电子商务 AI 智能体有一个简单的道理：不了解你的产品、政策和内容的 AI，只是一个通用聊天机器人。它可能听起来很聪明，却会产生产品细节幻觉、捏造退货政策，甚至推荐你根本不销售的产品。
有用的 AI 智能体与带来风险的系统之间，差别归结于一件事：上下文。具体而言，就是支撑它的知识库的广度、深度和时效性。
本文将介绍 CHATTERgo 如何通过深度集成 Shopify 内容、完整同步产品目录，以及导入多格式文档，构建全面且始终保持最新的知识库，并解释每一层上下文的重要性。
问题：LLM 并不了解你的店铺
GPT-4o 和 Claude 等大语言模型基于通用互联网数据训练。它们知道“退货政策”的概念，却不知道你的退货政策。它们知道市场上一般有哪些护肤产品，却不知道你销售哪些、价格是多少，以及是否有货。
这就是在电子商务中部署 AI 的根本挑战。你需要一个能做到以下事情的系统：
- 让 LLM 以你的特定数据为依据——产品、政策和内容
- 保持数据最新——价格会变化，产品会缺货，政策会更新
- 涵盖每种内容类型——不只是产品，还包括博客文章、尺码指南、常见问题页面等
- 让内容可以被搜索——AI 需要为每个客户问题找到合适的上下文
这就是完善的 LLM 驱动知识库的作用。它是让 AI 从“抱歉，我没有这项信息”转变为提供真正有帮助、准确回复的基础。
第 1 层：深度集成 Shopify 内容
大多数 AI 聊天解决方案同步产品目录后就止步了。但客户不只询问产品——他们还会问品牌故事、配送政策、尺码指南，以及你最新发布的穿搭技巧博客文章。
CHATTERgo 同步你的全部 Shopify 内容，而不只是产品。
页面
商家通过 Shopify Pages 发布重要的店铺信息：关于我们、联系我们、常见问题、配送政策、退货政策、尺码指南和保修条款。
CHATTERgo 通过 Shopify API 获取每个已发布页面，提取完整内容（标题和 HTML 正文），并建立搜索索引。当客户问*“你们的退货政策是什么？”*时，AI 会检索退货页面中的实际文字，而不是提供通用答案。
| 同步内容 | 详情 |
|---|---|
| 标题 | 页面标题，提供上下文 |
| 正文内容 | 完整 HTML 正文，经解析并建立索引 |
| 发布状态 | 只有已发布页面处于启用状态 |
| URL | 用于引用的直接链接 |
| Handle | 用于识别的 URL 别名 |
文章与博客
许多 Shopify 商家在内容营销上投入大量资源——包括介绍产品使用、穿搭技巧、成分深入分析和季节指南的博客文章。这些内容对 AI 而言是宝库，因为它们往往恰好回答了客户提出的问题。
CHATTERgo 自动同步你的博客和文章：
- 跟踪每个博客，例如“新闻”“穿搭指南”“食谱”
- 获取每个博客中所有文章的完整正文
- 为内容建立索引，让 AI 可以搜索
示例：一家护肤品商家发布了题为“精华液叠加使用完整指南”的博客文章。当客户问 AI *“这些精华液应该如何搭配使用？”*时，智能体会检索并总结相关博客内容，利用商家自身的专业知识，提供专家级答案。
Metaobjects
Shopify Metaobjects 是商家用于存储专门数据的自定义内容结构：成分数据库、艺术家简介、店铺位置信息、附测量数据的尺码表，以及材质规格。
CHATTERgo 同步包含可翻译文本字段的 metaobjects，确保 AI 也能访问自定义内容结构。
内容同步模式
同步不是一次性导入，而是持续保持最新：
| 模式 | 执行时间 | 功能 |
|---|---|---|
| 完整同步 | 首次设置或手动触发 | 获取所有类型的全部内容 |
| 增量同步 | 按计划或按需 | 只获取上次同步后更新的内容 |
| 定向同步 | 特定项目更新时 | 重新获取单个页面、文章或产品 |
增量同步使用 Shopify 的 updated_at 筛选条件，只重新处理发生变化的内容，在保持知识库最新的同时，避免不必要的 API 调用。
第 2 层：完整产品目录同步
产品是任何电子商务 AI 的核心。但产品不只是一个名称和价格——它是包含变体、图片、库存、产品系列、metafields 和标签的丰富数据结构。AI 对每件产品了解得越多，就越能做好推荐、比较和答疑。
CHATTERgo 为每件产品同步什么
| 数据 | 采集内容 |
|---|---|
