基于LLM的工人收费计算系统歧义消解方案及技术选型问询

一、大型数据集低成本高效处理分步实现 #

1. 数据集结构化与语义索引构建 #

• 将自然语言形式的工种收费规则，转换为结构化数据（如JSON/CSV），明确每个工种对应的必填参数、收费公式、条件阈值（例如：潜水员的基础费用、深度加价系数、设备租赁额外费用）。
• 对结构化后的规则文本生成语义嵌入向量，存储到轻量向量数据库中。每次请求时，仅检索与用户输入工种相关的规则向量，提取对应规则片段传输给LLM，避免全量数据集传输。

2. 前置规则过滤与上下文压缩 #

• 先通过关键词匹配快速定位用户提及的工种，过滤出该工种的所有关联规则，排除无关数据。
• 将过滤后的规则提炼为简洁的参数模板（如潜水员收费=基础费(500元)+深度系数(每米20元)×作业时长(小时)+设备租赁费(可选300元)），进一步压缩LLM的输入上下文，降低调用成本。

3. 规则缓存机制 #

• 针对高频查询的工种规则，在服务器端设置内存缓存（如Redis），重复请求时直接返回缓存的规则模板，无需重复检索向量数据库或调用LLM处理规则解析。

二、交互式歧义澄清分步实现 #

1. 歧义检测与必填参数识别 #

• 为每个工种预定义必填参数清单（例如：画家需「作业面积、涂料类型、复杂度等级」；司机需「行程距离、车型、是否跨城」）。
• 调用LLM结合检索到的工种规则，分析用户输入内容，识别缺失的必填参数，生成针对性的澄清问题。

2. 多轮会话状态管理 #

• 为每个用户会话维护状态数据，记录已收集的参数、用户历史输入、当前待澄清的参数项。
• 用户回复后，自动更新会话状态，再次校验参数完整性：若仍有缺失，继续生成澄清问题；若参数齐全，进入收费计算环节。

3. 个性化澄清话术设计 #

• 避免通用化提问，根据工种特性设计自然的澄清话术：
  • 当用户仅输入「潜水员」时：「请问您需要的潜水服务深度是多少？水下作业时长大概多久？是否需要我们提供潜水设备呢？」
  • 当用户仅输入「画家」时：「麻烦告知一下需要涂刷的墙面面积、偏好的涂料类型，以及作业的复杂度等级（如普通/精细），我好为您计算准确费用。」

4. 参数确认环节 #

• 当所有必填参数收集完成后，由LLM复述已获取的参数并请求用户确认：「我确认一下，您需要的是10米深度、2小时的潜水服务，不需要额外租赁设备，对吗？」，避免因误解导致的收费计算错误。

三、适配技术选型 #

数据集处理类 #

• 结构化转换：Pandas（处理CSV/JSON结构化数据）、spaCy（自然语言规则提取与结构化）
• 向量数据库：FAISS（开源轻量，适合小规模到中规模数据集）、Chroma（易集成，支持本地部署）
• 嵌入模型：text-embedding-ada-002（语义匹配精度高）、BGE-large-zh（开源中文嵌入模型，本地化部署成本低）

歧义消解与交互类 #

• LLM选型：GPT-3.5-turbo（低成本、交互性优，适合云端调用）、Qwen-7B-Chat（开源可本地化部署，数据隐私性好）
• 会话管理：Redis（高效存储会话状态）、FastAPI（快速搭建交互式API接口）
• 参数校验：Pydantic（定义参数模型，自动校验用户输入的合法性与格式）

四、同类参考案例 #

• 美团装修报价系统：用户输入「装修」后，系统逐步询问房屋面积、装修风格、是否包含水电改造等核心参数，确认后生成精准报价。
• 滴滴出行预约流程：用户仅输入「打车」时，系统自动询问起点、终点、车型需求，补充信息后完成订单创建。
• 家政服务平台保洁报价：用户输入「保洁」后，系统依次确认房屋面积、保洁类型（日常/深度）、是否需要专项服务（如擦玻璃），收集完整信息后计算费用。

内容的提问来源于stack exchange，提问作者Gaurav