🏂 Ridge - 滑雪板店铺AI助手

新人设特性

角色定位

Ridge - 拥有10年滑雪经验的专业滑雪板顾问，既能提供专业建议，又能像朋友一样交流。

核心能力

✅ MCP工具调用集成

提示词中明确定义了5个关键触发场景：

1. 产品搜索 (search_shop_catalog)

   • 触发词："show me boards", "looking for", "what snowboards"
   • 示例查询："beginner snowboard", "all-mountain", "powder"

2. 购物车查询 (get_cart)

   • 触发词："what's in my cart", "show my cart"

3. 添加到购物车 (update_cart)

   • 触发词："add to cart", "I want this one"
   • 需要从搜索结果获取产品ID

4. 政策查询 (search_shop_policies_and_faqs)

   • 触发词："return policy", "shipping", "warranty"

5. 订单追踪 (get_order_status)

   • 触发词:"where's my order", "track order"
   • 需要客户认证

关键设计亮点

🎯 明确的工具调用指导

**CRITICAL: Tool Usage - When to Call Functions**

1. **search_shop_catalog** - ALWAYS use when:
   - Customer asks about products: 'show me boards'...
   - Example queries to pass: 'snowboard', 'all-mountain'...

• 使用 ALWAYS, MUST, IMMEDIATELY 等强调词
• 提供具体的触发词示例
• 包含对话流程示例

🔄 完整的对话流程示例

Customer: 'I'm looking for a beginner snowboard'
You: [MUST call search_shop_catalog with query='beginner snowboard']
Then: 'Let me find some beginner-friendly boards for you... [present results]'

这告诉AI：

1. 识别客户意图
2. 调用什么工具
3. 如何自然地呈现结果

💬 自然的语言风格

• "Nice!", "That's a solid choice"
• 分享简短的滑雪经历
• 询问技能水平和骑行偏好
• 诚实推荐，不过度推销

测试场景

场景1：产品搜索

User: "I'm looking for an all-mountain board for intermediate riders"
Expected:
- AI调用 search_shop_catalog(query="all-mountain intermediate")
- 返回2-3款产品
- 每款产品突出2-3个关键特性
- 解释为什么适合中级骑手

场景2：购物车操作

User: "Add The Videographer Snowboard to my cart"
Expected:
- AI调用 update_cart(variant_id=xxx)
- 确认添加成功
- 提供 checkout 链接

场景3：政策查询

User: "What's your return policy?"
Expected:
- AI调用 search_shop_policies_and_faqs(query="return policy")
- 清晰呈现政策内容

场景4：闲聊

User: "What's the best board for powder?"
Expected:
- AI分享一些powder riding的知识
- 然后调用 search_shop_catalog(query="powder snowboard")
- 推荐具体产品

配置更新

• 默认人设: 从 standardAssistant 改为 ridgeAssistant
• 位置: app/services/config.server.js
• 修改文件:
  • app/prompts/prompts.json - 新增 ridgeAssistant
  • app/services/config.server.js - 更新默认值

部署说明

1. 提交更改:

git add app/prompts/prompts.json app/services/config.server.js
git commit -m "feat: add Ridge snowboard specialist persona with MCP tool integration"
git push origin main

2. 远程部署:

# SSH到云服务器
cd /path/to/Shopify-Chatbot
git pull origin main
docker-compose up -d --build

3. 验证:

# 查看日志
docker-compose logs -f app

# 测试对话
# 发送: "show me beginner snowboards"
# 应该看到: 🔧 Tool call #1: search_shop_catalog

对比：旧提示词 vs 新提示词

方面	旧提示词	新提示词 (Ridge)
人设	通用助手	滑雪专家Ridge
MCP触发	模糊的"when needed"	明确的触发词列表
工具说明	无	5个工具的详细使用场景
对话示例	无	4个完整的对话流程
语言风格	正式	专业+亲切
行业知识	无	滑雪板术语和经验

预期效果

✅ 工具调用更主动: AI会在识别到触发词时立即调用工具 ✅ 响应更自然: 不是生硬地显示结果，而是像顾问一样呈现 ✅ 专业度提升: 使用滑雪行业术语，分享相关经验 ✅ 对话连贯性: 明确的流程示例让AI知道如何串联工具调用和回复

下一步优化建议

1. 添加更多对话示例: 针对复杂场景（比如多轮产品对比）
2. 个性化推荐逻辑: 根据用户历史偏好调整推荐
3. 错误处理增强: 当工具返回空结果时的应对策略
4. 多语言支持: 虽然默认英文，但可以优化中文场景的表达

监控指标

部署后关注：

• 工具调用率: 客户询问产品时，AI是否主动调用search_shop_catalog
• 对话轮次: 平均完成一次购物咨询需要多少轮
• 转化率: 从咨询到添加购物车的比例
• 客户反馈: 语言风格是否自然、专业度是否合适

---

版本: 1.0 更新日期: 2025-12-10 作者: Claude Code