阿里妹導讀
背景
商品標題中關鍵詞的好壞是商品能否被主搜檢索到的關鍵因素，如果編輯的夠好，能幫助商品有效提升曝光，並且不用付出額外的費用。
對商品素材敏感的商家，會花很多心思在最佳化關鍵詞引流上；例如每天到【生意參謀】中看最近有那些買家搜尋多的詞、行業熱門的詞，補充到自己相關的商品上；但做好這件事需要一個專業運營並投入很多精力。
有了大模型之後，自動最佳化標題就成為【AI經營】中的核心能力之一，幫助商家最佳化商品素材，提升商品競爭力。
（最佳化效果）
生成方案
1.0 – 直接基於LLM生成
基於同款優質品分詞或熱搜詞、引流詞生成候選詞，使用LLM生成新的標題。
（LLM標題生成鏈路）
（生成示例）
結論：由於基於LLM生成標題的鏈路實驗資料效果一般，產量不高，生成的標題也和原標題變化較大，商家接受程度低等原因，2.0設計了基於規則生成標題的技術方案。
2.0 – 基於規則生成流量詞+多Agent擇優
簡單來說，就是生成多種型別的流量詞，再讓大模型多次判斷哪個詞最好最合適，最後加詞或換詞。
流量詞生成
-
加詞來源
-
近7日商品對應葉子類目下pv較高的query； -
從競對商品標題中提取的賣點； -
商品本身的引流詞；
-
相關性度量
-
現利用新增詞彙與品類名、原標題本身的語義相似度加權計算； -
訓練小模型衡量新增詞與原標題的相關性，解決“圓領”“v領”等語義相似度無法排除的case；
-
自定義分詞詞典：從平臺alinlp工具對全量標題分詞中篩選出詞頻>10的中文詞彙加入，解決開源分詞工具對“歐美風”“即食”“免煮”等詞彙的誤分，構建可人工維護詞典。
（流量詞生成鏈路）
最終生成以下幾種型別的詞:
基於近期買家高頻搜尋詞生成CASE：
{"titleList": [ {"newTitle": "染色絎繡繡花亮片立體葉子珠管繡面料跨境童裝婚紗禮服網布網紗","newWord": "絎繡", }, {"newTitle": "染色繡花花邊亮片立體葉子珠管繡面料跨境童裝婚紗禮服網布網紗","newWord": "花邊", }, {"newTitle": "染色印花繡花亮片立體葉子珠管繡面料跨境童裝婚紗禮服網布網紗","newWord": "印花", }, {"newTitle": "染色繡花亮片立體葉子珠管繡盤花面料跨境童裝婚紗禮服網布網紗","newWord": "盤花", } ]}基於競對商品賣點生成CASE：
{"titleList": [ {"newTitle": "染色繡花亮片立體葉子珠管面料跨境花邊童裝婚紗禮服網布網紗","newWord": "花邊", }, {"newTitle": "染色繡花亮片立體泡沫繡葉子珠管面料跨境童裝婚紗禮服網布網紗","newWord": "泡沫繡", }, {"newTitle": "染色繡花亮片立體葉子珠管面料跨境童裝婚紗服飾禮服網布網紗","newWord": "服飾", }, {"newTitle": "染色繡花亮片棉線立體葉子珠管面料跨境童裝婚紗禮服網布網紗","newWord": "棉線", } ],}流量詞擇優
生成了很多流量詞但沒有優先順序，無法確定哪一個詞最適合這個品。
並且這些詞可能與商品本身屬性衝突。可以考慮基於商品實際情況+LLM來給出推薦詞和推薦原因，此處參考了一種COT的思想【六頂思考帽】，使用鏈式思考提示來引導語言模型。
六頂思考帽思想：
1.白帽：專注於客觀的事實和資料，分析現有的資訊。
2.紅帽：代表情感和直覺，表達個人的感受和情緒。
3.黑帽：用於批判性思考，找出潛在的問題和風險。
4.黃帽：象徵樂觀，尋找問題中的積極面和機會。
5.綠帽：代表創造性思維，鼓勵提出新的想法和解決方案。
6.藍帽：負責組織和控制思考過程，確保思考有序進行。
基於上述思想設計多Agent
生成標題 ，查詢實際標題、屬性、資料 （資訊帽 – API介面）
現在有一個電商商品，有以下商品資訊：商品當前的標題是【染色絎繡繡花亮片立體葉子珠管繡面料跨境童裝婚紗禮服網布網紗】；商品的屬性有這些是成分及含量是【滌綸】、紗支是【按樣】、克重【0.92（g/㎡）】、幅寬【125-135】、繡花工藝【亮片繡】、產地【廣東】、具體用途【舞臺服】、適用季節【春夏】、花型風格【精細花型】、品牌【HLE-DY】、流行元素【歐美】、主要下游平臺【亞馬遜】、主要銷售地區【非洲】；基於演算法推薦擇優選擇（樂觀帽 – API介面 + LLM）
