扣子 x SearchCLI：一个不会英语的卖家，靠一个 bot 卖到了日韩英多个市场

做跨境的人，十有八九都在同一个地方栽过跟头——不是货不好，是语言这关过不去。

日本客户用一长串敬语礼貌地问尺码，韩国客户甩来几句口语化的短句砍价，英语客户上来就要精确到克重的面料成分。而且每新进一个国家，就等于要重新熟悉一拨新客群——他们说什么语言、习惯怎么问、在意什么，全得从头摸。

每多打一个市场，就意味着多养一套导购、多写一套话术。养一支多语言客服团队？小卖家根本扛不住。退一步用机翻顶上？又常常答非所问，客户问两句扭头就走。

而这次的主角小 V，把这些坎全绕过去了。

小 V 是个卖服饰的独立卖家，英语四级考了三次没过，日语韩语更是一窍不通，却想一口气把店开到日本、韩国和英语区。放以前，他的选择只有两个：要么放弃出海，要么砸钱堆人。

但他最后真正做的，其实只有两件事：先用扣子搭起网页入口，再借助 Viking AI 搜索 CLI （下文统称 SearchCLI），在扣子里配置出一个会说日语、韩语、英语的智能客服 bot。

为什么是扣子 + Viking AI Search？

扣子负责 "快"：自然语言描述需求就能生成完整网站，预览所见即所得，一键部署，不用自己配环境、调打包。

Viking AI Search负责 "真"：纯大模型能聊天，但会瞎编商品、乱报价格；Viking 能把对话和真实商品库打通 —— 用户说什么，它就从两千多件 SKU 里检索、理解、推荐，给出去的每一件商品都有图有价有链接，点一下就能进详情页下单。

从此小 V 负责发货，bot 负责听懂全世界。下面就跟着他，把这套东西一步步搭起来。

SearchCLI 的安装和配置极度精简，繁琐操作都能交给 扣子 在对话里自动完成。

1. 安装与授权

小 V 的第一步很简单：打开扣子，让它自动下载和配置。

复制这句话发给扣子：

“帮我下载这个 CLI：https://github.com/volcengine/SearchCLI ，并告诉我是否运行成功。”

装好之后，去火山引擎官网拿一组 AK/SK（鉴权凭据），按 Agent 的指示在终端里填进去，授权就自动配好了。整个过程不到 5 分钟，基本是零手动操作。

如何获取 AK/SK：

点击 火山 AI 搜索首月体验版（https://console.volcengine.com/aisearch），注册火山账号，获取 AK/SK 即可体验产品功能，首月仅需 9.9 元 🥰

2. 数据入库

权完成之后，小 V 要做的事情其实很简单：把商品数据交给 SearchCLI。

导入这一步完全不用亲自动手。SearchCLI 把这条链路拆成了三步：

1. 基于vs item profile，扫描数据、识别字段结构，自动分析文件的 Schema

2. 执行vs item plan，生成入库方案，规划字段映射和写入策略

3. 通过vs item apply 执行上传入库，自动完成数据入库并构建底层索引

原本几天的活，被收成了一条能顺着跑完的链路。小 V 不用自己写脚本清洗、拆字段、调接口，商品数据就这样有了可直接拿来做搜推问的底座。

3. 搜索、推荐、问答策略自动生成

数据备齐之后，小 V 终于走到最关键的一步：让这家店真正开始做日本、韩国和英语地区的生意。

但这一步并没有想象中那么折腾。因为对 SearchCLI 来说，建多语种应用并不是重新开一条新链路，而是把已经跑顺的那套流程再复用一遍。

商品怎么入库、搜推问怎么配置，这套流程一旦跑通，接下来建日语、韩语、英语应用时，基本照着再跑三遍就行

于是，小 V 把这套 “建应用” 的流程照着跑了三遍，先后建出了日本、韩国、英语三个语种应用。没有额外的复杂开发，也不用为每个市场从头再搭一遍系统，三个市场就这样陆续跑了起来。

更妙的是，每个应用里搜推问一体的能力都是开箱即配，客户用什么语言进行问询，它就用什么语言回应。

1.1 多语言搜索

SearchCLI 内嵌了包含文本与图像的多模态检索配置，搜索能力即刻可用。

小 V 试着在扣子韩语应用的对话里搜了 "适合通勤的外套”—— 结果不再是靠关键词硬匹配，而是真正理解了他的意图。

1.2 个性化推荐

搜索能用了，但电商客服不能只是"等人来问"。很多用户不是带着明确问题来的，而是边看边犹豫：这件衣服有没有更百搭的颜色，这双鞋有没有类似款，这条裙子还能搭什么。

小 V 继续让扣子把推荐场景配起来。即便一开始没有足够的用户行为数据，也没关系 —— 小 V 把店铺卖什么、用户大概是什么人群告诉 扣子，它就能先生成一份冷启动用的模拟数据，让推荐系统跑起来。

