珠宝行业没人做这件事，我花1天时间做了

说实话，我本来不是想做一个给消费者用的珠宝AI。

我最开始只是在接触一个珠宝公司的AI项目，对方想做品牌专属的AI导购，我需要先做一个Demo给客户看效果。

结果做着做着，我发现了一个更大的空白：市面上的珠宝数字化工具，大多站在品牌那边——帮品牌卖货、帮品牌做AR试戴、帮品牌做营销传播。几乎没人认真做"消费者买前先问一下"这件事。

然后我想到我自己，做了很多年外贸和财务，按理说不算特别容易被忽悠的人。但真到买黄金、买翡翠的时候，我也一样是一脸懵，导购说什么就信什么。上周更惨，我自己的翡翠手镯和小孩玩的时候摔坏了，想修想换，才发现自己连A货B货都分不清。

当我自己都搞不明白的时候，我就知道这个需求是真的。

所以我做了一个决定：不急着给客户做品牌定制版，先花1天时间做一个通用版MVP——不绑定任何品牌，覆盖黄金、钻石、翡翠、珍珠全品类，帮消费者在买珠宝之前少踩坑。

这篇文章是这个MVP的搭建复盘。

不是一个成熟产品的发布稿，是一个最小可用版本的实操记录。  

一、定位：不做商城，不做试戴，做"买前3分钟"

在动手之前我做了一轮竞品调研。

珠宝行业现有的数字化应用，主要集中在几个方向：品牌商城（周大福等头部品牌的小程序云店）、在线试戴（部分奢侈珠宝品牌的AR体验）、AI营销获客（AI生成珠宝设计图做传播裂变）、内部数据分析（面向管理层的BI看板和智能补货）。

这些都是品牌视角的工具。

但有一个位置是空的：消费者视角的中立决策入口。

📊 行业参考

黑猫投诉2026年2月上线了"瞄一眼"AI消费避坑助手，基于平台3000多万条真实投诉数据做风险总结，证明了"买前先查一下"这个用户心智是成立的。但它是全品类泛消费的，没有在珠宝场景深耕。

所以我的定位：不卖货、不站品牌、只帮消费者做买前决策——珠宝行业的"买前3分钟"。

二、知识库：投诉案例+基础知识，两条腿走路

知识库是AI智能体的"大脑"。

我没有去抄百科，而是分两条线整理：

📋 第一条线：正向基础知识（7个文件）

① 黄金分类与定价门道（足金/古法金/5G金/K金/3D硬金，按克计价vs一口价）
② 钻石4C标准与证书识别
③ 翡翠种水色分级与A/B/C货鉴别
④ 珍珠分类与品质判断
⑤ 按预算和场景的选购推荐
⑥ 各品类保养方法与售后维权渠道
⑦ 12大金店消费陷阱避坑指南

📋 第二条线：真实消费者投诉案例

从黑猫投诉、法院公开案例、媒体调查整理了45条真实案例，提炼成25个高频问答。每一条都不是"可能会遇到"，是"已经有人踩过"。

⚠️ 真实案例

有消费者花2500买一口价金戒指，回家称只有1.39克，折算1798元/克，当天金价才950。

这种真实案例，是很多通用AI默认不会主动给出来的，也是这个Demo和通用问答最大的差别。

🔍 知识库边界（诚实说明）

这套知识库更适合解决买前避坑和基础决策，不适合替代专业鉴定、投资判断或法律意见。目前负面案例比重偏大，后续需要补充证书标准、正向选购规则和售后话术，不然模型容易被训练得过于保守。

三、提示词：迭代了3个版本才稳定

提示词是AI智能体的"性格"，决定了它怎么说话、怎么回答。

我前后迭代了3个版本：

版本	做了什么	问题
V1 基础版	告诉AI"说人话、不推销、200字以内"	太笼统，AI经常超范围发挥
V2 结构化版	加了3步回答框架、术语解释规则、问题类型判断	丢了案例引用规则和高风险问题清单
V3 最终版 ✅	补回案例引用+高风险清单+末尾强化提醒	稳定，差异化明显

V3在V2基础上补回了三个关键要素：

❶ 真实案例引用规则——明确告诉AI"优先引用知识库中的真实案例，这是你和通用AI的核心差异"

❷ 高风险问题清单——5类不能拍板的场景（翡翠真假最终判断、钻石保值承诺、法律结论、精确报价、直播真伪），必须加风险提示

❸ 末尾最终提醒——大模型对提示词末尾的指令权重更高，把关键原则放在这里强化

实操经验：提示词不是写给人看的，是写给模型执行的。"说人话"你觉得很清楚，但模型需要的是"不用亲、宝贝等电商客服用语，术语要解释，如18K金=含金量75%的合金"。越具体，执行越稳定。

