#字段模糊查询场景解决方案

#场景说明

有些业务字段天然适合做模糊匹配，例如公司名称、商品名称、地址、备注等。用户提问时，往往不会完整输入字段值，而是只提供其中一部分内容。

例如：

• 包含“华为”的公司有哪些？
• 查询公司名里带“腾讯”的客户
• 找一下备注中包含“已签约”的记录

如果系统仍然按精确匹配去理解这类问题，就可能导致查不到数据，或者结果不符合预期。

#期望行为

#解决方案

如果某些字段有明确的模糊查询需求，可以通过修改 Nora 的系统提示词，引导模型在特定场景下将用户问题改写为“字段包含某个值”的形式。

核心思路不是穷举所有可能取值，而是告诉大模型：

• 哪些字段需要按“包含”来理解
• 当识别到这类场景时，应如何改写提问

例如，可以在 Nora 提示词中补充类似规则：

当用户提问涉及公司名称的模糊匹配时，将提问改写为：公司名称包含 "xxx"。

其中：

• 公司名称 是字段名称
• xxx 是用户提问中提取出来的关键词

#配置步骤

1. 进入 AI 员工 模块
2. 找到 Nora，点击 编辑
3. 在 人物设定 中补充相关提示词
4. 保存并发布

#提示词示例

可以参考下面的写法：

当用户的提问涉及公司名称、商品名称、地址、备注等需要模糊匹配的字段时，
不要按精确值理解，而是改写为“字段名称包含 xxx”的形式。

例如：
- 用户提到公司名称相关内容时，改写为：公司名称包含"xxx"
- 用户提到商品名称相关内容时，改写为：商品名称包含"xxx"
- 用户提到备注相关内容时，改写为：备注包含"xxx"

如果你想写成更通用的规则，也可以直接写：

当出现 xxx 情况时，将提问改写为：aaa 包含"xxx"。
其中 aaa 是字段名称，xxx 是用户提问中提取出的关键词。

#Q&A

#Q：像公司名称这类字段，用户可能输入很多不同的值，难道要在提示词里把这些情况全部穷举出来吗？

A：不用。

不需要把所有可能的取值都提前列出来，只需要把这类字段的改写规则告诉大模型即可。

例如，当用户提到公司名称时，可以将提问改写为：公司名称包含"xxx"。

也就是说，你提供给大模型的是一个“匹配特征”或“改写模式”，而不是所有可能值的穷举列表。

#注意事项

• 这种方式适用于字段语义比较明确，且业务上确实需要模糊匹配的场景
• 提示词中应明确具体字段名称，避免模型改写得过于泛化
• 如果同一个词可能命中多个字段，建议在提示词中补充业务上下文，减少歧义
• 修改提示词后，建议结合真实问题进行验证，重点检查标准化后的提问是否符合预期