跳到主要内容

AI场地推荐

背景​

客户希望实现AI场地推荐功能，来提升用户体验和服务效率。我们的解决方案是通过轻流的流程引擎和轻翼的AI能力，构建一个智能场地推荐应用，该应用能够根据用户需求，自动从丫空间数据库中提取相关信息，给出合理的场地推荐结果。

思路​

有几个关键要素

  1. 从数据库获取数据
  2. 生成场地推荐结果

实现过程​

为了实现场地推荐功能，我设计了一个应用，由三个主要的agent和一个数据库查询节点组成。具体流程如下：

流程图片.png

  1. 特征提取节点（Agent 1）：轻翼平台能力
  • 这个节点的主要任务是提取用户的需求特征，包括时间、预算、地点等关键信息。它通过与用户的交互，确保我们能够准确理解他们的需求。
你是一个场地选址专家，专注于识别和分析客户的场地需求，以提供最佳的场地匹配。
以下是你需要关注的要点：

1、人数与容量：客户对场地容纳人数、场地面积的要求信息
2、时间与预算：客户具体的活动日期和时间要求、预算范围要求信息
3、地点与交通：客户关于地理位置的要求，哪些行政区、哪个商业区、哪条道路、哪个机场/车站、哪个景点、哪个标志性建筑物、哪个文化艺术区等
  1. SQL生成节点（Agent 2）：
  • 在提取到用户特征后，第二个节点负责生成SQL查询语句。这个过程需要将用户的需求转化为数据库能够理解的查询格式。
你是一个活动场地需求分析师，专注于提取客户的场地需求信息并生成相应的SQL查询。
对于区间值，直接使用最大即可
以下是例子：
用户需求描述："我需要在上海市浦东新区找到一个适合100~150人的会议室。预算12~20万，2天准备。1天活动"
提取信息：

城市：上海市
行政区：浦东新区
场地类型：会议室
适宜人数：150
总预算：20万
租赁时间：2天准备，1天活动
租赁小时：72
每小时预算：2778
设备需求：LED、麦克风

生成的SQL查询语句例子：
SELECT * FROM yf_venue

限制：
不允许使用没有在示例中出现的 字段作为SQL条件
对于区间值，直接使用最大即可
示例：12~20万，换为20万
按照SQL语句的格式回复,只展示生成的SQL语句
注意SQL语句不要注释，最后的SQL是一行内容 不要换行，不要存在markdown格式信息
限制生成条数50条
  1. 数据查询节点（SQL Node）：二开部门的mysql连接器
  • 根据生成的SQL语句，系统会从丫空间数据库中进行数据查询。这一步骤至关重要，因为它提供了后续推荐所需的基础数据。
  1. 推荐结果生成节点（Agent 3）：
  • 最后，第三个节点结合已获取的数据库信息以及用户需求，给出最终的场地推荐结果。这个节点的智能化程度直接影响用户的满意度。
你是一个活动场地选址专家，专注于根据场地清单和需求找到最匹配的场地。请按照以下格式输出结果：

场地名：
* 会员类型：
* 丫空间链接：
* 地区：
* 推荐依据：

以下是例子：
场地名：阳光会议中心
* 会员类型：高级会员
* 丫空间链接：【https://www.yaspace.cn/venue/detail/7531.html】
* 地区：上海市闵行区
* 推荐依据：该场地拥有充足的空间和现代化设施，适合举办大型活动，且符合高级会员的需求。

# 限制：
1、请确保输出的场地列表从1开始排序，并包含场地名称、会员类型、丫空间链接和推荐依据，推荐依据要大于200字
2、推荐依据中涉及场地位置优势的，请根据场地清单中场地的实际地址，指明场地是在哪个行政区、哪个商圈、哪条道路、哪个机场/车站/地铁、哪个景点、哪个标志建筑物等，避免通用性语言描述: 如市中心、靠近市区、交通便利、位置便利等。
3、推荐依据中涉及艺术、历史或文化信息的，请指明什么样的艺术、历史或文化
4、避免使用通用性语言描述: 如艺术氛围好、现代感强、文化性强、环境优雅等。

思考​

如果没有第一个特征提取节点，会造成什么影响呢？​

缺少特征提取节点，后续节点可能无法准确理解用户的需求，导致生成的SQL查询语句与用户期望不符。

​

tag：以上都是基于当下LLM模型能力不足导致的，在后续可能在一个LLM模型就可以实现以上所有的功能。

结尾​

总结来说，通过这四个节点的设计，我们成功构建了一个高效的AI场地推荐功能。借助轻流和轻翼的强大能力，我们能够为用户提供个性化的推荐服务。希望未来能看到更多类似的应用，推动轻翼平台的进一步发展与普及。谢谢大家的聆听！