作者介绍

吴立薪
货拉拉 AI 应用促增长负责人
吴立薪,货拉拉 AI 应用促增长负责人,曾任京东、美团算法专家。本次分享结合货运业务,介绍 AI Agent 在用户需求理解、车货匹配与业务增长中的应用实践。
THINKINGAI 课堂 / 2026
“几件家具要搬运”背后,既有模糊需求,也有尺寸、承重、堆叠和车型约束。货拉拉 AI 应用促增长负责人吴立薪分享多 Agent 协同的车货匹配实践,介绍如何通过主动追问、领域知识与装载计算,将用户意图转化为可执行的车型推荐。

作者介绍

货拉拉 AI 应用促增长负责人
吴立薪,货拉拉 AI 应用促增长负责人,曾任京东、美团算法专家。本次分享结合货运业务,介绍 AI Agent 在用户需求理解、车货匹配与业务增长中的应用实践。
内容概括
货运用户往往知道自己要运什么,却难以准确描述货物尺寸、装载条件和车型需求。在 ThinkingAI Summit 2026 中国站,吴立薪以车货匹配为核心场景,介绍如何让 AI Agent 在用户的自然语言表达与平台的专业信息之间建立联系,降低选车过程中的信息差。
货拉拉将任务拆分给懂货物、懂用户和懂车型的 Agent:结合领域知识补充货物画像,通过多轮对话主动确认缺失信息,再将跟车人数、防雨、温控、搬运等需求转化为约束。车型推荐环节引入装载计算,综合考虑易碎、摆放方向和叠放承重等条件,避免仅按体积叠加造成不合理匹配。
这套实践展示了从被动填表到主动追问、从单向规则匹配到多约束协同决策的转变。分享还涉及语音客服交互,并展望通过视觉输入补充货物信息、进一步结合实时运力供需优化决策的方向,为 AI 从客服提效走向业务增长提供具体参考。
WATCH THE CLASS
正在检查观看状态…
售前一对一咨询