那是去年双十一前，一个做女装的朋友拉着我喝奶茶，吐槽：顾客在店里发张商品图问"有没有同款别的颜色""配什么裤子",客服回不过来。我说这事能交给机器人。他不信。后来我真给他搭了个能看图的导购助手，这篇讲那段折腾。

难点在"看图"。普通客服只能处理文字，顾客发图就抓瞎。我要的是：顾客丢一张衣服照片，助手能认出这是哪类商品，再去推同款、配搭、库存。

我用的是一个零代码拖节点的平台，它能接多模态——就是图片也能当输入。画布大概这么连：

1. 图片进来，一个识别节点先判断这是啥（连衣裙？外套？什么风格？）。

2. 拿识别结果去知识库里检索匹配的商品，把同款其它颜色、价格、库存捞出来。

3. 再让模型给一句搭配建议，比如"配个高腰阔腿裤显腿长"。

4. 把商品卡和建议一起回给顾客。

商品库我是当RAG知识库挂上去的，把朋友店里几百个SKU的图文信息灌进去。顾客发图，助手不是凭空想象，是去这个库里找真实在售的货,所以不会推荐一个不存在的商品出来。这点对电商很重要，瞎推一个没货的，顾客下单了你发不出货，投诉跑不掉。

说几个翻车现场。

一是识别太自信。顾客发一张光线很暗的图，助手硬说是黑色，其实是深藏蓝。我后来让它对颜色拿不准时回一句"看着像深蓝，您要的是这个吗"，先确认再推。

二是搭配建议有时油腻。它早期给的建议像复制粘贴的电商文案，"轻松穿出高级感"那种，顾客一看就知道是机器。我在指令里让它说人话、短、像店员随口一说，才正常点。

三是库存这事不能让它猜。库存必须实时从朋友的系统拿，我是配了个节点去查接口的。让模型凭知识库里的旧数据报库存，迟早把卖断货的推出去。

这套上线后帮他挡了不少重复咨询，尤其是"有没有别的色"这种秒回。朋友现在信了。整套没让我写后端，靠那种拖拽配多模态流程的工具就搞定了。

（看图和生成建议背后的大模型，我接的讯飞 MaaS，现成 API 调，没自建算力。）