建议包含以下关键信息，会对整体效果有帮助，如果缺失一些字段也不用担心，可以按您业务已有字段筛选后，上传就好。
⚠️您的实际字段名称无需与此完全一致，Viking AI 搜索在导入时会自动进行语义映射。
样例数据
在正式全量导入数据前，建议先用50-100 条有代表性的数据进行“跑通”测试，验证整个流程（字段配置、导入、索引构建、基础搜索）是否顺畅。
其他数据规范与建议：
三、四步轻松搭建 AI 导购助手
步骤一：创建应用
登录 Viking AI 搜索控制台，点击 “创建应用”。系统提供了预置的行业模版（如电商、内容社区等）。对于导购场景，务必选择“电子商务”行业，这将预加载适合电商场景的策略配置。填写应用名称后，即可进入下一步“数据集创建和导入”。
Replay
00:00
/
00:28
Live
Play
00:00
Fullscreen
Cssfullscreen
Click and hold to drag
步骤二：控制台导入数据样例和配置
- 新建图文数据集，选择商品标签，导入样例数据，可以导入先前准备好的 JSONL 格式文件。
- 字段属性与索引配置，大模型会自动扫描样例数据，推断字段类型、含义和配置方式，您可以手动校准，这直接决定了搜索效果，从而间接影响导购场景效果。
- 数据导入后，系统会开始进行大模型数据解析和索引构建（需要一定时间，请您耐心等待），完成后数据集状态会显示“配置已生效”，此时您可以到“体验配置”界面进行多模态搜索和对话式问答体验
Replay
00:00
/
00:00
Live
Play
00:00
Fullscreen
Cssfullscreen
Click and hold to drag
*说明
数据配置参考：
- 唯一标识 ：必须指定一个。这是整个系统的“身份证”，所有数据更新和关联都依赖此 ID。
- 用于文搜：勾选此项后，搜索时使用字段内容中的语义信息和关键词信息与用户查询语句匹配，支持文本。通常所有包含丰富语义信息的字段（如 title, content, tags）都应设为可被搜索。
- 用于图搜：如果您要实现以图搜图的效果，建议对应商品的图片字段同时勾选用于文搜和用于图搜，这样系统会对图片进行向量化和 VLM 理解。
- 用于过滤：勾选此项后，该字段才能在搜索时作为过滤条件。适合那些具有明确、可枚举值的字段，如 category, status, brand，以及数值类型的 price。
- 用于搜索补全 ：勾选后，该字段的值将被用作搜索框输入时的联想词（适合品牌名、热门标签、品类名等）。
步骤三：体验效果与调优
完成上述步骤后，这时候您已经完成了搜索和问答能力的初始化构建，接下来主要是进行“体验调优”阶段。对话助手的底层能力依赖搜索返回的结果，配置一个好的电商导购助手，通常您需要同时调整搜索策略和对话问答策略。
说明
核心建议：不要追求一成不变的“模板化”配置。电商的不同细分行业（如服饰、3C、生鲜）、不同的商品规模，其最佳搜索策略都可能存在差异。比如美妆行业可能更看重 “新品” 和 “品牌”，而 3C 数码行业可能更看重 “参数匹配” 和 “价格”。因此，我们强烈推荐您将体验配置视为一个持续迭代的过程，并通过线上体验和用户反馈来评估和选择最优策略。
搜索策略配置建议
以下是电商导购场景中最常用的一些体验配置能力，您可以结合业务需求进行配置：
提权/降权规则
您可以根据一系列条件，动态地提升或降低特定商品的排序权重
常见应用场景：
- 优质商品提权：对 product_rating 大于4.5（假设满分为5）的商品更高的排序权重。
- 新品提权：对 publish_time 在最近 7 天内的商品给予更高的排序权重。
- 促销/活动商品提权：对 tags 包含“大促”或属于特定活动 ID 的商品进行提权。
- 有货优先：对 stock 大于 0 的商品进行提权，或对 stock 等于 0 的商品进行降权。
- 高利润/主推品提权：根据内部商品利润率或战略等级，对特定商品进行提权。
- 基于地理位置的提权降权配置 ：当您的业务场景需要根据用户的地理位置距离对搜索结果进行动态调整时，可以通过配置基于地理位置的提权降权策略来实现。