SearchCLI 自动完成了事件类型映射，并成功创建了推荐物品的功能。

1.3 售前问答

别小看这一步，真正临门一脚影响成交的，往往就是这些细碎但关键的问题。尺码怎么选、面料怎么洗、会不会缩水、穿上会不会显臃肿，客户不问清楚，很难放心下单。

以前这些问题得靠人工一条条回，现在用 SearchCLI 接上问答能力，其实就是一句话的事。

接进去之后，bot 就能像个懂行的导购一样，不管面对日语、韩语还是英语客户，都直接用对方的母语把这些下单前的顾虑解释明白。

4. 效果评测与自动化调优

能跑起来只是及格线。小 V 心里还有个疙瘩：三个语种，到底答得准不准？要是搜不准，又该怎么调？

放以前，解决一个“搜不准”的问题，常常得靠算法专家盯着一堆 bad case 排查好几天。现在，SearchCLI 把这条路铺成了一套完全自动化的闭环：

• vs search tune query-generate：小 V 没有现成的测试用例？没关系，SearchCLI 提供了把 “构造评测集” 这件事直接简化成一个命令：基于已入库的商品数据，为每个语种自动生成多种意图的评测 Query。

• vs search tune run：对不同召回策略批量跑分，得出一份能直接对比优劣的评测结果，他什么都不用做，看着它跑完就行。

• vs search tune report：不仅指出 “哪里有问题”，还会直接列出实用的策略配置建议。 别的工具帮你看清问题，SearchCLI 直接帮你定方向。

• vs search tune apply：一改完再跑一轮评测，小 V 很快就能看到结果。推荐侧的重复率下降了 58%，Novelty 提升了 5.5%，策略效果大大提升！

前面的工作，解决的是 “搜推问能力怎么配”；接下来要做的，就是把这套能力真正装进一个能面向客户使用的网站里。

1. 先把网站搭起来

小 V 在扣子里把自己的需求说了一遍：跨境女装网站，首页、商品列表、详情页、购物车、结算页都要有，并且还要有能集成导购助手的悬浮机器人功能。 话说完，网站就跟着出来了，客户进来能逛、能看，悬浮 bot 也出来了。

2. 把导购能力接进来

页面搭好之后，接下来的关键，就是把前面已经配好的 Viking AI 搜能力真正接进来。这样一来，这个 bot 就不只是 “能聊天”，而是真的能听懂客户想找什么、在问什么，再把商品搜出来、推出来，把尺码、面料、洗护这些下单前最容易卡住的问题讲清楚。

这一步最省心的地方在于：对接的代码 扣子 已经帮你写好了。后端自动按 V4 签名直连 Viking 对话式检索 API，流式 SSE 打字机输出、商品卡片解析、会话 ID 管理、request_id 透传，不用自己改一行代码。小 V 要做的事只有一件 —— 点右上角的「部署」，在部署面板里找到「生产环境变量」一栏，点「+ 新建变量」，把 Viking 控制台里拿到的四个值填进去：

AK/SK 这类密钥会自动加密掩码显示，不会在日志和页面里明文泄露。填完保存，后端启动时自动读取，Bot 一接收到用户提问就会走 以Viking AI 搜为基础的导购服务。

3. 最后一键上线

前面的页面和能力都接顺之后，发布这一步反而是最简单的。

点一下「部署」，几秒钟后一个带 HTTPS 的公网域名直接出现在面前，不用自己买域名、不用配 DNS、不用管证书续签，点击就能直接打开，点商品、加购物车、下单支付流程全通。

到这里，小 V 做的就不只是配好了一个 bot，而是真的把一个能卖货、能接待客户的网站跑了起来。

很多时候，卡住跨境卖家的不是没有货，而是货还没真正“被全世界看懂”。复盘下来，小 V 做对的就两件事：

1. 先配能力。用 SearchCLI 跑通数据入库、多语种应用和评测调优，把搜推问的底层能力备齐。

1. 再搭网站。用扣子把网页搭出来，接上 Viking AI 搜，最后一键部署，一个能卖货、能接待客户的网站就跑起来了。

全程，小 V 一行算法代码都没写。