导购对话流程需求挖掘、产品匹配解决的是一次对话怎么走完。要构建一个长期可用的智能购物助手还需要两个更底层的引擎助手人设和用户画像。前者决定助手以什么身份说话后者决定助手对谁说话。一、人设引擎——让助手有稳定的角色感同一个产品问题官方客服腔、闺蜜种草腔、专业顾问腔给出的回复感受完全不同。人设不是一句你是友好的客服提示词而是一套结构化配置角色定位资深买手/品类专家、语气风格简洁专业/热情活泼、话术边界不贬低竞品、不承诺做不到的事、品牌信息统一的品牌介绍口径。人设配置注入每次模型调用的系统提示词。它的价值在跨对话一致性——用户今天问和下周问感受到的是同一个人而不是每次随机变脸的机器人。人设配置由运营统一维护所有导购账号共用一套或按品牌线分几套。二、画像引擎——对话中动态沉淀用户认知用户画像不是加好友时一次性填写的表单是在每轮对话中持续积累的动态数据。用户说我跑步时戴→画像加运动场景说之前买过你们家的基础款→画像加老客户已有产品问有没有500以内的→画像加预算区间。画像的结构分两层稳定属性长期不变性别、大致年龄段、所在地区和动态状态随对话变化当前意向产品、预算、决策阶段、顾虑点。模型回复前读取画像回复后用本轮新信息更新画像形成越聊越懂用户的循环。三、双引擎协作——人设决定怎么说画像决定说什么两个引擎在回复生成时汇合画像提供这个用户的需求和状态内容层人设提供以什么风格和身份表达表达层。同样推荐一款耳机对预算敏感的新客画像用性价比专家的口吻人设对追求品质的老客画像用品类顾问的口吻人设。双引擎让推荐从千人一面的产品介绍变成对这个人、用合适的方式、说合适的话。双引擎对照维度人设引擎画像引擎回答的问题以什么身份说话对谁说话数据性质全局静态配置用户级动态积累影响层面表达风格内容选择维护方运营统一配置对话自动沉淀双引擎实现PERSONA { role: 你是数码品类的资深选购顾问有5年买手经验, tone: 专业、简洁、不夸大给明确建议, boundaries: [ 不贬低任何竞品品牌, 不承诺页面未标注的功能, 不确定的参数明确建议用户咨询人工 ], brand_intro: 我们是专注音频设备的品牌主打... } class UserProfile: STABLE_FIELDS (gender, age_range, region) DYNAMIC_FIELDS (intent_product, budget, stage, concerns, scenarios, history) def update_from_dialog(self, wxid, user_msg, ai_analysis): 每轮对话后更新画像 p self.load(wxid) or self.empty() # AI从本轮消息抽取画像增量 delta llm_extract_profile(user_msg, ai_analysis) for k, v in delta.items(): if k in self.STABLE_FIELDS: p[k] v # 稳定属性直接覆盖 elif k concerns: p[k] list(set(p.get(k, []) v)) # 顾虑点累加 elif k stage: p[k] v # 阶段状态更新 else: p.setdefault(k, v) p[updated_at] now() self.save(wxid, p) def render_for_prompt(self, wxid): 渲染成提示词片段 p self.load(wxid) if not p: return 这是新用户暂无画像信息 lines [f用户画像决策阶段{p.get(stage,未知)}] if p.get(budget): lines.append(f预算{p[budget]}) if p.get(scenarios): lines.append(f使用场景{、.join(p[scenarios])}) if p.get(history): lines.append(f历史购买{p[history]}) return \n.join(lines) def guide_reply(wxid, question): profile_text profile.render_for_prompt(wxid) system PERSONA[role] 。 PERSONA[tone] \ 。规则 .join(PERSONA[boundaries]) reply llm_chat(question, systemsystem \n profile_text) # 回复后异步更新画像 analysis llm_analyze_turn(question, reply) profile.update_from_dialog(wxid, question, analysis) return reply落地建议两个引擎的建设顺序人设引擎先做一份配置文件当天就能上线立刻提升回复一致性画像引擎第二需要设计字段结构和抽取逻辑跑一两周后画像数据才有价值。画像字段要克制——稳定属性3-5个、动态状态5-8个足够字段过多模型反而抓不住重点。人设和画像的提示词拼装是导购接入微信的核心环节配合Eyun的消息收发接口即可形成完整的智能购物助手。