在跨境电商竞争日益激烈的今天，面对海量用户咨询与个性化推荐的需求挑战，消费者体验和运营效率升级已成为跨境电商破局的关键，而 AI 技术已成为最前沿的驱动力。某全球知名的时尚品牌跨境电商，正通过结合 OceanBase 向量数据库与前沿 AI 技术（如 RAG 检索增强生成），为其智能客服系统与商品推荐业务注入全新动力，实现服务智能化升级与业务创新。
从早期的 AIGC 文生图、图生视频，到如今通过 OceanBase 向量数据库以及 RAG 技术打造智能客服和智能商品推荐，跨境电商正通过 AI 提升用户购物体验，实现降本增效。
一、从营销到业务流程场景：向量数据库为AI深入应用提供底层支撑
三年前，以 ChatGPT 为代表的生成式 AI 取得了突破，某知名跨境电商品牌便开始了对 AI 应用的探索。首先选定了营销场景切入，希望利用大模型生成营销素材，比如通过文生图技术生成商品主图。
服装品类跨境电商的营销需要海量的图片、视频等素材去做广告投放展示，提升搜索引擎检索的权重和召回概率，增加曝光量。素材越多，搜索引擎的加权就会越高，另外，视频的商品展示能带来比单纯图文展示更高的转化。因此，电商公司每年都需要在图片、视频拍摄等营销素材制作上支出大量的成本。随着 AI 技术的兴起，电商行业开始探索通过文生图等 AI 技术提升营销素材制作效率，助力业务快速发展。
近两年，随着大模型等技术快速发展，该企业逐渐落地 AI 应用，文生图、文生视频、图生视频的质量越来越高，经过真实场景验证，并已经在公司投入使用。通过 AIGC 生成营销素材，大幅降低了广告投入的成本支出。与此同时，研发团队还开发了 AI 效率提升工具，比如生成内容营销文案、描写产品卖点等，大幅提升了运营人员的工作效率。
今年，该企业对 AI 技术的应用越来越深入，在营销场景之外，还将大模型引入业务流程，构建智能客服和智能商品推荐等功能。
在智能客服场景，技术团队通过向量数据库、RAG 技术，以外挂知识库的方式降低大模型幻觉，让 AI 更懂公司业务，从而为用户提供更快速、更准确的客服体验。具体而言，团队通过 Python 脚本进行文档预处理，后端进行 Chunk 与向量化，入库存储到向量数据库，前端使用 Dify 进行查询改写，最终将向量搜索做成 MCP Server，让 Agent 直接调用。有了数据库的向量能力支撑，通过 RAG 技术，有效降低了 AI 幻觉，实现智能客服的精准问答。
在商品推荐场景，该企业正在探索引入向量检索能力，改变传统低效的关键词搜索方式，实现以图搜图、商品推荐等更多场景的智能化与自动化。该场景基于用户浏览记录打标签，即用户使用自然语言搜索商品，系统对用户自然语言进行改写，然后加上标签，最终输入向量库中进行查询召回，从而为用户进行商品推荐。
上述业务场景对 AI 的准确性、稳定性、性能都提出了更高的要求，既要解决大模型的幻觉问题，又要提升问答和推荐的准确性和实时性，这需要一款优秀的向量数据库提供底层支撑。
二、向量数据库选型：一体化架构成为快速创新的关键
在进行向量数据库选型时，该企业主要结合以下因素进行对比考察：
性能，ToC 场景，对查询召回的性能要求较高，需要较为完善的算法支持，以及毫秒级的查询响应。
扩展性，随着业务不断发展，数据会越来越多，维度越来越多，数据库需要有较好的横向扩展能力。
多模处理能力，由于 AI 场景需要处理海量多模数据（结构化数据、半结构化数据以及非结构化数据），数据库需要具备多模处理能力，更好地处理数据，提供多路召回能力。
技术支持，作为创业公司，运维团队规模较小，需要对运维有很好的技术支持。
易用性，考虑文档完善丰富度等能力，可以快速上手。
该企业技术负责人介绍，在做向量数据库选型时，他得知 OceanBase 推出了向量检索能力，而此前公司供应链团队也使用 OceanBase 数据库完成了多套传统数据库的升级替换，OceanBase 已经在公司的 TP、AP 和实时数仓等场景提供了稳定可靠的支持。因此，团队对 OceanBase 的产品力和技术支持能力印象深刻，有信心在 AI 场景引入 OceanBase 进行测试。
通过典型场景 POC 测试，结合以上选型因素，该企业最终在开源的 Milvus 向量数据库和 OceanBase 之间选择了 OceanBase 支撑其 AI 场景。回顾测试过程，技术负责人指出，以下几点因素成为了驱动公司选型 OceanBase 的关键：
首先，经过严格的对比测试，分析结果表明，OceanBase 向量搜索的算法完善度和性能能够为公司 AI 应用提供很好的支撑，其分布式扩展能力、多模处理能力也为海量多样化数据的高效处理提供了支持。
其次，在技术能力之外，是否能够助力新技术快速落地也是该企业关注的重点。该技术负责人指出，团队最为看重的是 OceanBase 的技术支持能力，遇到问题可以直接找到支持团队及时解决。OceanBase 丰富完善的产品文档让研发团队能够快速上手 OceanBase，从而支撑公司的 AI 应用快速落地。
另外，OceanBase 的一体化架构成为了驱动公司选型 OceanBase 的关键原因。一体化架构不仅帮助企业简化了技术栈，带来更加便捷的运维管理体验，其多模处理能力也为未来实现多路召回提供了强有力的支持，便于公司更为深入地探索 AI 应用。
目前，引入向量能力仅一个多月时间，智能客服系统已经上线应用，其中开发只用了一个多星期。同时，智能商品推荐也已经在公司内部的企划、选品等业务环节使用，通过不断打磨优化，后续计划上线 C 端对客系统。
三、不断探索前行，OceanBase助力跨境电商AI场景进化
该企业技术负责人介绍，未来，公司会继续积极拥抱 AI，让 AI 为公司业务带来更高的价值。具体来看，不断强化 AIGC 在营销场景的应用；在智能客服场景，将会打造覆盖售前、售中、售后的全场景 AI 能力；在智能商品推荐场景，不断优化产品能力，最终开放给 C 端消费者，提升购物体验。
负责人补充，AI 是一个系统工程，系统各个链条都会影响 AI 的落地效果，目前该企业对 AI 的应用尚处在初期探索阶段。当前 OceanBase 的精准召回率和毫秒级响应速度使得向量检索本身已经不是卡点和痛点，而文档预处理、查询改写和模型本身的响应速度在一定程度上成为 AI 落地的最大挑战之一，团队将会继续优化，通过蒸馏、微调等手段训练出更懂业务的模型，在文档预处理阶段通过更好的文档切分、语义分析、优化查询改写、数据治理等等，不断优化整个技术链条，提升 AI 能力。
