课题发起方：ZionAI实验室成员-深圳服装协会-刘庆星实验人员：罗弘一编辑：Chloe

课题背景：

AI能做到手把手带新人，帮助销售快速实战上岗吗？

我们市场调研的时候，了解到不少行业销售人员流动性都较大，需要像服装导购、教培、保险等等，很多创始人都很很关心以上设想能不能落地。毕竟这个AI培训老师不用排期、不用休息，新人销售随时随地都能向TA请教。这对企业来讲，既节约成本、又节约时间，管理也可以做得更轻。在“销售助手”这个应用方向上，深圳服装协会是第一个跟Zion.AI实验室共创的客户。这次共创主要为了求证2个事情：

1. 结合企业私有的培训资料，基于大模型，AI助手是否能给出符合场景期待的建议，而不是尽扯片儿汤话。

2. AI助手能否在学习顾客画像的前提下，case by case地给出人性化的建议，而不是泛泛而谈。

实验过程展示

在正式结合企业私有数据测试之前，我们先看下，单纯把大模型当作AI导购助手的话，TA会给出什么水平的建议：

等看过下面结合了企业数据的对比实验后，心里就会AI导购助手有大概的判断了。

第一次实验过程拆解

第一次我们需要完成几个工作，数据预处理、在RAG（检索增强生成技术，Retrieval Augmented Generation）驱动下调用LLM实现结合企业私有数据的AI问答，以及完成应用的“画皮”工作，好让客户上手测起来。在所有AI知识库项目中，数据预处理都是第一步。第一次沟通下来，客户给到了一批日常培训资料，格式很乱，PDF、Word、PPT都有，此外还有一些优秀销售的沟通记录。第一次时，我们的数据预处理工作刻意做的比较粗暴，想看看出来的结果怎么样。先是把所有文件内容都转成了markdown格式，说实话大部分markdown工具都挺拉的，最后还是用AI转的，拿到的结果还不错。然后是把全部资料都作了向量化处理，这样在RAG支持下完成检索后，LLM就能拿到外部资料了，从而能够增强提示信息，给出更关切的客户跟进建议。整个后端的工作原理，可以参考下面这个流程图。（还不是很理解可以回顾下历史文章：到底该——如何提高“AI回复的准确性”？ |课题时间Vol.1）暂时无法在飞书文档外展示此内容后台的工作完成以后，照例我们用Zion无代码工具快速搭出了前端的聊天界面，接下来可以开始测试效果了。这是第一次尝试下来的AI导购助手效果：暂时无法在飞书文档外展示此内容客户认为，AI导购助手回应的内容方向是符合期待的，相比于直接花费几十分钟去翻阅繁杂的资料，在效率上的提升是质变，也比单纯大模型给出的片汤儿话有价值的多；但是目前AI给出的回复很啰嗦，文字过多会使读者读起来非常累。经过观察发现，啰嗦是因为用力过猛——AI把整个推理过程的上下文都讲述出来了，不符合人类日常沟通习惯；回复时间稍慢是因为语料库过大检索时间稍长，这跟做数据预处理时文本分割做的粗糙不无关系。

第二次实验优化方向：优化文本分割和向量处理方式

为了解决这个问题，我们优化了向量化处理方案：相对于第一次时按每千字拆分的方式处理原始资料，这次严格按有主题的段落进行拆分。在对资料进行向量化时，由全部向量化改为局部向量化——仅仅针对提炼出来的“主题目录”信息进行向量化，这样处理可以让数据本身就有“上下文”关系，对向量数据搜索时得到的信息会更加精准，且检索时间会缩短，当然，这样做还会更省token。此外，我们在相似性搜索中引入了树状思维导图，当收到销售的提问时，AI助手会先判断所问内容在不在目录范围内，如果不在的话，会提醒管理员补充知识库。暂时无法在飞书文档外展示此内容经过处理后我们为客户做了第二次效果演示：

客户的反馈是AI助手回复的文案在话术的准确性和发言长度都是符合期待的，而且对客户画像学习的也很到位，像喜欢黑色、地理位置标签，都是AI助手自己洞察客户画像做的灵活应对。但是如果问的问题不在“目录”内，就会提示联系管理员补充主题的文案，没人想在实际情况中遇到这种情况，最好当问到没有被“划到重点”的题目时，AI助手也能对答如流。

第三次实验：决策路径由COT转为TOT模式

为了满足这一需求，我们结合前两次实验，增加了一步“问AI用户当前的问题，在知识库中是否存在与之相似的主题，返回是或否两个答案”，如果知识库中有相关主题，正常按照主题给出精炼且准确的回答即可，如果不在主题目录列表内，依然能够切换到1.0版本基础语料展环境下展开分析回答。暂时无法在飞书文档外展示此内容在做了分支升级后，我们的客户觉得这款AI导购助手已经可以在商业上去做一些动作了，待有阶段性进展后我们将另起一篇文章同步给大家。

小结：

最后为本次AI导购助手项目做一个小结，在token消耗上，每次问答消耗约3-500token，折合人民币5毛，看起来如果不是很商业化的场景使用起来成本略高；时间成本上，如果想制作一个同结构的AI助手，主要时间是花费在对数据的预处理上，这部分是建议找专业的数据处理人员完成，AI助手本身制作只需要两到三天。另外，小助手还可以从“主题”的丰富性和对AI的提问方式两个方向上持续优化，来实现更贴合业务场景的回答效果。在此下期预告一下：AI在民宿行业的应用案例，敬请期待！