AI客服在实际落地场景中，常面临一个棘手的难题：客户希望AI能“认识”自家的产品。注意，这里的产品并非知名品牌或标准品，而是各类“黑盒子”——它们分属众多型号与版本，功能效用也各不相同。用户自己往往也搞不清购买的是哪一款，于是经常拍张照片过来问：“机器连不上了，怎么办？”
就像这样：
让用户去查找型号，不仅操作困难，还容易引发客诉。人工客服只需扫一眼就能认出是哪台机器、哪个型号，但AI不具备这种能力——它无法识别图像，不知道对应哪款产品，即使知识库里存有完善的解决方案，模型也无法匹配到正确的答案。
那么，这个问题该如何解决？近期发现火山方舟上线了一款“向量模型”，并新增了图像检索能力。虽然部署有一定门槛，客户数据也不便展示，这里就用官方示例来演示整体思路。
问题的核心在于：模型无法识别客户的产品，无法对应到具体型号，进而无法从知识库中调取正确的回答。目标就很明确了——让模型能根据用户发来的图片，准确识别出它属于哪一款产品。常规知识库中已经存储了处理方案，只是模型不知道应该选用哪一个。
实现的整体流程如下：
- 整理已有的产品图：首先对现有的产品图片进行系统整理，为每张图片命名并添加对应的产品信息。
- 图文向量化：使用“Doubao-embedding-vision”模型对产品图片进行向量化处理，将图片转化为向量形式。
- 存入向量库：将向量化后的图片数据存入向量数据库。
- 用户发送图片：用户上传一张图片到系统中进行搜索。
- 将图片输入进行检索：系统对用户上传的图片进行向量化，并在向量库中检索匹配。
- 匹配出近似或相似的图片：系统在数据库中找出与用户图片最相似的图片结果。
- 返回检索结果信息：将匹配到的相似图片及其关联信息返回给模型。
当用户用图片来提问时，流程就会这样运转起来：
用户发送的图片传入向量库进行检索，系统返回最相似的产品。例如下图，已经找出了匹配的图片：
图片细节可能略有差异，但模型找对了——因为就是用原图生成的测试数据。虽然生成图与原始图存在一些不同，但整个库中最接近的正是它。这样一来，就获取了相似度较高的图片及其对应的产品信息，从而知道用户发来的图片可能指向哪个产品。
接下来，基于已知的产品信息，再去知识库中筛选或做进一步处理，就能很好地应对用户发图提问的场景。最终的目标也就达成了：让AI客服能够“认识”自己的产品。
这个方案相比以往需要更高成本、更复杂的方式，现在变得既方便又准确。如果有实际需求，不妨自己动手试试看。