【OpenCart × AI Ready 之三】开发智慧导购模块：让自然语言需求转成可查询条件

直接答案：OpenCart 智慧导购不应让 AI 凭空推荐商品，而应让 AI 把消费者的自然语言需求拆成预算、分类、用途、规格与限制条件，再由 OpenCart 真实商品数据与库存过滤推荐结果。

这篇文章适合谁？#

• OpenCart 第三方模块开发者。

• 想改善站内搜寻与商品发现体验的商家。

• 正在规划自然语言导购或语意搜寻的产品团队。

传统 OpenCart 搜寻为什么容易卡住？#

许多消费者不是用商品名称搜寻，而是用情境搜寻。例如：

• 「适合送工程师朋友的实用生日礼物」
• 「小坪数租屋可以用的安静除湿机」
• 「看起来像皮鞋但下雨也能穿的男鞋」

传统搜寻通常依赖品名、分类、标签或简单关键字比对。当用户不知道商品名称，或描述方式和商品字段不一致时，搜寻结果容易不足。

智慧导购的核心：意图解析加数据库查询#

AI Ready 智慧导购应分两步：

1. AI 解析需求：把自然语言转成结构化条件。

2. OpenCart 查询商品：用真实商品数据、分类、属性、价格与库存产生结果。

范例解析结果：

{
  "intent": "find_products",
  "filters": {
    "category_candidates": ["shoes", "rain gear"],
    "budget_max": 3000,
    "use_case": "commuting in rainy weather",
    "attributes": {
      "water_resistant": true,
      "style": "formal"
    }
  },
  "ranking_preferences": ["in_stock", "high_rating", "fast_shipping"]
}

这比让模型直接列出商品名称更可靠，因为最后结果仍由 OpenCart 数据库决定。

模块架构建议#

前台 UI#

提供自然语言输入框，但要保留传统分类与筛选器。 AI 导购是辅助入口，不应取代所有搜寻方式。

Controller#

接收用户查询，送到 AI Ready Gateway 做意图解析。注意节流与防滥用。

Model#

根据 AI 回传的条件查询商品、分类、属性与库存。查询必须使用参数化方式，避免 SQL 拼接风险。

Ranking#

排序时可考虑库存、价格、评价、转换率、退货率与毛利，但要避免使用敏感个资或不可解释规则。

Explanation#

推荐结果应附上简短理由，例如「符合防泼水、正式外观、预算内且目前有库存」。

导购结果需要防呆#

• 不推荐缺货商品，除非明确标示可预购。

• 不推荐用户所在区域不可配送的商品。

• 不使用不存在的商品属性。

• 不把 AI 解析结果直接当 SQL 条件拼接。

• 不用敏感属性做个人化排序。

AEO 与 SEO 的延伸价值#

智慧导购查询纪录可以反馈内容策略。例如站内大量用户搜寻「通勤防水鞋」，但分类只有「男鞋」与「雨鞋」，商家就可以新增分类页、FAQ 或 Blog 文章回答这类需求。这对长期 SEO/AEO 比单次推荐更有价值。

FAQ#

智慧导购会取代 OpenCart 原本搜寻吗？#

不建议。应让自然语言导购和传统搜寻并存。 AI 适合理解模糊需求，传统筛选则适合精准比较。

AI 推荐商品会不会产生幻觉？#

若让模型直接生成商品名称，风险较高。比较好的方式是让 AI 只生成查询条件，商品结果由 OpenCart 真实数据产生。

导购模块需要保存用户对话吗？#

若要保存，需明确告知用途并遵守隐私政策。多数情况只需要保存汇总后的搜寻意图，用于改善分类与内容。

参考资料#

• OpenCart Developer Documentation: Module，https://docs.opencart.com/developer/module/
• Google Search Central: AI Search guidance，https://developers.google.com/search/blog/2025/05/succeeding-in-ai-search