怎么让AI认识你的产品？实践干货分享！

AI客服在实际落地中经常遇到一个棘手的问题：客户想让AI“认识”自己的产品。注意，这里的产品可不是什么知名品牌或标准品，而是一些黑盒子——分了很多型号和版本，功能效用各不相同。用户自己往往也搞不清买的是哪一款，于是经常拍张照片过来问：“机器连不上了，咋办？”

就像这样：

让用户去找型号，不仅难，还容易引发客诉。人工客服扫一眼就能认出是哪台机器、哪个型号，但AI没这个能力——它不认识图像，不知道对应哪个产品，即使知识库里存着完善的解决方案，模型也无法匹配到正确的答案。

那么，这个问题怎么破？前一段时间发现火山方舟上线了一个“向量模型”，并且新增了图像检索能力。虽然部署有一定门槛，客户数据也不便展示，这里就用官方案例来演示一下整体思路。

问题的核心是：模型无法识别客户产品，无法对应型号，也就无法从知识库中调取正确的回答。目标就很明确了——让模型能根据用户发来的图片，识别出它是哪一款产品。常规知识库里已经有处理方法，只是模型不知道该用哪一个。

实现的整体流程如下：

1. 整理已有的产品图：
   先对现有产品图片进行整理，为每张图片命名并添加相关信息。

2. 图文向量化：
   使用“Doubao-embedding-vision”模型对产品图片进行向量化处理，将图片转换为向量形式。

3. 存入向量库：
   将向量化后的图片数据存入向量数据库。

4. 用户发送图片：
   用户上传一张图片到系统中进行搜索。

5. 将图片输入进行检索：
   系统对用户上传的图片进行向量化，并在向量库中检索。

6. 匹配出近似或相似的图片：
   系统在数据库中找出与用户图片最相似的图片。

7. 返回检索结果信息：
   将匹配到的相似图片信息返回给模型。

当用户用图片来问问题时，流程就会这样跑起来：

用户发的图片传入向量库检索，系统返回最相似的产品。比如下图，已经找出了匹配的图片：

图片细节可能略有差异，但模型找对了——因为就是用原图生成的测试数据。虽然生成图与原始图有些不同，但整个库里最接近的就是它了。这样就拿到了相似度较高的图片及其对应的产品信息，从而知道用户发来的图片可能指的是什么。

接下来，基于已知的产品信息，再去知识库中筛选或做进一步处理，就能很好地应对用户发图提问的场景。最终的目标也就达成了：让AI客服能够“认识”自己的产品。

这个方案相比过去需要更高成本、更复杂的方式，现在变得方便又准确。如果有实际需求，不妨自己动手试试看。