prompt
現在有一個電商商品，有以下商品資訊：商品當前的標題是【染色絎繡繡花亮片立體葉子珠管繡面料跨境童裝婚紗禮服網布網紗】；商品的屬性有這些是成分及含量是【滌綸】、紗支是【按樣】、克重【0.92（g/㎡）】、幅寬【125-135】、繡花工藝【亮片繡】、產地【廣東】、具體用途【舞臺服】、適用季節【春夏】、花型風格【精細花型】、品牌【HLE-DY】、流行元素【歐美】、主要下游平臺【亞馬遜】、主要銷售地區【非洲】；現在推薦有下面這些幾種型別的關鍵詞，例如近期買家高頻的搜尋詞：【絎繡】、【花邊】、【印花】、【盤花】，競爭對手的賣點詞：【花邊】、【泡沫繡】、【服飾】、【棉線】，需要基於商品資訊從中選擇1到3個最合適的關鍵詞，新增到原標題中，來幫助商品獲得更多搜尋流量，輸出推薦的詞和即可；輸出
根據商品資訊，我為您推薦以下關鍵詞：【絎繡】：這個關鍵詞與商品的繡花工藝相符合，能突出商品的獨特性。【花邊】：這個關鍵詞與商品的具體用途（舞臺服）相符，可以吸引對舞臺服裝有需求的買家。【盤花】：這個關鍵詞強調了商品的精緻工藝，有助於提升商品的吸引力。綜合考慮，我建議將【絎繡】、【花邊】和【盤花】這三個關鍵詞新增到原標題中。這樣可以更好地突出商品的特點，吸引更多潛在買家的關注，從而獲得更多的搜尋流量。最終的商品標題可以是：【染色絎繡繡花亮片立體葉子珠管繡面料跨境童裝婚紗禮服網布網紗 - 花邊 - 盤花】。在演算法推薦上給予創新（創造帽 – LLM）
prompt
現在有一個電商商品，有以下商品資訊：商品當前的標題是【染色絎繡繡花亮片立體葉子珠管繡面料跨境童裝婚紗禮服網布網紗】；商品的屬性有這些是成分及含量是【滌綸】、紗支是【按樣】、克重【0.92（g/㎡）】、幅寬【125-135】、繡花工藝【亮片繡】、產地【廣東】、具體用途【舞臺服】、適用季節【春夏】、花型風格【精細花型】、品牌【HLE-DY】、流行元素【歐美】、主要下游平臺【亞馬遜】、主要銷售地區【非洲】；現在推薦有下面這些幾種型別的關鍵詞，例如近期買家高頻的搜尋詞：【絎繡】、【花邊】、【印花】、【盤花】，競爭對手的賣點詞：【花邊】、【泡沫繡】、【服飾】、【棉線】，需要基於商品資訊和推薦的關鍵詞，創新出額外的3個詞，詞的長度不超過三個字，並給出原因；輸出
根據商品資訊和推薦的關鍵詞，我為您創新出了以下三個關鍵詞：【立體】：因為商品描述中提到“立體葉子珠管繡面料”，這強調了面料的立體感，所以這個關鍵詞可以突出商品的獨特性。【輕薄】：商品的克重為0.92（g/㎡），表明面料輕薄，適合春夏季節穿著。這個詞可以強調商品的透氣性和舒適性。【精美】：商品的花型風格被描述為“精細花型”，這個詞可以用來強調商品的精緻度和高質感，吸引消費者的注意。請注意，關鍵詞的選擇需要根據您的目標市場和消費者群體來確定，以上僅為一種可能的方向。風險判斷（批判帽 – LLM + 風控介面）
prompt
現在有一個電商商品，有以下商品資訊：商品當前的標題是【染色絎繡繡花亮片立體葉子珠管繡面料跨境童裝婚紗禮服網布網紗】；商品的屬性有這些是成分及含量是【滌綸】、紗支是【按樣】、克重【0.92（g/㎡）】、幅寬【125-135】、繡花工藝【亮片繡】、產地【廣東】、具體用途【舞臺服】、適用季節【春夏】、花型風格【精細花型】、品牌【HLE-DY】、流行元素【歐美】、主要下游平臺【亞馬遜】、主要銷售地區【非洲】；並且系統推薦了幾個最佳化詞【絎繡】：這個關鍵詞可以突出商品的特色工藝，吸引對絎繡感興趣的買家。【亮片繡】：這個關鍵詞可以強調商品的繡花工藝，特別是亮片繡的高階感，吸引追求獨特設計的買家。【舞臺服】：這個關鍵詞可以明確商品的具體用途，對於尋找舞臺服裝的買家來說非常具有吸引力。AI推薦了幾個最佳化詞【立體】：因為商品描述中提到“立體葉子珠管繡面料”，這強調了面料的立體感，所以這個關鍵詞可以突出商品的獨特性。【輕薄】：商品的克重為0.92（g/㎡），表明面料輕薄，適合春夏季節穿著。這個詞可以強調商品的透氣性和舒適性。【精美】：商品的花型風格被描述為“精細花型”，這個詞可以用來強調商品的精緻度和高質感，吸引消費者的注意。如果你是一個專業的電商行業運營，現在要給商品標題新增新的關鍵詞，在貼合商品本身情況的前提下，以你的專業角度，你會排除這些推薦最佳化詞的哪幾個詞；輸出
