电商产品目录 AI 分类：微调类别模型

每月添加 100-500 个新 SKU 的电商品牌面临目录管理问题。手动分类每个产品需要 5-15 分钟。微调分类器在 90%+ 的准确率下每秒完成。

分类器做什么

输入产品数据，输出跨多个维度的分类：主类别、次要标签、性别/尺码范围、材料分类、价格层级、搜索关键词。以结构化 JSON 输出。

构建数据集

来源：你现有的已分类产品目录。大小目标：1,000-5,000 个产品。每个顶级类别目标 20-50 个示例。

训练配置

基础模型：Mistral 7B Instruct。LoRA rank：8-16。Epoch：3-5。

评估

典型结果：在保留集上 88-94% 正确的主类别。

集成

def classify_product(name: str, description: str) -> dict:
    response = requests.post(
        'http://your-ollama-server:11434/api/chat',
        json={
            "model": "product-classifier",
            "messages": [{"role": "user", "content": f"Classify this product:\nName: {name}\nDescription: {description}"}],
            "stream": False
        }
    )
    return json.loads(response.json()['message']['content'])

持续服务结构

月度套餐 $300-500/月。包含：每月新产品批处理、每季度重新训练、准确率监控仪表板。

---

延伸阅读

• 电商客服 AI
• 管理多个微调模型