ChatSprout 2.0 – 基于 LLM 的场景化英语训练助手
产品 Owner 及独立开发 · 2025.11 - 2026.03
-
项目背景：
- 针对非英语母语职场人士在Networking、会议表达及职场沟通中的表达困难问题，设计AI辅助训练系统，帮助用户优化表达逻辑并获得实时反馈
-
产品方案：
- 基于LLM构建 AI 表达优化系统，通过 RAG（检索增强生成）架构实现用户表达理解与场景化建议生成
-
核心产品设计：
- 拆解职业社交沟通场景（表达异议、反馈沟通、Networking等），构建场景分类体系，设计用户交互流程，通过 10+ 名用户调研优化产品体验
- 设计 RAG 应用架构：用户输入 → 语义向量化 → 相似场景检索 → LLM 生成优化建议
- 构建低相似度场景 fallback 机制，降低模型幻觉风险并提升生成稳定性
- 优化向量检索策略，使 Top-3 场景匹配准确率达到约 80%
-
效果评估：
- 建立模型评估指标体系（表达准确度、语气合理性、响应延迟、Token 成本）
- 通过 prompt 设计与 API 调用策略优化，控制系统平均响应时间在 1.5–2 秒
- 关键洞察：
- 在开放式语言训练场景中，RAG 检索质量对生成效果的影响大于模型规模