业务背景
北美本地餐饮商家高度依赖 Google Maps 评分获客，评论回复直接影响本地搜索排名与转化。真实痛点有三个：
- 响应时效：差评 24 小时内未回复，客户流失率显著上升，但商家忙于经营无力逐条回复；
- 语言与时区：西语评论占比不低，且评论高峰常在商家打烊后；
- 语气一致性：人工回复质量参差，缺乏统一的品牌语气。
这是一个典型的「AI 落地 + 出海服务」场景：技术不复杂，难在对业务流程的理解与工程化打磨。
架构简述
整体为 Node.js 定时任务驱动的批处理管道，无长驻服务，资源消耗极低：
| 模块 | 技术 | 说明 |
|---|---|---|
| 评论采集 | Google Business API | 增量轮询新评论，令牌自动刷新 |
| 上下文组装 | Redis | 商家画像、历史回复、评论情感标签 |
| 回复生成 | LLM API | Few-shot 约束品牌语气，分级处理好评/中评/差评 |
| 人工审核 | Web 队列 | 差评与低置信度回复强制人工确认后发布 |
核心业务成果
- 服务 5+ 北美餐饮商家，月均处理评论 1200+ 条；
- 平均响应时间从 24h+ 降至 2h 以内，好评回复覆盖率达 100%；
- 差评二次互动转化率提升，某客户综合评分 4.2 → 4.6；
- 单商家月成本控制在两位数美元，形成可复制的 SaaS 化交付模式。
技术难点总结
- 幻觉控制：通过商家知识库注入 + Few-shot 示例 + 输出结构校验，将事实性错误率压到 1% 以下；
- API 配额管理：Google API 配额按商家账号隔离，令牌刷新竞态用分布式锁解决；
- 多语言处理：西语评论先做语言检测，再决定回复语言与模板分支；
- 幂等设计：评论 ID 去重 + 发布状态机，保证轮询重试不会重复回复。