Anthropic刚刚把过去给商家用Claude做的购物AI助手开源了，把踩坑经验整理成的施工手册

青青小草

Anthropic刚刚把过去给商家用Claude做的购物AI助手开源了，把踩坑经验整理成的施工手册


具体的开源实现中，给配了两个完整可运行的Agent，购物Agent、商家Agent，代码、技能、工具契约、安全门禁全部已写好

覆盖四个行业，零售、旅游、电信、票务，每个开箱即跑，带网页界面，以及安全机制

先说场景，消费者端：你逛淘宝/订机票时，有个AI陪你，你想要啥它帮你找、比价、准备好订单；商家端：卖家也有个AI帮手，查销售数据、拟价格方案、管库存、做促销等

几个核心经验
1、用一个聪明的大脑别拆一堆小AI，用一个AI装技能手册

很多人会客服一个AI、退货一个AI、购物一个AI……这样不对，因为聊天是连续的，你聊着退货突然问“那我购物车里的东西还买吗”，拆开的AI各管一段就会丢上下文

应该是是一个AI+一摞skills，用到哪本翻哪本

系统提示词 vs 技能怎么分？
系统提示词：放高频用到的东西，比如安全规则、品牌要求、购物车逻辑、商品搜索

技能：放长尾功能，比如售后客服、营销分析、旅行规划），需要时再加载

工具设计上，智能体应该调用企业已有搜索、库存、促销引擎等，而不是让AI自己算库存、自己定价

UI也是工具，不要让AI输出自定义标签然后前端解析，而是把商品卡片、座位图、行程单都定义为工具调用，AI输出结构化参数，服务器验证后直接渲染，这样更可靠，历史记录也能直接复用

2、延迟很重要，但完成任务的质量更重要，让用户感觉快，不是变笨

怎么让AI更快？减少对话回合、工具加速、感知延迟

提示缓存省钱的大招，电商场景非常适合缓存，优秀部署能达到90-99%的缓存命中率

另外不要凭感觉选模型，建议商家后台用更聪明的Opus（分析任务重），消费者端用更快的Sonnet（延迟敏感）

3、上线只是开始
AI要记住用户偏好，比如鞋码、过敏信息、常看的报表，不能存在模型里，要存在数据库

涉及钱的操作，比如下单、支付、改价、启动活动，AI只能生成待确认的方案，必须由人工或既定审批流程确认后才能执行

AI是非确定性的，改一点提示词可能带来意外后果，所以需要自动化测试

博客：http://t.cn/AX0fzCsu
github：http://t.cn/AX0fzCsm

#AI商务助手##claude电商AI助手# http://t.cn/AX0fzHTk