向着朝阳 - 博客园

2025年12月14日

摘要：目录一、先纠正一个常见误区二、A/B 测试在 Objection 中的“真实作用点”三、一个完整的 A/B 测试设计（可直接落地）1️⃣ 定义 A / B 的“策略差异”A 组（Baseline）B 组（Experiment）2️⃣ 随机分流（非常重要）四、你到底在“比什么指标”？❌ 不建议的指标（阅读全文

posted @ 2025-12-14 08:47 向着朝阳阅读(10) 评论(0) 推荐(0)

Objection分类器要微调吗

摘要：目录一、先给明确结论（务实版）二、为什么“默认不微调”是正确选择？1️⃣ 你的任务不是“语言生成”，而是“语义区分”2️⃣ 微调带来的收益，往往不成正比3️⃣ 微调会降低“系统可控性”三、那“方案 B”具体该怎么做？推荐的工程实现（上线级）你训练的只有：四、什么情况下「值得」微调？只有同时满足下面阅读全文

posted @ 2025-12-14 08:06 向着朝阳阅读(10) 评论(0) 推荐(0)

2025年12月13日

智能销售助手设计--痛点难点

摘要：目录定位产品设计问题：不同的用户的顾虑点（Objection ），需用用不同的内容回答情况 A：Objection = RISK情况 B：Objection = FIT情况 C：Objection = VALUE如何识别Objection识别Objection技术方案规则系统（Rule Engin 阅读全文

posted @ 2025-12-13 21:22 向着朝阳阅读(11) 评论(0) 推荐(0)

跨境独立站销售助手产品背景

摘要：目录国内运营的痛点一、先纠正一个核心认知误区二、真实的用户交互链路（从买家到国内卖家）❓1. 跨境电商买家不在亚马逊，如何和国内卖家交互？标准链路（真实发生）三、为什么一定会涉及 WhatsApp / Facebook？❓2. 做智能销售助手，为什么要跟 Facebook / WhatsApp 通讯阅读全文

posted @ 2025-12-13 19:42 向着朝阳阅读(10) 评论(0) 推荐(0)

销售智能体风格转换

摘要：目录风格差异示例一、风格差异 1：文本长度（Long vs Short）1. 长文本风格（解释型）2. 短文本风格（行动型）二、风格差异 2：语种（中英文）中文风格英文风格三、风格差异 3：专业术语（专业 vs 生活化）专业术语风格（Expert Mode）简化生活化风格（Casual Mode）四阅读全文

posted @ 2025-12-13 05:45 向着朝阳阅读(11) 评论(0) 推荐(0)

销售机器人信息提取

摘要：目录一、核心目标回顾二、信息提取总表（14 大类）1. 购买意图强度（Purchase Intent Level）2. 购买时间窗口（Purchase Time Window）3. 用户预算（Price Range / Budget）4. 用户偏好的规格（Product Specifications 阅读全文

posted @ 2025-12-13 05:26 向着朝阳阅读(9) 评论(0) 推荐(0)

FSM销售机器人架构图

摘要：目录结论先说：一、完整对比图：传统架构 vs FSM 架构1. 传统客服 Agent 架构（以工具调用为中心）2. 基于 FSM 的导购机器人架构（以“对话旅程”中心）二、所以重构后，系统 pipeline 实际长这样三、关键问题：FSM 是替代 Orchestrator 还是补充？FSM 不是替代阅读全文

posted @ 2025-12-13 05:21 向着朝阳阅读(12) 评论(0) 推荐(0)

2025年12月12日

智能客服机器人产品设计

摘要：目录完整的导购 FSM（有限状态机）设计 — 可直接交付给产品/架构/开发2. 状态表（每个状态的定义、触发条件、允许动作、默认 CTA、工具调用）GREETINGNEED_DISCOVERYPRODUCT_MATCHRECOMMENDATIONCOMPARISONOBJECTION_HANDLIN 阅读全文

posted @ 2025-12-12 22:17 向着朝阳阅读(11) 评论(0) 推荐(0)

智能导购机器人（FSM）模拟对话

摘要：目录一、用户场景设定二、完整聊天案例对比聊天案例开始Step 1：用户开场A. 不用 FSM 的普通机器人回复B. 使用 FSM 的导购机器人回复Step 2：用户补充需求A. 不用 FSM 的普通机器人B. 使用 FSM 的机器人（进入 PRODUCT_MATCH → RECOMMENDATION 阅读全文

posted @ 2025-12-12 21:41 向着朝阳阅读(14) 评论(0) 推荐(0)

智能客服

摘要：目录1. 为什么不能只靠 tools + CTA？2. 正确的技术架构应该是这样的(1) 意图识别层（NLU + LLM）(2) 对话策略层（Policy Engine / Workflow）(3) 工具调用层（Tools / RAG / API）3. 具象例子：为什么 workflow 是必要的？阅读全文

posted @ 2025-12-12 21:13 向着朝阳阅读(16) 评论(0) 推荐(0)

aibi1

公告