品味意圖理解
識別「通勤背、配風衣、不要明顯 logo」這類包含審美與場景的複合意圖。
不只是搜尋，而是替你完成決策
搜尋引擎給出海量連結，推薦流給出「猜你喜歡」——兩者都不承擔決策責任。
消費決策Agent 以品味搜尋引擎為入口、以品味知識圖譜為推理底層，目標是陪使用者走完決策的最後一哩路：在限制條件下給出經過比較、可以解釋的明確建議。
- 理解：從對話中還原場景、審美傾向、預算與隱性限制
- 比較：沿圖譜關聯組織候選，按品味契合度而非銷量排序
- 解釋：給出理由、權衡與替代方案，使用者始終擁有判斷權
- 行動：銜接清單、比價、提醒與購買路徑，形成決策閉環
能力構成
Agent 如何做出好決策
多方案結構化比較
把不同價格帶、品牌與風格的候選，放在同一品味座標系中比較。
文化語境適配
理解送禮、節慶、職場與地域文化對消費選擇的隱性要求。
可解釋推薦
每條建議附帶理由與證據，拒絕黑箱式的「猜你喜歡」。
決策路徑規劃
把複雜決策拆解為澄清、篩選、比較、決定的可回溯步驟。
長期品味記憶
在使用者授權下沉澱品味偏好，越用越懂，而非每次從零開始。
決策流程
一次高品質決策如何發生
表達與澄清
用自然語言說出需求，Agent 主動澄清關鍵限制與品味傾向。
品味推理
基於知識圖譜擴展候選、理解文化語境並做多維比較。
決策與行動
給出明確建議、理由與備選，銜接後續行動並接受回饋修正。
品味搜尋引擎：用品味而非關鍵字檢索
當「法式復古、適合小宅、預算三千」這樣的需求無法被關鍵字搜尋理解時，品味搜尋引擎提供新的入口。
它把自然語言中的審美與場景表達映射到品味知識圖譜，回傳的不是網頁連結，而是被理解後的產品、品牌與方案集合，供 Agent 繼續推理。
- 場景化表達：支援口語化、複合化、跨語言的需求描述
- 語義化結果：按品味契合而非關鍵字匹配回傳結果
- Agent 原生：搜尋結果天然是 Agent 可推理的結構化物件
常見問題
關於消費決策Agent
消費決策Agent 和通用聊天機器人有什麼區別？
通用聊天依賴參數化語言知識，容易在具體商品上出錯；本 Agent 以品味知識圖譜為事實底層，候選與關聯皆可溯源，並以「完成決策」而非「生成回答」為目標。
Agent 會替使用者自動下單嗎？
不會。Agent 給出建議、理由與備選，最終決定權屬於使用者；涉及交易的動作皆由使用者明確確認後才執行。
如何保護我的偏好與隱私？
品味記憶僅在使用者授權下開啟，可隨時檢視、匯出或清除；個人資料與品牌側洞察嚴格隔離，品牌側只獲得聚合、去識別化的趨勢資訊。
支援哪些消費品類與市場？
優先涵蓋服飾、美妝、家居、餐飲、數位與生活方式品類，支援中國大陸、港澳台、日本、韓國及東南亞多市場的在地化決策。