大模型应用工程｜周导学
本周怎样使用 RISE
RISE 学习法：看懂问题 → 理解原理 → 协作构建 → 验证交付。四步在本周任务中反复使用，验收条件在动手前确认。
| 步骤 | 本周要做的事 |
|---|---|
| R · Requirement 需求定义 | 商城客服如何理解自然语言，同时保持商品与订单事实准确？ |
| I · Insight 原理理解 | 区分提示词、Schema、业务规则、只读工具与事实来源。 |
| S · Solution 协作构建 | 用可替换模型适配器、结构化输出和只读工具接入客服。 |
| E · Evidence 证据交付 | 核对候选与事实，保留拒绝用例、同案性能比较及本人真实调用证据。 |
在现有任务书、README 或证据索引中说明：问题与条件、关键机制、本人修改、验证结果。直接链接已有记录，无需再交四份同内容报告。按本周原验收表判定，保留既有核心/选做及真实/回放证据边界。
本周项目从哪里接着做
本周继续使用 W03 订单中心里的“智能客服”和订单详情中的“咨询此订单”，保留原订单功能。查看同一项目的逐周演进与验收路径；独立网页只用来做机制实验，不作为最终项目的唯一入口。
所属阶段：大模型应用与智能交互工程。查看本阶段能力地图与每日相关材料，或返回课程介绍与学习导航。
周课程名称：大模型应用工程｜周项目：电商 LLM 智能客服｜编号：W04
LLM（大语言模型） 是 Large Language Model（大语言模型），API（应用程序接口） 是 Application Programming Interface（应用程序编程接口）。本周会反复使用这两个缩写。
本周学习收获与岗位参考
学完本周，学生能在已有商城里接入客服入口，让大模型依据商品、订单信息回答，而不只做一个通用聊天窗口。企业可安排其作为 AI（人工智能） 应用开发实习成员，完成模型接口接入、信息提取、只读工具调用，以及耗时和 Token（词元） 消耗的记录与优化验证。学生能用你真实的模型调用和修改前后的质量、耗时记录，解释一个 AI 功能是怎样落到业务里的。面向全体学员共同的20–30K/月 AI 应用开发岗位目标，本周重点积累模型接入、业务约束与耗时和 Token 优化能力，并通过你的实践与验收逐步支撑求职。
20–30K/月是全体学员共同的培养与求职目标，不代表市场普遍薪资或结业保证；实际录用与薪资由企业根据岗位要求和个人表现确定，在职内训不承诺晋升或调薪。岗位依据与目标说明。
本周价值
学生价值｜学完能做什么： 完成真实模型调用证据后，你可以开始面向 LLM 应用开发或 AI 应用开发实习岗位准备项目面，演示怎样把大模型接入商城客服，并用结构化输出和只读工具调用约束结果。
企业价值｜可安排什么工作： 可把学生作为 AI 应用开发实习成员，在已有 API 合同和导师评审下完成模型适配、Prompt（提示词）、意图提取与只读 Function Calling（函数调用），让客服基于商品和订单事实回答，同时守住价格、库存和订单写入边界。
本周能力沉淀： 从调用聊天接口升级到构建可控的大模型应用，掌握 Prompt、结构化输出、Function Calling、真实模型结果校验，并能用耗时和 Token 记录完成一次有质量回归的优化判断。
模型主路径： 本周真实 LLM 调用默认使用 DeepSeek API；业务代码继续走可替换 Provider（服务提供方） Adapter（适配器）。Replay（回放） 用于 Learning Gate（课堂学习验收要求），学生你 DeepSeek 调用用于真实作品证据，边界见统一规范。
这周解决什么
W03 已经有商品、库存和订单 API，但客户不会先研究 OpenAPI（接口描述规范） 再来提问。他们会在商城里直接问：
- “500 元以内，有没有适合通勤的耳机？”
- “P1004 现在多少钱，还有货吗？”
- “我这个订单到什么状态了？”
如果把问题直接交给通用模型，它可能给出一段流畅但与商城无关的回答。W04 要做的是在商城页面里增加一个最小单轮客服入口，让模型理解问题，让程序读取商品事实，再让模型基于事实组织回答。
商城主体仍是确定性 Web（网页应用） 系统。AI 客服是新增能力，不会接管商品、价格、库存或订单状态。
一周能力链
D01 可靠接入模型 Provider
→ D02 把客服任务写成可评测 Prompt
→ D03 把概率文本校验成客服业务对象
→ D04 读取商品事实并完成受控 Function Calling
→ D05 接入商城客服壳、评测、修复、同案优化和真实模型验证每日课程
| Day | 课程名称 | 项目任务 | 当天留下的能力 |
