本技术涉及智能销售领域，特别是涉及一种基于大模型agent的智能销售方法、装置、设备及介质。
背景技术：
1、随着人工智能技术(ai)的飞速发展，特别是自然语言处理(natural languageprocessing，简称nlp)领域的大语言模型(large language model，简称llm)发展迅速，在许多领域，已经见证了其强大的文本理解和生成能力。这些模型可以快速、准确地解析和回应人类的语言，极大地提高了人机交互的效率和自然度，当然这些能力同样可以在电商和销售领域发挥的很好。
2、在当今社会，电子商务已经成为一个重要的盈利行业，竞争日趋激烈。为了提高购买转化率和客户满意度，电商平台需要不断创新，提供更加个性化、高效的服务。然而，传统的人工客服存在工作效率、工作时间等限制，难以满足日益增长的客户需求。
3、ai技术的引入，为电商行业带来了新的可能性。与人类不同，ai系统无需休息，可以全天候提供服务，从而大大提高了服务效率和购买转化率。
4、在数据处理方面，ai的效率远高于人类，使得其在适应销售工作时更加快速高效。目前，已有研究利用精调大模型，在不同销售阶段实现模型的相关回应，进一步提升了销售效果。然而，精调模型的过程非常耗时且需要大量数据。
5、在销售方面，大模型虽然展现出了强大的潜力，但也存在一些技术上的缺点。以下是一些目前大模型在销售方面的现有技术缺点：
6、1、周边系统交互不便：在高度数字化的销售环境中，各种系统间的无缝集成是至关重要的。然而，大模型目前缺乏与支付系统或其他关键业务系统的交互能力。这意味着，尽管大模型可以提供有价值的销售见解或建议，但它无法自动将这些信息转化为实际的销售行动，如查询商品列表后推荐商品和下单后更新订单状态、调整库存或触发后续服务流程。这种局限性大大降低了大模型在复杂销售环境中的实用性和效率。
7、2、意图识别难度大效率低：由于大型语言模型的复杂性和设计限制，它们在对话环境中识别用户意图的效果并不理想。用户意图的多样性及复杂性使得准确识别用户意图成为一项极具挑战性的任务。主流方法相对耗时，需要通过大模型进行多次、细致的指令执行，才勉强完成对用户意图的理解。并且在实际应用场景中，并不仅仅需要识别通用场景用户意图，还需要识别与当前业务相关场景下的用户意图，这将使识别用户意图难度更大。
8、3、知识更新频率低实时性差：主流方法需要对大模型进行较长时间的训练，这可能导致在快速变化的销售环境中，模型无法及时适应新的市场趋势或用户行为的变化。此外，当新商品或新用户需求出现时，大模型可能需要重新训练以适应这些变化，这会影响其实时性。
9、综上所述，尽管大模型在销售方面具有诸多优势，但也存在不少技术上的缺点和挑战。
技术实现思路
1、本技术的目的是提供一种基于大模型agent的智能销售方法、装置、设备及介质，可提高大语言模型在销售环境中的实用性、效率和实时性，并降低意图识别的难度。
2、为实现上述目的，本技术提供了如下方案：
3、第一方面，本技术提供了一种基于大模型agent的智能销售方法，所述基于大模型agent的智能销售方法包括：
4、使用大语言模型对用户问题进行意图分析，确定是否存在与用户问题匹配的工具，获得判断结果；所述工具为售货工具、下单工具或售后工具；
5、若所述判断结果为否，则使用大语言模型和system指令，生成用户问题的答案，并反馈给用户；
6、若所述判断结果为是，则确定与用户问题匹配的工具为目标工具，利用目标工具调用目标工具对应的外部资源，生成用户问题的答案，并反馈给用户。
7、可选地，所述system指令用于设置应用大语言模型的agent的角色、技能和注意事项，使生成的用户问题的答案为销售场景下的答案。
8、可选地，利用目标工具调用目标工具对应的外部资源，生成用户问题的答案，具体包括：
9、根据用户问题，利用大语言模型，对目标工具中的业务字段进行补全；
10、将补全后的目标工具中的业务字段作为输入参数，调用外部资源，生成用户问题的答案。
11、可选地，根据用户问题，利用大语言模型，对目标工具中的业务字段进行补全，具体包括：
12、当目标工具为售货工具时，使用大语言模型提取用户问题中表征商品类型和/或商品功能的关键词，利用所述关键词对销售工具中的业务字段进行补全；其中，售货工具的业务字段包括商品类型和商品功能；
13、当目标工具为下单工具时，查找商品数据库确定用户选择的要下单的商品的产品编号，以反问的方式向用户收集手机号，利用所述产品编号和所述手机号对下单工具中的业务字段进行补全；其中，下单工具的业务字段包括：手机号和产品编号；
14、当目标工具为售后工具时，以反问的方式向用户收集手机号或从对话历史中获取手机号，根据所述手机号查询用户的订单信息列表供用户选择，根据用户的选择结果，获取要退货的订单的订单号，利用手机号和订单号对售后工具的业务字段进行补全；其中，所述售后工具的业务字段包括手机号和订单号。
15、可选地，所述销售工具对应的外部资源为商品数据库，当目标工具为销售工具时，将补全后的目标工具中的业务字段作为输入参数，调用外部资源，生成用户问题的答案，具体包括：
16、将补全后的销售工具中的业务字段作为条件查询所述商品数据库，获取商品信息作为用户问题的答案；销售工具中的业务字段包括商品类型。