| 核心信息 | 标题、描述（完整 HTML）、handle、供应商、产品类型 |
| 状态 | 活跃、已归档或草稿——只有活跃产品可以被搜索 |
| 价格 | 变体最低和最高价格，以及货币代码 |
| 图片 | 已优化为 400×400 的主要产品图片，以及替代文本 |
| 变体 | SKU、条码、价格、可售状态、库存数量、已选选项（尺码、颜色等） |
| 产品系列 | 产品所属系列，例如“夏季特卖”“畅销产品” |
| Metafields | 商家定义的自定义数据，例如材质、保养说明、产地等 |
| 标签 | 用于分类的产品标签 |
为什么每个字段都重要
变体和选项让 AI 能够回答*“有 8 号尺码吗？”或“500ml 版本的价格是多少？”*等问题——没有变体数据，AI 只能泛泛地谈论产品。
产品系列提供具有上下文的分组。当客户说*“给我看看你们的畅销产品”或“哪些产品正在促销？”*时，AI 可以按所属系列筛选。
Metafields 是商家存储领域专属产品知识的地方：面料成分、过敏原信息、兼容性详情、保养说明。家具商家可能在 metafields 中存储尺寸；食品商家可能存储营养信息。这些数据让通用产品推荐变成有依据、详细的答案。
标签支持超越 Shopify 内置产品类型的语义分类。商家可以将产品标记为“纯素”“适合送礼”“限量版”，AI 就能利用这些标签进行更细致的筛选。
用于语义搜索的向量嵌入
CHATTERgo 不只是存储产品数据——它还使用 OpenAI 的嵌入模型，为每件产品生成向量嵌入。这意味着 AI 可以根据含义查找产品，而不只是进行关键词匹配。
关键词搜索：客户询问“保湿霜”→ 找到标题中含有“保湿霜”的产品。
语义搜索：客户询问“洗脸后皮肤感觉干燥紧绷”→ 找到补水产品、屏障修护霜和温和洁面产品，即使这些产品的标题中都没有“干燥”一词。
整个产品数据结构——标题、描述、变体、产品系列、metafields、标签——会被嵌入为单个向量，确保语义搜索考虑所有产品属性。
保持产品信息最新
产品同步采用基于游标的分页和增量更新：
- 定时任务找出上次同步后更新的产品
- 将每件更新产品加入队列，单独处理
- 通过 Shopify GraphQL API 获取产品的完整数据
- 生成新的嵌入
- 在向量数据库中插入或更新产品记录
变为 ARCHIVED 或 DRAFT 的产品会被标记为禁用，确保 AI 不会推荐无法购买的产品。
第 3 层：多格式知识库
除了 Shopify 内容，商家还有存储在文档、演示文稿、电子表格和网页中的知识，而这些内容从未放进 Shopify 店铺。CHATTERgo 的知识库可以处理所有这些来源。
支持的格式
| 格式 | 用途 | 提取方法 |
|---|---|---|
| 产品手册、目录、条款与条件、证书 | 对复杂布局使用 PyMuPDF + GPT-4o Vision | |
| Word (.docx) | 政策文档、培训指南、标准作业程序 | python-docx，支持提取嵌入图片 |
| PowerPoint (.pptx) | 培训演示文稿、产品介绍、品牌指南 | python-pptx，结合幻灯片图片分析 |
| Excel (.xlsx) | 尺码表、价格表、产品规格 | openpyxl，结合结构化文本转换 |
| 网页（URL） | 外部资源、博客文章、合作伙伴内容 | Firecrawl API / BeautifulSoup 解析 |
| 手动文本 | 常见问题条目、简短笔记、自定义内容 | 直接输入文本 |
视觉增强提取
对于具有复杂布局的文档——例如表格、图示、叠加文字的产品图片——CHATTERgo 使用 GPT-4o Vision 智能提取内容：
- 表格保留结构化格式，而不是被展平成难以阅读的文本
- 图片根据上下文描述，例如“[图片：产品尺寸图，显示 12cm × 8cm × 3cm]”
- 手写或特殊字体文本通过 OCR 识别，并标记不确定内容
- 保留阅读顺序，确保上下文不会混乱
这很重要，因为大量电子商务知识存在于视觉内容丰富的文档中——例如带图片网格的产品目录、带测量图示的尺码指南，以及用表格列出保障范围的保修卡。
分块与嵌入
上传的文档会经过多步骤处理流程：
- 提取——从源格式中提取内容
- 分块——将文本分成约 3,000 个字符的片段，片段之间重叠 200 个字符，以保留跨分块边界的上下文
