1.摘要：
工作中走访了很多用户，发现他们其实对自己工作中的AI需求并不明确，用户直接去搜索AI工具会有问题。
交流挖掘需求之后发现，绝大多数其实市面上的AI工具能满足他们的需求，其实只是需要一个推荐的过程。
我将这个对话流做成了一个页面，着急找AI工具用的人可以直接和这个小助手沟通 
2.背景：
我是一名运营商的产品经理，和正经互联网产品经理的不同之处是，我们为了满足用户的需求，其实更多会推荐切实解决问题的产品，并不拘泥于自身的产品。所以我就想做一个对话式的小助手，帮助用户发现适合他的AI工具。
3.实践过程：
首先，是明确需求，确定核心模块并讨论SPEC。
核心模块主要是：
1、前端对话页面。
2、数据源爬取模块，主要做了观猹和Vercel Skills的数据爬取和简介总结的skill。
3、LLM对话引擎，多轮对话、追问、收敛判断。基本的策略是每一轮对话从产品库中排除掉不符合的产品，直到收敛到10个产品以内，或者新问题也无法继续排除时，输出推荐的产品。
用了/spec和问答功能，对于我厘清产品需求帮助很大。
操作过程就是确定需求之后，我先实现了没有LLM接入的框架，能跑起来之后再接入Deepseek v4 flash。这里我不得不案例一下真的很便宜。
但是我同时也要吐槽一下，一开始我想直接用ds的百万上下文，直接去把1000个产品数据扔进去让它自己处理去，但是效果很不好，最后的方案是用了开源项目openviking做记忆，然后根据这个记忆去筛选产品效果就比较好了。
4.成果展示：
5.效果与总结：
整体通过对话模式输出出来的推荐还是比较符合要求的。其实这个输出也是和用户共创的一个过程，信息的收敛过程也是和用户一起做到的。
多轮对话式的搜索工具，比传统的搜索工具更能厘清用户的需求，通过问答交互的方式获得更多信息，来帮助用户获得需求的信息。
跳出大知识库的窠臼，实现一些轻量的需求，效果会比传统的，要求啥都知道的知识库问答助手效果要好很多哦