在新增關鍵詞時，需要考慮商品的主要特點和目標市場。根據商品資訊和推薦的最佳化詞，我會排除以下幾個關鍵詞："絎繡"：雖然這個關鍵詞可以突出商品的特色工藝，但考慮到商品標題已經包含了"絎繡繡花亮片立體葉子珠管繡面料"這一完整描述，重複使用"絎繡"可能會使標題顯得冗長且不夠簡潔。"輕薄"：雖然商品的克重較輕，但是根據商品用途（舞臺服）和主要銷售地區（非洲）推測，可能需要更厚重一些的面料來提供更好的支撐和保護。因此，"輕薄"這個詞可能不是最貼切的描述。"精美"：雖然商品的花型風格被描述為"精細花型"，但是這個詞可能會讓人聯想到更加精緻和高階的設計，而商品的其他描述並未體現出這一點。因此，"精美"這個詞可能不太適合。綜合以上分析，我會排除"絎繡"、"輕薄"和"精美"這三個關鍵詞。規劃排程並總結 （管理帽 – LLM）
prompt
## 思考帽的知識白帽：專注於客觀的事實和資料，分析現有的資訊。黑帽：用於批判性思考，找出潛在的問題和風險。黃帽：象徵樂觀，尋找問題中的積極面和機會。綠帽：代表創造性思維，鼓勵提出新的想法和解決方案。## 已知每個帽子的分析結果：白帽（資訊帽）現在有一個電商商品，有以下商品資訊：商品當前的標題是【染色絎繡繡花亮片立體葉子珠管繡面料跨境童裝婚紗禮服網布網紗】；商品的屬性有這些是成分及含量是【滌綸】、紗支是【按樣】、克重【0.92（g/㎡）】、幅寬【125-135】、繡花工藝【亮片繡】、產地【廣東】、具體用途【舞臺服】、適用季節【春夏】、花型風格【精細花型】、品牌【HLE-DY】、流行元素【歐美】、主要下游平臺【亞馬遜】、主要銷售地區【非洲】；黃帽（樂觀帽）根據商品資訊，我為您推薦以下關鍵詞：【絎繡】：這個關鍵詞與商品的繡花工藝相符合，能突出商品的獨特性。【花邊】：這個關鍵詞與商品的具體用途（舞臺服）相符，可以吸引對舞臺服裝有需求的買家。【盤花】：這個關鍵詞強調了商品的精緻工藝，有助於提升商品的吸引力。綜合考慮，我建議將【絎繡】、【花邊】和【盤花】這三個關鍵詞新增到原標題中。這樣可以更好地突出商品的特點，吸引更多潛在買家的關注，從而獲得更多的搜尋流量。最終的商品標題可以是：【染色絎繡繡花亮片立體葉子珠管繡面料跨境童裝婚紗禮服網布網紗 - 花邊 - 盤花】。綠帽（創造帽）根據商品資訊和推薦的關鍵詞，我為您創新出了以下三個關鍵詞：【立體】：因為商品描述中提到“立體葉子珠管繡面料”，這強調了面料的立體感，所以這個關鍵詞可以突出商品的獨特性。【輕薄】：商品的克重為0.92（g/㎡），表明面料輕薄，適合春夏季節穿著。這個詞可以強調商品的透氣性和舒適性。【精美】：商品的花型風格被描述為“精細花型”，這個詞可以用來強調商品的精緻度和高質感，吸引消費者的注意。請注意，關鍵詞的選擇需要根據您的目標市場和消費者群體來確定，以上僅為一種可能的方向。黑帽（批判帽）在新增關鍵詞時，需要考慮商品的主要特點和目標市場。根據商品資訊和推薦的最佳化詞，我會排除以下幾個關鍵詞："絎繡"：雖然這個關鍵詞可以突出商品的特色工藝，但考慮到商品標題已經包含了"絎繡繡花亮片立體葉子珠管繡面料"這一完整描述，重複使用"絎繡"可能會使標題顯得冗長且不夠簡潔。"輕薄"：雖然商品的克重較輕，但是根據商品用途（舞臺服）和主要銷售地區（非洲）推測，可能需要更厚重一些的面料來提供更好的支撐和保護。因此，"輕薄"這個詞可能不是最貼切的描述。"精美"：雖然商品的花型風格被描述為"精細花型"，但是這個詞可能會讓人聯想到更加精緻和高階的設計，而商品的其他描述並未體現出這一點。因此，"精美"這個詞可能不太適合。綜合以上分析，我會排除"絎繡"、"輕薄"和"精美"這三個關鍵詞。## 輸出如果你是一個專業的電商運營，現在要給商品標題新增新的關鍵詞來提升流量，在貼合商品本身情況的前提下，請根據思考帽的知識和帽子的分析結果來選擇一個最佳的關鍵詞並輸出，不需要輸出思考過程；輸出
【立體】工程設計
設計過程中發現，思考過程事實上相鄰agent之間並不是嚴格的上一個輸出為下一個輸入的關係，如黃帽和綠帽的輸入是一樣的，兩者的輸出共同成為黑帽的一部分；並且黑帽和藍帽也會使用非上一個節點的輸出。所以這並不是一個嚴格的鏈式結構，具體執行流程如下:
