01
产品资料分散
茶叶的价格、规格、口感、冲泡方式和适用场景分散，客服需要反复查找。
PROJECT 01 · AI 茶饮知识服务当前版本 · 项目资料 POC
项目一：AI 导购 · 可在线体验
AI 知识库导购
告诉我预算、送礼对象或口味偏好，我会从真实商品资料中帮你筛选。
RAGKnowledge BasePOC需求识别
从需求出发，看系统怎么
一步步给出推荐。
下方对话区可按预算、对象、茶类与包装继续筛选。
基于当前已收录的真实商品资料
你可以直接试试
从一个真实问题开始选茶。
输入预算、送礼对象或口味偏好，AI 导购会从当前商品资料中为你筛选。
一叶春山 · 知识库导购
当前版本 · 项目资料 POC
你好，我是「一叶春山」知识库 POC 导购。你可以告诉我预算、送礼对象、口感偏好，或询问已收录商品与冲泡方式。
演示说明：茶品、SKU、价格证据与来源依据项目资料整理；当前仍是个人作品集 POC。未配置实时 Provider、索引缺失或请求失败时，会自动保留本地规则结果。
项目设计
这个 Demo 是怎么做的？
业务背景与痛点
当产品知识散落在资料里，服务体验就很难稳定。
02
重复咨询较多
送礼怎么选、预算内有什么推荐、红茶还是绿茶、怎么冲泡等问题反复出现。
03
回答口径不统一
不同客服人员可能给出不同答案，容易造成产品信息和推荐口径不一致。
解决方案
先理解需求，再给出带有来源依据的商品建议。
当前为 POC：价格、SKU 与推荐边界仍由规则引擎确定；实时 RAG 仅用于有来源的知识解释，并可安全回退。
01
需求识别
提取预算、对象、场景、偏好和茶类。
02
混合知识检索
结构化事实优先；配置后再以向量检索补充相关知识。
03
可追溯回答
模型只组织已检索资料，并展示本轮实际命中的资料来源。
POC 边界说明
明确当前实现，才是可信的 POC。
这个版本用于验证业务体验与信息结构，不将个人作品集 POC 包装成已经上线的企业 AI 系统。
当前已实现
- 基于项目资料整理的茶品、SKU、价格证据与来源注册表
- 结构化业务规则优先处理价格、规格、预算与安全边界
- 可选的本地向量索引、服务端实时 RAG 与引用校验
- 缺少密钥、索引或资料不足时明确回退到本地规则结果
暂未接入
- 接入企业真实商品资料与知识运营流程
- 增加部署环境中的真实索引构建与检索评测记录
- 在不改变业务边界的前提下继续扩展后续能力