以“优质商品提权”为例：
Replay
00:00
/
00:20
Live
Play
00:00
Fullscreen
Cssfullscreen
Click and hold to drag
字段排序
除了默认的相关性排序外，您还可以自主设置排序方式，比如：
- 价格排序：选中价格字段，设置“价格从高到低”或“价格从低到高”。
- 销量排序：按 sales_volume 字段降序排列。
- 上新时间排序：按 publish_time 字段降序排列，即“新品优先”。
以“价格排序”为例：
Replay
00:00
/
00:14
Live
Play
00:00
Fullscreen
Cssfullscreen
Click and hold to drag
对话问答（ AI 导购助手）配置
Viking AI 搜索通过 对话 Agent，将强大的 多模态搜索、个性化推荐与大语言模型（LLM）的对话能力封装在一起，让您能快速构建一个会聊天、懂商品、能引导的智能导购助手。在对话场景，我们建议您进行以下策略配置
角色设定
您可以为您的导购助手设定一个独特的“身份及人设”。这虽然不直接改变搜索召回的商品，但极大地影响着用户体验和品牌感知。
Prompt 示例：
专业导购顾问（默认示例）
时尚穿搭专家（风格化示例）
回答风格设定
设定导购助手回答的结构、文风和语言。比如推荐商品原则、数量、范围、回答方式等，建议结合业务诉求进一步优化。
Prompt 示例：
专业导购顾问（默认示例）
结合具体业务策略（功能化）
对话开场配置：交互的第一印象
开场白是用户与助手交互的第一个触点，直接决定了用户的参与意愿。一个好的开场，能够有效降低用户的决策门槛，提升交互率。建议您按照业务策略，配置一个好的开场白，Viking AI 搜索提供三种可配置的开场模式：
纯文本开场
- 适用场景：最简单、直接的启动方式。
- 示例话术：“您好！我是您的专属 AI 导购，想找点什么？可以随时向我提问哦～”
开场推荐问题
- 适用场景：当您希望主动引导用户探索时，通过提供几个热门或有趣的问题“气泡”，降低用户的输入门槛。
- 问题来源：系统会在您配置好问答场景的第二天，自动生产相关推荐问题，同时您也可以结合业务运营需求自定义开场问题
- 自定义问题配置示例：如：“推荐一些适合春节的穿搭”
开场推荐商品：个性化推荐开场
- 适用场景：实现主动营销和“千人千面”的极致个性化体验。
- 前置依赖：必须已接入用户的行为数据，并配置好推荐场景（如“猜你喜欢”），推荐配置请查看配置个性化推荐章节。
- 配置示例：开启“开场推荐物品”，并选择关联的首页推荐场景。
补充知识库：增强导购能力
除了商品库，您的企业通常可能还有大量非结构化的文档类知识，如“售后政策”、“退换货流程”、“尺码对照表”、“会员权益说明”等。通过知识库接入功能，您可以将这些文档上传，让导购助手也具备回答这类问题的能力。
配置流程：
- 在控制台上传您的知识文档（支持 PDF、Word、TXT 等格式，详细支持格式见文档数据集--全域AI搜索-火山引擎）。
- 系统会自动对文档进行切片、向量化处理。
- 当用户提出“你们支持 7 天无理由退货吗？”这类非商品查询时，AI 助手会优先从上传的文档中检索相关信息，并生成精准回答。
追问建议
为了提升多轮对话率，避免“一问一答”式的尬聊，强烈建议开启追问建议功能。
API 参数：在调用 ChatSearch 接口时，设置 enable_suggestion=true。
效果：当 AI 助手回答完一轮问题后，会根据上下文自动生成 3 个相关的追问建议气泡。如右图。
这个小功能极大地降低了用户的输入成本，能有效引导对话向更深层次发展，从而挖掘出用户更精确的需求。
问答能力整体配置也可参考如下视频指引：
Replay
00:00
/
01:52
Live
Play
00:00
Fullscreen
Cssfullscreen
Click and hold to drag
步骤四：集成对话 API
为了将构建好的能力集成到您的 App 、小程序或网页中，Viking AI 搜索 提供了标准的 API。以下是该接口的调用概要。
