AI-3.4-03 AI 智能选品推荐

摘要

本条目对应 PRD FR-3.4-03「AI 智能选品推荐」。PRD 验收要点为：「推荐上线前经人工评估或对照实验验证有效性（口径立项定）；选品采纳率跟踪」。现状判定为从零建（零实现）——选品/推荐/scoring 全仓检索命中均为 UI 文案误报，唯一相关能力是 pinned 置顶（人工运营干预的默认排序语义）。

承 RK-13 降级承诺：数据前提（AI-3.4-02 建档规范 + 真实商品数据量）不具备，本卡仅做架构级 TDD——管线形态（复制 translation-job 范式四要素）/ 特征源五清单 / 接口形态 / 冷启动策略四块；字段级设计显式推迟至 AI-3.4-02 建档规范落地后（DEP-3.4-02），不承诺字段级完整度。分期路线为「规则兜底 → 特征管线 → 模型化」三期，本卡不定模型。

关键概念

方案设计（架构级——本节不承诺字段级）

架构总览与红线

数据管线形态（复制 translation-job 范式）

选品特征计算管线复制 translation-job 四要素（translation-job.ts:48-68 已复核锚点），不改其本体、新建平行模块 selection-pipeline（命名避让，挂 feature flag 独立开关）：

触发面（架构级声明）：商品发布/更新（subscriber 触发重算）、订单成交（热销特征刷新）、建档规范字段变更（AI-3.4-02 attribute 更新联动——其 RK-12 分类改名重译钩子同构思路）。触发实现细节 = 字段级推迟项。

特征源五清单（逐项数据现状与缺口）

推荐接口形态（架构级契约，字段级推迟）

两决策场景、单一推荐服务（selection-recommendation 模块，规划名）：

// 契约级签名（字段级推迟——入参/出参对象结构随特征源固化后定稿）
getSelectionRecommendations({ scenario, context }) → { items: [...], meta }
  scenario = "b2b_procurement" | "new_retail_listing"
  context（示意，非冻结）：行业/客群/区域/价格带/需求快照引用

• B2B 集采选品：输入企业需求上下文（可引用 demand-basis 脱敏快照），输出候选商品组合（供采购决策参考，非自动成交——大额交易人工确认归 NFR-3.9-04 场景1，经 AI-3.3-05 撮合链路时由其挂钩，本卡不重复设计）；
• 新零售上架：输入店铺渠道/客群画像（画像源受 C6 门控），输出上架选品建议（建议非自动上架——上架仍走既有 publish 审核流）；
• 消费 AI-3.4-02 建档字段为特征输入（industry_applicability / target_customer_segment / price_range_band attribute 与 category_standard 规范字段）——声明为特征输入引用，字段定义归其卡所有（design_ownership references_only）；
• 采纳率跟踪埋点契约：selection_recommendation_shown / selection_recommendation_adopted 双事件（payload 含 scenario/推荐批次 id/item id/位置），归因窗口与统计口径 = DEC-5；事件落库实现 = 字段级推迟项。

冷启动策略（架构级）

无行为数据期（当前即此状态）的推荐兜底：

1. 规则层：类目/渠道/区域静态规则（如「某区域渠道优先呈现其历史成交类目」——无历史时回全类目默认集）；规则集以配置承载（admin 可调，架构级声明不落字段）；
2. 编辑精选层：运营人工圈选的推荐位——直接复用 pinned metadata 置顶（已复核的唯一人工干预点）作为冷启动排序起点与编辑精选载体（pinned 语义扩展「运营精选 = 冷启动推荐」，不新增实体）；
3. 数据积累过渡判据：真实商品量与订单量的量化阈值 = DEC-5——量化前不启动模型化分期，冷启动规则层持续兜底。

分期路线（架构级承诺边界）

数据模型 · API · 合规

数据现状与从零建项

AI 能力接入点

分期①②（规则兜底/特征管线）零 LLM 调用——推荐计算为规则 + 统计聚合，与 translation client 通路无调用关系。分期③（模型化期）预声明：若引入 LLM（如生成选品理由/rerank），与 translation client 通路的关系 = 「抽公共」评估（选品为独立业务域，长期与翻译共用同一 OpenAI 兼容配置易耦合——抽取公共 provider 层届时立项评估；不默认直接复用 translation client 本体，防止翻译域配置变更传导至选品域）——该声明为分期③的前置约束，非本期设计。

降级与跳过路径（NFR-3.8-01 强制范式）

跳过路径测试点（必含）：①推荐服务异常 → 响应回退默认排序集（与现状 pinned 语义逐字节等价断言）；②特征 job failed → 推荐仍可用（陈旧特征标记 + 冷启动规则）；③画像源禁用 → 输出不含画像特征且不报错。

合规挂钩

外部决策点引用规范：数据量阈值/评估口径/采纳率目标/巡检频次全部 DEC-5 占位；画像评估 = C-c6-profile；不内联臆造。

风险

前置决策点

• DEC-5 数据量启动阈值 / 评估合格线 / 采纳率基线与目标 / 特征刷新频率 / 对照实验样本量——全部基线立项定；数据量本体先经 DB 侧量化（findings 开放问题①）再立阈值。
• C-c6-profile 画像与个性化推荐的 APPI 影响评估——评估清单由合规侧出具；通过前特征源③硬禁用（本卡不预设定评估结论）。
• B-c3 选品库范围固化（推荐候选域边界）——18 类清单核对结论回填配置。
• 分期③模型形态 协同过滤 / 内容向量 / LLM rerank 均为候选项——本卡不定模型，X-data-volume 解除后另行立项。

实施排期与验收

波次与分期映射（p2-a）

子任务 DAG（架构级交付）：本卡即架构交付物；可先行项 = 管线模块骨架（空转链路）/ 冷启动规则配置面 / 评估框架文档化——均标注「字段级推迟，随 DEP-3.4-02 解除推进」。

验收标准（架构级承诺边界）

测试策略（架构级承诺边界）

本卡交付时无实现可测——测试设计为分期②实施时的用例框架（声明防止验收空转）：

迁移与回滚

附录 · 溯源

本文档生成自 docs/reports/ai-module-prd/tdd/AI-3.4-03-ai-product-selection.md（TDD 深度分级 conceptual；PRD V1.4）。章节映射与处理方式如下：