因此我們需要兩個部分來實現多agent，其中一部分為agent類簇，其作用是向大模型請求並返回結果；另一部分是pipeline類簇，其作用是選擇、排序或是組合agent，並且儲存執行過程中的上下文。如下圖所示:
Agent類負責向大模型請求並返回結果，其主要執行方法為：
public Object execute(Object params, HashMap<String, Object> context) {params = preExecute(params, context); Object result = request(params);return postExecute(result, context); }preExecute方法作用是處理引數，使其符合向大模型請求的要求；request方法是具體向大模型請求並返回結果；postExecute方法作用是後置處理，包括處理結果並且將其儲存至上下文。當然這些方法都可以被子類重寫以實現具體需求。
section類負責組合agent類，其主要執行方法為:
public Object execute(Object params, HashMap<String, Object> context) {if (CollectionUtil.isEmpty(agents)) {returnparams; }return agentExecute(params); }其中agentExecute作用是執行該section中的所有agent，預設順序執行，可修改為併發執行。
pipeline類負責編排section執行順序並設定檢查點，如果一個section被設定為檢查點則會檢查其返回結果，為null則整個流程結束。主要執行方法為:
public Object execute(Object params) { AgentSection now = head;while (now != null) {params = now.execute(params, context);//檢查點判斷if (checkPoint.contains(now.getName()) && (params == null)) {returnnull; } now = now.next(); }returnparams; }最終呼叫時，先初始化section並把相應的agent填充到其中，再透過pipeline對section進行排序即可，如下所示:
//白帽 AgentSection whiteHat = new WhiteHatSection(); whiteHat.setAgents(Lists.newArrayList(AgentFactory.getAgent(CopilotAutomaticAgentEnum.TitleBaseInfoAgent.getCode())));//黃帽和綠帽 AgentSection yellowAndGreenHat = new YellowAndGreenHatSection(); yellowAndGreenHat.setAgents(Lists.newArrayList(AgentFactory.getAgent(CopilotAutomaticAgentEnum.TitleLLMKeywordsAgent.getCode()), AgentFactory.getAgent(CopilotAutomaticAgentEnum.TitleSysKeywordsAgent.getCode())));//黑帽 AgentSection blackHat = new BlackHatSection(); blackHat.setAgents(Lists.newArrayList(AgentFactory.getAgent(CopilotAutomaticAgentEnum.TitleExcludeAgent.getCode())));//藍帽 AgentSection blueHat = new BlueHatSection(); blueHat.setAgents(Lists.newArrayList(AgentFactory.getAgent(CopilotAutomaticAgentEnum.TitleSummaryAgent.getCode())));//初始化執行流程 AgentPipeLine thinkingHats = new AgentPipeLine(); thinkingHats.add(whiteHat, true).add(yellowAndGreenHat).add(blackHat).add(blueHat);//開始執行 thinkingHats.execute(params)如果想只選擇黃帽或是綠帽中的一個，可以在填充agent時進行設定；如果想在其他任務中使用六頂帽子框架，可以重新編寫agent並填充到相應的section中。
