AI,个人随笔 AI客服答非所问,先改提示词还是知识库? 当用户询问“我的退款什么时候到”时,助手却回复通用政策说明——这种答非所问的根源可能藏在路由、检索、知识版本或生成环节。本文通过真实案例拆解排查链路,从日志还原到意图识别、知识检索、模型生成,教你用证据定位问题,避免盲目修改提示词。 王蒙 AI应用意图识别日志分析
AI 生鲜商城AI接待小助手,从意图识别到满意度(下) 生鲜客服场景中,AI助手如何做到既省钱又可控?本文拆解一套五层分层路由架构:从FAQ精确匹配、业务API直调、RAG检索到大模型兜底,再到人工介入,层层过滤,让60%流量零成本秒回,成本直降90%。更有三级级联意图识别与真实对话案例,展示产品落地中的细节与智慧。 Totoro畅 RAG分层路由意图识别
AI 生鲜商城AI接待小助手,从意图识别到满意度(上) 社区生鲜商城自研智能助手,意图识别竟成核心命门。本文从真实咨询数据出发,拆解“AI客服”与“自助路由助手”的本质差异,并完整呈现六步处理链路与三级级联架构,看小团队如何用低成本撬动高转化。 Totoro畅 客服系统意图识别智能助手
AI,个人随笔 两个 AI 产品,把我从“写 Prompt”逼成了“拆 Prompt” 当一个AI产品的Prompt文件膨胀到三万字时,崩溃只是时间问题。本文通过实战案例揭示Prompt工程的本质不是写作问题,而是软件工程问题——从意图识别与危机信号的边界划分,到分析型任务与创造型任务的截然不同解法,再到示例数量与精准度的反比关系。作者用血泪教训总结出五条黄金法则,教你如何避免模型在「综合」中迷失方向。 Iris AI产品Prompt工程意图识别
AI,个人随笔 AI产品意图识别:从“调个大模型”到系统工程的认知跃迁 意图识别正成为AI产品的关键命门,但90%的团队都在用错误方式对待它。从通用聊天机器人到功能型AI,意图识别从不是简单的Prompt工程,而是决定产品生死的地基设计。本文将揭示分层意图架构如何同时解决响应速度、准确性与成本控制三大痛点,并给出产品经理必须掌握的三大决策原则与实战方法论。 姬小光 AI产品设计Prompt工程分层架构
AI,个人随笔 用户说“薯片碎了”,机器回“要买吗?”:意图识别的翻车与破局 用户说“薯片碎了”,客服机器人回“亲,是要买薯片吗?”——这不是段子,是我们上线第一周的真实翻车。今天我就把意图识别这个坑,从本质到方案,彻底讲透。 嘻嘻李 AI应用意图识别技术原理
产品经理 PM最值钱的那部分工作,正在成为“最没用的”? 当AI助手成为用户与产品间的隐形中间层,11%的新手引导完成率背后暗藏行业地震。微信搜索功能的七年迭代成果被一句"帮我找张总的报告"轻松绕过,暴露出产品经理最危险的底层假设正在崩塌。本文通过三个真实案例,拆解从"流程设计者"到"意图理解者"的认知跃迁,并给出AI Agent时代产品经理必须掌握的三项元能力——这不是关于取代的焦虑,而是价值重构的机遇。 没没同学 AI Agent意图识别用户体验
AI,个人随笔 AI医疗问答项目系列之意图识别 医疗问答系统的核心竞争力往往藏在意图识别层。本文深度拆解医疗场景下的三级意图体系设计,从合规拦截到精准分类,揭秘如何用轻量级方案实现80%问题不走大模型的成本优化,同时保障高风险咨询的自动拦截机制。这套方法论可直接复用于健康类AI产品设计。 而立与拾遗 NLP医疗AI合规设计
AI,个人随笔 Agent 听不懂你说话?一文拆解 AI 意图识别的产品设计逻辑 AI Agent 在意图识别上的失误,往往比技术故障更令人沮丧。当用户期待它能精准执行商务邮件润色任务时,却只收到一个孤零零的落款——这种任务错位揭示了当前 AI 产品的核心痛点。本文深度剖析意图识别机制在复杂语义环境下的失调现象,从规则确定性到概率推理的时代博弈,拆解多模态融合带来的边界扩展,为产品经理提供构建更懂用户的 AI 系统的实战思路。 lris碎碎念 AI Agent多模态意图识别
AI,个人随笔 AI医疗问答项目系列之提升召回准确率-query改写 医疗场景中的Query改写不仅是技术挑战,更是生死攸关的产品设计命题。本文深度拆解医疗Query改写的3条铁律与4类安全操作,揭示如何通过'规则优先+轻量小模型'策略,在零风险前提下解决80%的医疗搜索痛点。从口语标准化到关键词补全,这套方案正在重新定义医疗搜索体验的安全边界。 而立与拾遗 Query改写产品安全医疗AI
AI 对话即洞察:AIPM 如何重构非结构化数据的分析范式? 当AI产品的交互从GUI转向LUI,传统漏斗模型正面临全面失效。一位独立开发者通过500用户产品的真实案例,揭示了会话时长暴涨背后的『数据陷阱』——用户停留越久可能意味着体验越糟。本文深度拆解AI时代的数据分析困局,并提出重构评估体系的『数据洋葱模型』,为AIPM提供从SRR指标到意图聚类的实战方法论。 浩思AI AI产品LLM产品方法论
AI 用户意图识别与关键词提取 Prompt 设计方法论(上) Prompt 设计远非简单的语言拼凑,而是一项需要工程化思维的精密工作。本文揭秘了一套实战验证的 Prompt 设计方法论,涵盖关键词提取的8大防幻原则、思维链(CoT)的工程化应用,以及如何通过多模型交叉验证来提升泛化能力。从版本管理到结构化输出,这些经过千次测试总结的实战技巧,将帮助你打造出像代码一样严谨的智能对话系统。 产品不正经 AI应用思维链意图识别