17、可选地，所述下单工具对应的外部资源包括周边系统、订单数据库和支付系统；当目标工具为下单工具时，将补全后的目标工具中的业务字段作为输入参数，调用外部资源，生成用户问题的答案，具体包括：
18、根据补全后的下单工具中的业务字段，调用周边系统创建订单；下单工具中的业务字段包括手机号和产品编号；
19、将所述订单添加至订单信息表中，并输出所述订单对应的支付链接作为用户问题的答案；所述支付链接用于调用支付系统。
20、可选地，所述售后工具对应的外部资源为退换货业务系统；当目标工具为售后工具时，将补全后的目标工具中的业务字段作为输入参数，调用外部资源，生成用户问题的答案，具体包括：
21、确定补全后的售后工具中的业务字段对应的订单，输出所述订单对应的退换货链接作为用户问题的答案；所述退换货链接用于调用退换货业务系统；所述售后工具的业务字段包括手机号和订单号。
22、第二方面，本技术提供了一种一种基于大模型agent的智能销售装置，所述基于大模型agent的智能销售装置应用上述的基于大模型agent的智能销售方法，所述基于大模型agent的智能销售装置包括：
23、意图分析模块，用于使用大语言模型对用户问题进行意图分析，确定是否存在与用户问题匹配的工具，获得判断结果；所述工具为售货工具、下单工具或售后工具；
24、非业务问题处理模块，用于若所述判断结果为否，则使用大语言模型和system指令，生成用户问题的答案，并反馈给用户；
25、业务问题处理模块，用于若所述判断结果为是，则确定与用户问题匹配的工具为目标工具，利用目标工具调用目标工具对应的外部资源，生成用户问题的答案，并反馈给用户。
26、第三方面，本技术提供了一种计算机设备，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序以实现上述中任一项所述的基于大模型agent的智能销售方法的步骤。
27、第四方面，本技术提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述中任一项所述的基于大模型agent的智能销售方法的步骤。
28、根据本技术提供的具体实施例，本技术公开了以下技术效果：
29、本技术提供了一种基于大模型agent的智能销售方法、装置、设备及介质，该方法应用了大预言模型、system指令和工具，利用大语言模型的知识和处理能力，实现用户意图的分析，利用system指令明确智能体扮演的角色，使大语言模型在不使用工具的场景下，也能更好的回答用户销售领域内的问题，利用工具调用外部api、访问专有信息知识库以及执行代码。这些工具的使用扩展了智能体的执行能力，使其能够在模型内部知识不足时，通过调用外部资源来获取实时信息或执行复杂的计算任务，实现通用大语言模型在没有有关知识的情况下，依然能够准确地回答问题，无需大量的训练。提高了大语言模型在销售环境中的实用性、效率和实时性，并降低意图识别的难度。
1.一种基于大模型agent的智能销售方法，其特征在于，所述基于大模型agent的智能销售方法包括：
2.根据权利要求1所述的基于大模型agent的智能销售方法，其特征在于，所述system指令用于设置应用大语言模型的agent的角色、技能和注意事项，使生成的用户问题的答案为销售场景下的答案。
3.根据权利要求1所述的基于大模型agent的智能销售方法，其特征在于，利用目标工具调用目标工具对应的外部资源，生成用户问题的答案，具体包括：
4.根据权利要求3所述的基于大模型agent的智能销售方法，其特征在于，根据用户问题，利用大语言模型，对目标工具中的业务字段进行补全，具体包括：
5.根据权利要求3所述的基于大模型agent的智能销售方法，其特征在于，所述销售工具对应的外部资源为商品数据库，当目标工具为销售工具时，将补全后的目标工具中的业务字段作为输入参数，调用外部资源，生成用户问题的答案，具体包括：
6.根据权利要求3所述的基于大模型agent的智能销售方法，其特征在于，所述下单工具对应的外部资源包括周边系统、订单数据库和支付系统；当目标工具为下单工具时，将补全后的目标工具中的业务字段作为输入参数，调用外部资源，生成用户问题的答案，具体包括：
7.根据权利要求3所述的基于大模型agent的智能销售方法，其特征在于，所述售后工具对应的外部资源为退换货业务系统；当目标工具为售后工具时，将补全后的目标工具中的业务字段作为输入参数，调用外部资源，生成用户问题的答案，具体包括：
8.一种基于大模型agent的智能销售装置，其特征在于，所述基于大模型agent的智能销售装置应用权利要求1-7任一项所述的基于大模型agent的智能销售方法，所述基于大模型agent的智能销售装置包括：
9.一种计算机设备，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1-7中任一项所述的基于大模型agent的智能销售方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-7中任一项所述的基于大模型agent的智能销售方法。
