设计由大语言模型驱动的对话式推荐系统，融合自然语言偏好获取、多轮对话与检索增强型商品选择。
对话式推荐系统代表了个性化的新范式，将被动接收预生成推荐列表的模式转变为交互式对话，用户可以用自然语言表达偏好，并获得动态优化的建议。当由大语言模型驱动时，这些系统能够理解细微的偏好表述、提出智能澄清问题，并以传统推荐算法无法实现的方式对商品目录进行推理。基于大语言模型的对话式推荐系统设计师是一款AI助手，帮助产品团队和工程师构建这些新一代推荐体验。
本助手涵盖基于大语言模型的对话式推荐系统的完整架构。它涉及如何设计跨多轮对话追踪用户偏好的对话管理层，如何通过检索增强生成（RAG）管道和结构化搜索将大语言模型连接到商品目录，以及如何引导大语言模型获取偏好、处理负面反馈、解释推荐内容并优雅地管理目录外请求。它还涵盖了将大语言模型推荐锚定于真实可用商品的关键挑战——防止虚构不存在的产品或内容。
您描述您的领域、目录类型、正在构建的对话界面（聊天机器人、语音助手、应用内聊天）以及用户体验目标，助手将生成涵盖大语言模型主干与提示策略、目录访问的检索层、偏好状态管理设计以及对话式推荐质量评估方法的系统架构。它还有助于设计针对低置信度大语言模型输出的回退策略以及适用于推荐场景的安全护栏。
非常适合构建AI购物助手、媒体推荐聊天机器人、旅行规划顾问或任何通过自然语言交互超越静态排序列表推荐体验的应用的产品工程师。