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)
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)
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)
摘要：
目录一、两种模式的核心差异总览二、两套模式的“哲学逻辑”区别1. FSM = 你设计一个「用户旅程」，用户按你的逻辑走2. Intent + CTA = 用户说什么，你就做什么（反应式）三、当你执行「多意图处理」时，两种模式的行为完全不同用户说：“我想买小米平板，但太贵了，有优惠吗？”Intent 阅读全文
posted @ 2025-12-12 20:18
向着朝阳
阅读(11)
评论(0)
推荐(0)
摘要：
目录1. Milvus：标量字段用什么索引？2. Milvus：向量字段用什么索引？3. 数据量不同如何选索引？（最关键）◆ 场景A：数据量 < 10 万（<= 100k）◆ 场景B：10万 ～ 100万（0.1M~1M）◆ 场景C：100万 ～ 1000万（1M~10M）◆ 场景D：1000万 ～ 阅读全文
posted @ 2025-12-12 09:33
向着朝阳
阅读(21)
评论(0)
推荐(0)
摘要：
目录概念一、明确“准确率低”到底来自哪一环二、核心优化方案（按优先级）1）构建高质量的 ASR → NLU 联合训练数据（最关键）2）采用“闭环纠错”架构（工业界的准确率提升关键）（1）执行前确认（confidence-based）（2）执行后反馈采集（3）自动纠错 pipeline3）意图分类 + 阅读全文
posted @ 2025-12-12 09:27
向着朝阳
阅读(13)
评论(0)
推荐(0)
摘要：
目录其他 访问并与有潜力的用户探讨 为找出新软件产品的用户需求，最直截了当的方法是询问他们。本章讨论如何寻找合适 的用户代表，而在第8章讲述从这些代表中获取需求的技巧。 把对目前的或竞争产品的描述写成文档 文档可以描述一种所必须遵循的标准或产品所必须遵循的政府或工业规则。 系统需求规格说明 一个包含 阅读全文
posted @ 2025-12-12 08:36
向着朝阳
阅读(10)
评论(0)
推荐(0)
摘要：
目录一、项目视图（Project Vision）是什么二、项目视图解决的问题三、如何定义项目视图（《软件需求》标准方法）1. 业务背景（Business Background）2. 商业目标（Business Objectives）3. 主要用户和利益相关者（Users & Stakeholders 阅读全文
posted @ 2025-12-12 08:25
向着朝阳
阅读(9)
评论(0)
推荐(0)
浙公网安备 33010602011771号