- 嵌入——为每个分块生成向量嵌入，供语义搜索使用
- 存储——保存分块及其元数据（源文档、分块索引、内容类型、访问级别）
- 实时进度——索引流程广播进度更新，让商家可以跟踪状态
分块之间的重叠十分重要：如果相关答案跨越分块边界（例如问题涉及一个分块的末尾和下一个分块的开头），重叠部分能确保 AI 仍然找到并组合出完整答案。
第 4 层：多语言内容
对于面向全球销售的商家，内容会以多种语言存在。CHATTERgo 在两个层面处理这一问题：
Shopify 翻译同步
CHATTERgo 集成 Shopify 翻译 API，跨语言区域同步内容：
- 产品翻译——标题、描述和可翻译的 metafields
- 页面翻译——店铺页面的本地化版本
- 文章翻译——多语言博客内容
- Metaobject 翻译——目标语言区域中的自定义内容
系统跟踪翻译状态（待处理、已完成、已过时），并识别需要关注的字段。
AI 驱动的回复语言
除了已同步的翻译，CHATTERgo 的 AI 还会自动检测客户语言，并使用相应语言回复。日本客户浏览英文 Shopify 店铺时，会收到日语回复；系统在翻译内容可用时使用翻译内容，否则以 AI 翻译原始内容作为备用方案。
为什么所有这些上下文都重要
来看一个具体示例。客户访问一家护肤品店铺并问：
“我是敏感肌，想找一款不会让皮肤干燥的温和洁面产品。有没有 $30 以下、不含香料的选择？”
要回答好这个问题，AI 需要：
| 所需上下文 | 来源 |
|---|---|
| 你销售哪些洁面产品 | 产品目录同步 |
| 价格和可售状态 | 包含价格的变体数据 |
| “不含香料”属性 | Metafields 或标签 |
| 是否“适合敏感肌” | 产品描述 + 知识库 |
| 成分详情 | Metafields 或已上传的产品规格 |
| 如何使用产品 | 博客文章：“敏感肌温和洁面流程” |
| 产品不适用时的退货政策 | Shopify Pages：退货政策 |
没有全面的上下文，AI 可能会：
- 推荐含香料的产品（缺少 metafield 数据）
- 推荐已缺货的产品（缺少变体或库存数据）
- 报错价格（产品数据过时）
- 没有提及你那篇实用的敏感肌护理博客文章（缺少文章同步）
- 捏造退货政策（缺少页面同步）
有了完整上下文，AI 就能提供具体、准确、可信的答案——让客户感觉自己在与知识丰富的店员交谈，而不是与通用机器人对话。
技术架构
所有上下文层的组合方式如下：
| 层级 | 数据来源 | 更新频率 | 搜索方法 |
|---|---|---|---|
| 产品 | Shopify GraphQL API | 增量更新（定时 + 按需） | 向量相似度（语义搜索） |
| Shopify 内容 | Shopify REST + GraphQL API | 增量同步 | 向量相似度（语义搜索） |
| 知识库 | 文件上传 + URL | 上传时 | 向量相似度（语义搜索） |
| 翻译 | Shopify Translation API | 随内容同步 | 按语言匹配检索 |
当客户提问时，CHATTERgo 的 AI 智能体会：
- 将问题编码为向量嵌入
- 搜索所有上下文层——同时搜索产品、内容和知识库
- 检索最相关的分块，按语义相似度排序
- 只使用检索到的上下文，生成有依据的回复——不产生幻觉
- 在适当时引用来源（链接到产品页面、政策页面等）
这就是应用于商业的检索增强生成（RAG）——检索质量直接决定生成质量。
开始使用
使用 CHATTERgo 设置全面的知识库，只需几分钟，而不是几周：
- 连接 Shopify 店铺——产品目录和内容同步自动开始
- 上传文档——将 PDF、文档和电子表格拖放到知识库中
- 添加 URL——粘贴外部资源、指南或合作伙伴内容的链接
- 配置 AI 智能体——设置语气、专业程度和品牌声音
- 正式上线——你的 AI 智能体现在拥有完整上下文，可以准确回答任何客户问题
每份新增内容都让 AI 更聪明。每项同步的产品细节都让推荐更精准。每个建立索引的政策页面，都能避免一个捏造的答案。
上下文不只是重要——它就是一切。
CHATTERgo 深度集成 Shopify（页面、文章、博客、metaobjects 和完整产品目录），并支持 PDF、DOCX、PPTX、XLSX、网页和文本上传。所有内容均转换为向量，用于语义搜索，并通过增量同步保持最新。