DoorDash 如何打造了一款不完全依赖大型语言模型（LLM）的 AI 购物助手

DoorDash 开发了一款 AI 购物助手，通过混合架构（RAG、知识图谱、规则引擎）减少对大型语言模型的依赖，在降低成本的同时提升响应速度。

• 该助手采用混合架构，将意图识别、实体提取和规则引擎用于处理 80% 的常见请求，仅 20% 的复杂场景调用 LLM。
• 相比纯 LLM 方案，推理成本降低 60%，响应时间减少 40%。
• 系统利用知识图谱存储商品和用户偏好信息，实现精准推荐。
• 在 A/B 测试中，用户满意度提升 15%，订单转化率提高 10%。
• DoorDash 计划未来引入多模态能力，支持图片和语音输入。