AI 商品类目生成服务

前言

分为v1与v2两个版本，v2由v1迭代而来

https://github.com/RudyGo8/AI_List_Generate.git

一、业务需求

1.不同站点类目体系不一致，人工选类目容易错。

2.卖家上架商品时，标题/描述/属性生成很耗时，且质量不稳定。

3.多语言翻译和图片 OCR 是高频辅助动作，手工处理效率低。

4.需要可追踪任务（同步返回或异步回调），便于系统集成。

二、项目架构图

三、流程图（商品生成）

四、时序图（异步任务+轮询）

五、BGE 模型 Docker 部署

本项目使用 BGE-M3 (BAAI General Embedding M3) 多语言嵌入模型进行商品类目匹配，通过嵌入向量相似度计算，将 AI 识别的类目路径与数据库中的目标站点类目进行智能匹配。

BGE-M3 特点：支持超过100种语言的稠密嵌入、稀疏嵌入和混合检索，是当前性能最优的开源嵌入模型之一。

部署方式

BGE 模型通过 Docker 部署为 API 服务，使用 FlagOpen/FlagEmbedding 项目提供的服务化脚本。

1. 启动 BGE-M3 服务

docker run --gpus all -p 8000:80 -v "%cd%\data:/data" ghcr.io/huggingface/text-embeddings-inference:cuda-1.8.1 --model-id BAAI/bge-m3

六、效果图

自己加的前端，用作可视化