01 / HERO · PROJECT 03
AI 销售智能体
说出你想要什么，AI 从真实商品中找到答案。
02
项目概览
帮助线上获客型商家利用 AI 完成商品检索、推荐与销售辅助。首个 Demo 场景是豪车租赁，推荐以商家真实商品数据为依据。
产品按可扩展的行业结构设计，后续可覆盖鞋子、包包、奢侈品与宠物用品。用户表达需求，商家维护商品，AI 连接两端。
“预算 3000 元，想租一辆适合约会的跑车。”
03
问题
01
需求不等于参数
消费者通常有预算、用途和偏好，却未必知道对应的品牌、型号或商品分类。
02
推荐需要真实库存
销售建议需要建立在商家真实商品及其当前状态之上，才能进入下一步沟通。
03
商品管理与交互脱节
前台推荐与后台上架、状态管理和数据导入，需要共享一致的商品信息。
04
解决方案
让用户用自然语言描述需求。AI 理解预算与使用场景，从商家商品数据中检索和推荐，再通过列表、收藏与历史记录支持后续比较。
05
核心功能
需求与推荐
- 自然语言需求理解
- AI 商品搜索
- AI 推荐
- 普通搜索
用户决策
- 商品列表
- 收藏
- AI 历史
商家运营
- 商家后台
- 商品上架
- 商品状态管理
- Excel / CSV 数据导入
- 行业切换
用户端截图来自原微信小程序的真实运行界面。此次使用原数据库中已有的 30 辆车，未重新生成库存。当前用户端 /ai-agent/chat 使用规则解析、库存排序与模板文案（Demo / Mock recommendation），没有调用外部大模型。原 Demo 使用示意车辆图片，部分图片与车型不一致，保留原内容；不是商家真实车辆照片或生产成交效果。推荐包含超预算升级选项，匹配分不是准确率。商家端旧截图保留在详情页。
06
产品流程
- 01
说出需求
描述预算、用途与商品偏好
- 02
理解意图
将自然语言转为检索条件
- 03
检索商品
基于商家的真实商品数据
- 04
推荐与比较
通过商品列表理解推荐结果
- 05
收藏与回看
保存商品与 AI 历史记录
07
产品实拍
08
技术实现
- 微信小程序
- 用户首页、需求输入、推荐结果与车辆浏览
- FastAPI
- 商品、库存、收藏与销售 Agent 接口
- SQLite / SQLAlchemy
- 商品、车辆、客户偏好与咨询记录
- 规则推荐 · Demo / Mock
- 当前用户端的预算与场景解析、库存排序及销售文案
- Excel / CSV
- 商家商品批量导入
09
我的工作
- 01定义面向线上获客商家的销售辅助场景
- 02设计自然语言搜索与商品推荐流程
- 03组织商品列表、收藏和 AI 历史体验
- 04设计上架、状态管理与批量导入流程
- 05以豪车租赁验证 Demo，并规划行业扩展