孙秀龙晚上十一点半，一个用户在某家电旗舰店停留了二十分钟，连续问了三个问题：“这款冰箱和隔壁那款十字对开的区别在哪”“你们占地小一点的有没有”“如果明天送到能赶上我搬家吗”。传统客服机器人能回答第一个问题，最多再甩一个商品链接，然后眼睁睁看着用户对比完离开。而一个设计得当的电商客服+导购智能体，应该能顺着这三个问题一路往前推：先讲清参数差异，再给出小尺寸替代款，最后联动库存和物流信息给确定性承诺，把一次咨询变成一单成交。
这篇文章就是围绕这类智能体的设计与开发来写的。我要讲的不是学术层面的Agent理论，而是从工程视角拆解一个能真实上线的系统：如何把客服的“答得准”和导购的“卖得动”揉进同一个智能体里，意图识别、知识检索、推荐决策三条链路怎么搭，工具调用和提示词怎么设计才不会翻车，以及上线之后用什么指标和机制让它越跑越好。适合正在做电商AI应用的产品、研发、算法同学参考，也适合想搞清楚智能体到底怎么落地的业务方读一读。
1. 客服和导购为什么必须合并成一个智能体
1.1 拆解一条真实购物路径上的能力需求
用户从进店到下单，中间会经历好几个心理阶段，每个阶段对系统能力的要求完全不同。我把一条典型的购物路径拆开看：
- 售前咨询：用户在商品详情页看了半天，想确认“这个能不能放进我家的餐边柜”“两种颜色哪个耐脏”。这个阶段的核心是货品知识要准，要能基于规格参数做具体判断，而不是复读商品详情页。
- 参数对比：用户同时在两三个SKU之间纠结，需要系统帮他做差异分析。这里要求的是结构化提取和对照表达能力。
- 疑虑消除：“七天无理由退换到底怎么算”“这台机器用久了会不会漏胶”。这需要售后服务条款、真实用户评价等非结构化信息的支撑。
- 需求引导：用户说“我想要个通勤用的双肩包，能装15寸电脑，最好侧面有水杯袋”。这是典型的导购需求，系统要能把他模糊的表达映射成具体的商品筛选条件，再给出推荐。
- 成交与售后：确认库存、运费、发货时间，以及下单后的物流查询、退换指引。
传统方案里，这些环节被拆成客服机器人、推荐系统、搜索、人工客服好几套系统。问题在于：用户不会按系统的分工来提问。他可能上一句还在问参数，下一句就问“那你觉得哪款更适合我”。一旦系统切换，上下文就断了，用户就要重新描述自己的需求——这一步足以劝退一大半人。
客服+导购智能体本质上就是用一个统一的对话大脑，把这些离散的能力串成一条完整的服务链路。这也是标题里“智能体”这三个字的分量所在：不再是“问答机器人”，而是一个能感知状态、调用工具、做出决策、完成任务的体。
1.2 一个智能体 vs 两个智能体的取舍
我见过不少团队一开始坚持做拆分：一个售后客服机器人，一个导购推荐机器人。理由也合理——售后的知识库和推荐的话术库完全是两套东西，拆开各管一摊，界限清晰。但在实际业务里，这个界限几乎撑不过一个月的线上考验。
先说技术上的理由。用户进入会话后，智能体要持续维护一份上下文记忆，里面包含他当前看的商品、问过的需求、被拒过的推荐理由。如果客服和导购是两个系统，这份记忆就得在系统间同步，同步就意味着延迟、丢失和权限问题。而同一个智能体天然共享对话上下文，用户从“这里能便宜点吗”切换到“那把赠品一起算上呢”，系统不需要任何额外机制就能自然衔接。
第二个原因是知识资产的复用。售后知识库里的退换货政策、保修细则，导购推荐时同样要用——用户在犹豫时问一句