- 前端发起请求：
- 用户在对话框中输入问题（如“推荐几款透气的跑鞋”）或上传图片。
- 前端应用将用户的输入内容、当前会话的 session_id（由前端生成和维护）以及一些固定参数（如 user_id）打包，发送给您的业务后端。
- 业务后端调用 Viking AI 搜索：
- 您的业务后端接收到前端请求后，构造一个对 Viking AI 搜索 /chat_search 接口的 POST 请求。
- 请求体中包含了从前端获取的所有信息，并附加上您的应用 API Key 进行鉴权。
- 关键点：业务后端需要以流式的方式接收 /chat_search 接口的响应。
- 处理流式响应并转发前端：
- /chat_search 接口会陆续返回一系列 JSON 数据块。每个数据块都描述了 AI 助手当前的工作步骤（step），可能是 "意图识别"、"工具调用"（并附带搜索到的商品 payload）、"生成回答"（并附带一小段文本 content）。
- 您的业务后端需要实时解析这些数据块，并原封不动地通过流式连接转发给前端。
- 前端渲染丰富的交互界面：
- 前端接收到从业务后端转发来的数据流。
- 当收到文本流时，以“打字机”效果实时渲染 AI 的回复文字。
- 当收到商品数据时，解析 payload 中的商品列表，并将其渲染成用户可见的、可点击的商品卡片（包含图片、标题、价格、购买按钮等）。
- 当收到追问建议数据时，将其渲染成可点击的建议气泡。
- 如此，一个包含文本、商品卡片、建议气泡的丰富交互界面就动态地呈现在用户面前了。
说明
为什么需要业务后端中转？
虽然前端可以直接调用 Viking AI 搜索 API，但我们强烈建议通过您的业务后端进行一层封装和转发。这样做有几个核心好处：
- 安全：避免将您的 API Key 直接暴露在前端代码中。
- 鉴权与流控：您可以在业务后端实现自己的用户鉴权、请求频率控制等逻辑。
- 逻辑聚合：未来如果需要聚合其他内部服务（如查询订单、领取优惠券），都可以在后端统一处理，对前端保持接口的稳定性。
上传全量商品数据
当您在控制台完成体验配置后，如果您希望为其导入更多数据（例如导入完整数据或进行增量更新），请按以下步骤操作
- 返回到您的数据集列表
- 找到您想要添加数据的目标数据集。
- 点击查看进入该数据集的详情页面。
- 在该页面中，找到并切换到 数据导入标签页。
在这里，您会看到系统提供的两种主要数据导入方式（通过 API 导入和导入本地JSONL文件），可用于后续的数据添加。
- 导入本地 JSONL 文件
- 您可以直接在控制台界面上操作，通过点击/拖拽上传文件。
- 通过 API 实时导入接口
- API 文档链接：实时导入、更新物品数据--全域AI搜索-火山引擎
- 适用场景：
- 实时新增物品：自动处理与索引构建。耗时几秒至几十秒（多图/视频数据处理时间较长）。
- 实时更新物品：支持仅更新部分字段。若仅更新过滤字段（非检索字段），秒级生效；若更新图文视频，处理时间较长。
- 通过 API 批量导入接口
- API 文档链接：批量导入物品数据--全域AI搜索-火山引擎
- 适用场景：
- 首次全量构建：一次性导入完整的测试或生产环境的商品/内容数据。
- 定期大批量更新：针对超过 10 万条数据的特定字段更新（如批量变更上下架状态）。
- 新增字段回填：为全量数据批量写入新增加的字段值。
常见问题与优化建议
在落地 AI 导购助手的过程中，我们总结了一些客户常见的配置问题和误区。提前了解并规避这些问题，能让您的接入过程更加顺畅。
结语：行业差异与调参建议
最后，需要再次强调，Viking AI 搜索的最佳实践并非一成不变的教条，不同电商行业，甚至同一行业的不同发展阶段，对搜索的侧重点都有所不同，成功的电商导购助手，是优质数据、灵活策略和持续优化共同作用的结果。
说明
- 了解更多 Viking AI 搜索产品能力，请参见：Viking AI 搜索，企业搜推问一体化智能引擎
最近更新时间：2026.08.09 18:18:19
这个页面对您有帮助吗？
有用
有用
无用
无用