Yelp如何构建高可用的AI助手系统
ByteByteGo Newsletter2026/02/10 00:31机翻/自动摘要/自动分类
3 阅读
内容评分
技术含量
9/10
营销水分
5/10
摘要
Yelp构建了一个基于RAG的AI助手系统，用于从业务页面中提取准确答案。系统采用数据分离、混合检索和分层模型优化，解决了实时性、准确性和安全性问题，显著提升了服务效率。
正文
Yelp开发了一个基于（）的AI助手系统，用于从其业务页面中提取准确且有引用的答案。该系统通过设备指纹识别和行为信号，利用WorkOS Radar实时检测并阻止滥用行为，如机器人和虚假账户。在数据策略上，Yelp采用混合方法，将高频率内容（如评论）通过流式摄入保持实时更新，而缓慢变化的数据（如菜单）则使用批量处理。系统还实现了数据分离，将非结构化内容（如评论和照片）与结构化事实（如营业时间）分别存储，以提高检索准确性和系统稳定性。此外，Yelp引入了混合照片检索机制，结合文本和图像嵌入来提升结果的相关性。在推理流程中，系统将任务分解为多个模型，包括用于问题分析的模型和用于最终生成的通用，以优化延迟和成本。通过流式传输、并行处理、提前终止和分层模型等技术，Yelp将延迟从10秒降低至3秒以内，显著提升了用户体验。