假设咱是个博主，销售洗面奶，希望用药妆助理（机器人）和潜在用户对话，咨询皮肤问题，吸引ta点击链接进来获取试用装。
用户心想最近痘痘越来越严重，问问看这家都卖什么产品，省的浪费时间。
药妆助理（机器人）回复：
（o(╥﹏╥)o事与愿违o(╥﹏╥)o）
先不说对不对，这一上来直接说产品，那还怎么做生意。
假设咱们公司为网吧提供在线老电影播放，希望用机器人和潜在用户对话，吸引ta停留观看。按照用户停留时间，公司获取网吧续约合同。
用户饿了，想着吃碗泡面+火腿肠，正好消消食，可是忘记片名了，就按照剧情问问，有啥外星人攻打地球的片子吧，最好新一点的，科技场景能够刺激一些。
然而...库里边...没有《地球停转之日》。
（o(╥﹏╥)o事与愿违o(╥﹏╥)o） AGAIN
没的片子，你这个机器人聊啥呢，用户要看结果得不到，这不就直接离开了。
既然是做生意，知识丰富，能侃大山的助理固然好，不能从公司现状出发，还不如不用。
业界解决这个问题的方式当前主要通过grounding。这个词着实挺“落地”。
我拿Neo4j图数据库的样本数据（老电影库）来举例子。
咱们公司把老电影的数据，经过整理（数据治理）都写入数据库了，做成了“知识图谱”，可以根据“片名”，“种类”，“演员”，“导演”，“imdb评分”、“海报”等关键词搜索、排序、展示电影。
AI助理要能够使用数据库推荐电影。最低要求：1）库里能播放的；2）和用户需求关联性高；3）和用户对话合规合法。
我们给AI助理上一个打工三件套。
首先通过调整AI助手，来确保沟通内容合法合规。
第二，访问互联网资源，提供官方预告片。这里我就简单的访问油管。
第三，片源查询工具是核心，业务目的是“需求”与“片源”的匹配。关键词搜索不再是第一选项。
业界当前主张混合搜索，“嵌入”（语意查询）+关键词查询。这里我简单就只做嵌入的相似性检索。
实际我们还需要给大模型AI助理一个思维框架，增强ta的“为人处世”。
我在这个Demo里给大模型加上了ReAct （Reason + Act）思维框架。就是先思考，再行动，而不是手里拿着工具（榔头），到处敲。
还有包括思维链（CoT）等框架。大家有兴趣的可以去读一下资料。（REACT: SYNERGIZING REASONING AND ACTING IN LANGUAGE MODELS）
那如果用户就是在对话中抬杠呢？假设用户就是想要《地球停转之日》，那咱们助理经过思考之后，可不能去搜索互联网。
大模型AI助理打工三件套。
- 数据库：让AI说“实”话。
- 对话：让AI有“网感”。
- 第三方库：该“蹭”的资源要“蹭”。