|---|---|---|---|
| D01 | LLM API 开发：把大模型接入智能客服 | 商城客服模型接入层 | Provider Adapter、Key 边界、Replay/真实证据、错误分类 |
| D02 | Prompt 工程：客服需求约束与质量评测 | 商品咨询 Prompt 契约 | 意图/偏好字段、固定样本对照、注入与缺信息 Bad Case（失败或边界案例） |
| D03 | Structured Output（结构化输出）：客服意图与参数提取 | 客服意图与偏好对象 | 严格 Schema（数据结构约束）、业务校验、有限修复 |
| D04 | Function Calling：商品筛选与只读工具调用 | 基于商品事实的客服回答 | 硬筛选、两轮协议、工具白名单、模拟身份上下文 |
| D05 | LLM 应用实战：客服整合与真实模型验证 | 商城内嵌单轮客服入口 | 端到端评测、独立变式、同案性能优化与质量回归、真实 Evidence（验证证据）、W05 交接 |
商城入口做到什么程度
W04 使用教师提供的最小商城客服壳：
- 商城商品区域；
- “咨询客服”入口；
- 单条问题输入；
- 回答、错误和证据摘要区。
学生本周的核心工作在客服控制层，不学习新的前端框架。W05 才增加 Conversation（会话）、多轮状态、流式事件和正式 Web 会话体验。
商品事实怎样进入回答
Sales Assistance Stage 1 使用固定流程：
用户消息
→ CustomerIntent / PreferenceSlots
→ Commerce API 商品事实
→ is_active + category + budget_max_yuan 硬筛选
→ 按 product_id 稳定排序，最多 3 个
→ LLM 解释候选与需求的匹配关系金额遵循中国大陆业务习惯，以人民币元表达。程序使用十进制定点数，API 使用两位小数字符串。
这条流程不训练推荐算法，不预测购买概率，也不把“展示了候选商品”写成“提升了转化率”。
两类验收不能混在一起
| 验收 | 允许使用 | 能证明什么 |
|---|---|---|
| Learning Gate | Replay、Mock（模拟替身）、Fixture（固定测试数据或测试装置）、红绿测试 | 学生练过协议、校验、筛选和错误分支 |
| Portfolio Evidence Gate（作品集真实证据要求） | 学生你真实的模型、真实本地 Commerce（商城业务） API、脱敏 trace（执行轨迹） | 学生你完成了当次真实模型与业务系统联调 |
真实模型或真实本地 API 没跑通时，作品证据写 Pending（待验证）。教师账号、Replay ID 和静态截图不能代签。
安全与范围
- API Key（接口密钥） 只放环境变量或本地 .env，不进入 Git、截图和日志。
- 用户消息是数据，不能改写系统规则。
- 模型可以提出工具调用，程序决定是否允许并执行。
- 商品名、价格、库存、在售状态来自 Commerce API。
- TrustedCustomerContext（可信模拟客户上下文） 由课堂 Fixture 或 Session（会话） 注入，只做模拟订单归属一致性检查，不代表真实 Authentication（身份认证） 或 Authorization（授权）。
- W04 不加入登录、写工具、多轮、流式、RAG（检索增强生成）、Agent（智能体） 或复杂前端。
学生工作方式
每一天都按同一条链推进：
先看坏例 → 预测原因 → 跑红灯 → 让 AI 提局部候选
→ 看 diff → 修最小范围 → 跑正常/错误/边界 → 留下本人解释AI 可以帮你生成候选，但不能替你判断商品事实来自哪里、哪类错误该停止、哪个字段可信、这份证据到底证明了什么。
每天入口
周项目与验收：
当前正式资产生产不等于课程可开。Provider smoke（最小冒烟验证）、真实模型、真实本地 API、全日容量和学生现场验收未完成时，Release（发布） Status 继续为 Pending。
本周必做的性能实战
D01 为每次模型调用留下耗时、Token、费用与终态；D05 用同一客服案例完成第一次“定位热点—单变量修改—质量回归—接受或回滚”。performance_evidence.md 进入周交付和 W05 交接，保留失败候选及 Replay/真实来源。学生需讲清楚为什么这样改、改后有没有答错；不能用 Replay 或单次请求宣称真实生产性能提升。
工程实践与术语回查
按本周所在行回查；延伸工具不新增本周必修验收。作品表述必须落到你实际完成的代码与运行证据。