AMAP / MULTIMODAL AI PRODUCT

在行走中,
直接问此刻的问题。

参与步行导航与多模态 AI 的交互融合、RAG 知识库建设及上线分析,让语音、文字与视觉能力进入真实导航场景。

角色
多模态 AI 产品
工作
交互设计 · RAG 质量 · 上线迭代

参与产品形态与核心场景设计,相关方案获得 2 项专利。

右侧手机可直接操作 · 本地演示不调用线上地图或 AI 服务

高德地图 · 本地演示
边走边问选择一个预设问题体验
正在理解你的问题结合当前故宫游览场景
我的交互判断01 导航信息不退场02 主次入口明确03 操作可以撤销

03 / RAG 字段设计

有限的信息,
覆盖高频的问题。

RAG 保存地点的高频、稳定知识,长尾与动态问题交给联网搜索。在有限上下文里,用经过设计的字段覆盖约 80% 的常见诉求。

  • 共用字段:视觉、历史、打卡与网络内容
  • 品类字段:核心景点 / 核心馆藏 / 招牌菜
  • 依据:品类研究与典型用户对话模拟

公开示例 · 字段与内容已脱敏

高频稳定信息 → RAG长尾动态信息 → 联网搜索

太和殿

故宫博物院 · 景区
手绘太和殿

故宫中轴线上的核心宫殿,明清时期用于举行重大典礼。

字段设计依据
典型角色20 多岁 · 外地大学生 · 游览故宫
用户可能会问

“《甄嬛传》同款机位在哪里?”

反推字段拍照打卡点

高频游览问题需要直接给出机位与拍摄建议。

手绘太和殿

父 POI 故宫博物院

子 POI 太和殿

“故宫里举行大典的那座主殿是什么?”

当前错误命中父 POI

将太和殿内容挂到故宫父 POI 回答。

修正结果命中:太和殿(子 POI)

太和殿是故宫中轴线上的核心宫殿,明清时期用于举行重大典礼。

04 / 上线迭代

从一条 Query,
找到下一次迭代。

把入口行为、用户意图、场景与回答质量串起来,定位用户在哪里放弃,以及产品应该补什么。

  • 50 万+ 线上 Query
  • 六节点 LLM 分析框架
  • 按住说话至成功发送 7% → 15%

引导词与 POI 专属问答对约 120 万条

当前 Query(已脱敏)

“附近有什么值得顺路去看的?”

来源:导航中 · 语音入口

意图
沿途发现
场景
步行导航
附近
存在可推荐 POI

坏 Case 归因

用户不知道怎么问

发现7%建设场景引导词 / POI 专属问法同口径上线后观察15%