我们如何用 AI 做供应商匹配

QuickMatch 的核心在于“对话收集信号 → 结构化需求 → 工具调用”。下面是当前的实现思路与改进方向。

对话策略

• 先确认预算、行业、地区等高价值信号，再问细节。
• 控制单轮字数，确保工具参数易于解析。
• 遇到不确定的需求，优先提供候选选项而非开放式提问。

工具调用

match_vendors 工具参数保持最小集：specialties、industry、budget、location、requirements。后续会引入向量召回与评分模型，让结果既精准又可解释。

数据侧计划

• 向量化需求：利用 embeddings + BM25 混排。
• 质量信号：项目完结率、平均响应时间、净推荐值等指标纳入排序。
• 反馈闭环：将用户点赞/差评写回画像，持续优化推荐。

欢迎在 GitHub Issue 或产品群里提出建议，让匹配体验更顺滑。