四、Coze搭建：选模型、调参数、跑测试

平台用的是Coze国内版（coze.cn）。这次做Demo验证不需要付费，但如果后续要跑更多用户和更多轮测试，还得根据实际的积分和套餐情况来评估。

几个关键设置：

设置项	选择	原因
模型	豆包2.0 lite	响应快（5-8秒），回答简练
生成多样性	精确模式	低温度，回答稳定一致
上下文轮数	5轮	支持追问逻辑
最大回复长度	2048	防止模型啰嗦
深度思考	关闭	导购场景不需要复杂推理

⚠️ 踩坑提醒

一开始选了"豆包1.8深度思考"，回答又慢又啰嗦——深度思考是做复杂推理用的，导购场景完全用不上。选模型要看场景，不是越"高级"越好。

💡 知识库上传技巧

8个txt文件逐个上传，选"快速解析"+"自动分段与清洗"。分开上传比合成一个大文件检索更精准——问黄金问题不会返回珍珠内容。

调试测试——3个核心场景验证：

场景	输入	AI回答要点	结果
避坑测试	"一口价黄金能买吗"	结论先行→引用2500元真实案例→给出行动建议	✅
推荐测试	"预算5000送妈妈60大寿"	推荐古法黄金→算出克数→提醒避开一口价	✅
边界测试	"帮我鉴定翡翠真假"	拒绝判定→给证书识别方法→引用B货案例→建议送检	✅

五、踩过的坑

坑1：模型选错

豆包1.8深度思考不适合导购场景，换成2.0 lite后效果好很多。选模型要看场景，不是越"高级"越好。

坑2：提示词丢了案例引用规则

V2版结构漂亮但忘了写"引用真实案例"，结果AI变成了通用珠宝百科，没有差异化。V3补回后避坑回答质量明显提升。

坑3：知识库不要合并上传

8个文件分开上传比合成一个大文件效果好得多，Coze的检索精准度会高很多。

坑4：深度思考参数冲突

关闭深度思考后，相关程度参数需要同步调到最低。

六、为什么觉得它值得继续做

这个通用版短期不一定直接赚钱，但它至少解决了两个问题：

价值1：验证用户到底会问什么

哪些问题被问得最多、哪些回答用户追问了、哪些地方知识库还有缺口——这些数据比坐在那里猜有用得多。

价值2：让潜在客户先看到效果

对传统行业来说，先看见效果再谈预算，往往比先讲方案有用得多。与其给客户写一份他看不懂的技术方案，不如直接让他自己问几个问题试试。

至于从通用版Demo到品牌定制版收费这条路能不能走通，我现在没有答案。但起码，先有一个能用的东西，比停留在PPT里强。

七、它现在还不够的地方

老实讲，这个MVP离"产品"还有距离：

❶ 知识库偏负面。目前投诉案例占比大，正向选购知识和决策流程还不够完整。太多"别买这个"，不够多"可以这样买"。后续需要补充标准化的证书知识、材质规则和售后话术。

❷ 没有真实用户数据。目前只是我自己和Claude一起测试调试，还没有让真实的消费者或珠宝从业者大规模体验过。效果好不好，得看真实用户怎么用。

❸ 只是一个Coze Demo。发布在Coze商店，不是微信小程序，触达能力有限。小程序版正在做产品定义，但那是下一步的事。

❹ 避坑能力强，导购能力还不够。目前更像一个"珠宝避坑问答机"，离真正的"导购助手"还需要补意图识别、决策树和更完整的正向推荐逻辑。

八、如果你也想在自己的行业做一个AI智能体

核心就三件事：

① 找到真实痛点。
不是你觉得用户需要什么，是用户真的在投诉什么、在问什么。去黑猫投诉、小红书、抖音评论区看看，真实需求就在那里。

② 用真实数据做知识库。
不是抄百科，是从投诉、案例、实操中提炼。通用AI谁都能用，真实行业数据才是你的差异化壁垒。

③ 先跑一个MVP再迭代。
先有一个能用的东西，比在文档里规划一个完美的产品有价值100倍。

这个Demo我会继续迭代。如果你本身在珠宝行业，或者你也在做传统行业的AI落地，欢迎来聊。

你告诉我你的场景，我也可以告诉你我这次哪些地方做对了，哪些地方还没做够。

🔍 体验AI小宝

在Coze搜索"AI小宝"或"珠宝行业智能导购"，或者飞书直接扫👇二维码

💬 聊AI落地

关注【阿羊AI出海】加我微信，备注"AI咨询"