本次設計雖然能透過section對agent進行組合從而能夠應對一些複雜情況，但整體上仍屬於鏈式呼叫的範疇，難以應對一些更加複雜的情況，後續可以透過引入一些重量級框架來解決複雜問題。
效果
prompt
現在有一個電商商品，有以下商品資訊：商品當前的標題是:卡通家用水果削皮刀多功能廚房刨刀器便攜去皮二合一；商品的種類是:日用餐廚飲具/廚房工具/刨子、削皮器商品的屬性是:品牌:[KUCOCO];是否進口:[否];產地:[義烏];產品上市時間:[2022年春];貨號:[YBJ-26500];加工定製:[是];加印LOGO:[可以];價格段:[5-10元];是否有專利:[無];適用送禮場合:[生日];材質:[ABS+PC+不鏽鋼201];根據已有的系統演算法推薦詞進行篩選，獲得最佳化詞及其選擇原因如下:刮皮:符合產品定位且為高頻搜尋詞多用途:符合產品功能且為高頻搜尋詞蔬果:符合產品使用範圍且為高頻搜尋詞收納:符合產品附加功能且未與標題衝突南瓜:符合產品使用物件且為同行競爭對手賣點關鍵詞根據商品已有資訊，AI生成的最佳化詞及選擇原因如下:刮泥:提高曝光因為這是一個與削皮相關的實用功能描述，能夠吸引目標消費者的注意便攜:提高曝光因為它突出了產品的便捷特性，吸引更多使用者的興趣削片:提高曝光因為這是對產品功能的具體描述，增加搜尋的相關性廚房:提高曝光因為它明確了使用的場景，有助於使用者快速定位到所需商品多彩:提高曝光因為描述了產品的外觀特點，吸引更多視覺敏感的消費者結合商品資訊對上述篩選出的最佳化詞排除，有被排除的關鍵詞及其被排除的原因如下:刮泥:不符合產品實際功能描述，產品主要用於水果和蔬菜的削皮，而非刮泥削片:與現有標題中的“削皮”功能重複，無需再次強調廚房:與現有標題中的“廚房”場景重複，無需重複強調多彩:標題和屬性中未提及產品顏色多樣，無法確認是否符合實際情況 請注意，以上排除理由已考慮了不與商品屬性衝突及避免與標題詞彙大量重複的原則。如果你是一個專業的電商運營，現在要給商品標題在不新增其他內容的前提下新增新的關鍵詞來提升流量，請你選擇一個最佳化詞並將其新增到標題合適的位置，不要新增任何其他內容。給你輸入的資訊包括商品基本資訊、系統演算法推薦的最佳化詞、AI生成的最佳化詞、上述兩類最佳化詞中被排除的最佳化詞四個部分。請按一下要求選擇最佳最佳化詞:1. 將系統演算法推薦最佳化詞和AI生成最佳化詞合併為候選集合2. 從候選集合中去除被排除的最佳化詞3. 在貼合商品本身情況的前提下選擇一個最佳最佳化詞，將其新增到標題合適的位置以生成新的標題，請注意不要新增除了選擇的最佳最佳化詞以外的任何內容。請按上述過程思考但不要輸出思考過程，輸出是最終選擇的一個最佳化詞、該最佳化詞能提高曝光的原因兩部分內容，原因用一句話總結，兩者用,分隔並按照上述順序排列。請以純文字不帶包括markdown在內的任何格式輸出根據其過程可以看到大模型分別對演算法推薦最佳化詞進行了篩選、生成了新的最佳化詞以及又針對以上兩步的結果再次進行了篩選。現階段儘管大模型在文字處理工作上已經卓有成效，但仍然有出錯的可能，如上述AI生成的最佳化詞出現了與商品標題重複或屬性衝突的內容，特別是在輸出時忽略思考過程的情況下；透過多agent設定思考框架進行處理能夠有效降低這種狀況，同時在演算法未對最佳化詞與商品屬性作校驗從而給出與商品屬性矛盾的結果時，透過大模型也可以將其過濾。
輸出
newWord=多用途,newWordType=m,optimizeReason=符合產品功能且為高頻搜尋詞資料
授權商家商均最佳化商品數10次，最佳化後被最佳化詞搜尋命中商家佔比69%，商品佔比33%；
最佳化商品曝光正向佔比59.12%，其中顯著增長佔比58.63%；