Yahoo TW Ecommerce 是台湾领先的电子商务公司，与当地一家市场领先的零售集团以战略合资企业的形式运营，该公司将其平台 Yahoo 拍卖上的卖家完成商品详情所需的时间从 20 分钟缩短至仅 2 分钟。通过集成 隐私至上的设备端 内置 AI 原语 ，为自动商品详情助理和高度个性化的用户 体验提供支持，该平台实现了 3% 的点击率 (CTR)。
这种集成对市场双方都有好处：买家可以获得实用、情境感知的个性化功能，从而简化发现流程，而与传统后端算法相比，商家可以获得更高的互动度。最终，这种设备端架构降低了卖家的运营负担，同时在本地保护敏感的用户数据，并使公司及其客户免受不断攀升的云扩缩费用的影响。
Yahoo TW Ecommerce 为何选择内置 AI
Yahoo TW Ecommerce 决定采用设备端内置 AI，主要基于以下两项业务要求：
- 数据隐私权：通过利用用户的第一方网站互动历史记录和经过身份验证的会话数据，并在本地运行模型，敏感的用户信息永远不会离开设备。
- 经济高效的民主化：云托管 AI 基础设施的费用与用户流量直接相关，这通常会迫使数字平台将高级工具和个性化体验置于付费订阅或商家交易费用增加的门槛之后。将推理转移到设备端可以消除这种不断攀升的后端运营开销。这种可持续的架构使 Yahoo TW Ecommerce 能够为市场中的所有卖家和买家提供高度响应的个性化功能，而无需付费墙或生态系统费用。
内置 AI 的优势对于 Yahoo 拍卖来说尤其重要 因为它实现了 环境智能，这意味着有用的情境感知帮助 会在本地处理并在用户需要时直接提供给用户。由于浏览器在客户端处理数据，因此它可以在不向外部服务器发送敏感互动日志的情况下安全地提供这些智能帮助。
内置 AI 为 Yahoo 拍卖提供支持的九种方式
Yahoo TW Ecommerce 使用内置 AI 实现了九种不同的使用场景，涵盖环境智能、内容管理和购物支持：
内容创建和管理
卖家商品详情助理： 帮助卖家快速生成引人入胜且准确的商品说明。卖家只需上传一张商品图片，Yahoo 拍卖的 AI 助理就会在 20 秒内为卖家提供相关商品类别、草拟的商品名、详细信息、主题标签和建议价格，供卖家审核。草稿可作为卖家的有用基准，将填写商品详情的平均时间从 20 分钟缩短至 2 分钟。
以下图片包含 AI 翻译的文本。
买家评价助理： 根据用户选择的评分和情绪输入，为买家提供高度情境化、文笔流畅的表达建议，帮助他们更好地组织和描述自己的体验。
环境智能
在此情境下，环境智能是指主动的、情境感知的帮助，这些帮助自然地融入用户的浏览体验。
以下是 Yahoo TW Ecommerce 为用户实现环境智能的方式：
个性化商品推荐轮播界面： 分析已登录用户的近期交易记录，推荐与其购买商品高度相关的商品，从而提高转化率。
预测性搜索和推荐： 根据已登录用户的活跃会话，为其量身定制商品推荐和搜索关键字。通过参考本地情境（例如用户最近在网站上的搜索记录和特定于网站的浏览偏好），客户端处理会预测并建议有用的搜索关键字，从而简化客户历程的发现过程。
购物支持
商品摘要： 将冗长的商品详情页摘要成不到 100 字的易于理解的重点内容。
基于表情符号的评价摘要： 将客户反馈汇总为使用代表性表情符号的简洁概览。
积分使用： 识别已登录用户的积分，并推荐可使用即将过期的积分（或只需支付少量额外费用）购买的商品，然后利用本地推理根据用户的个性化兴趣对最佳匹配项进行排名和选择。
生活方式推荐： 根据用户正在查看的商品类别，提供个性化的造型灵感或家居装饰建议。
购物助理聊天机器人： 提供交互式设备端聊天机器人，使用自然语言文本或语音输入即时回答买家查询。 设备端模型会分析对话中的购买意图，智能地推断并整理符合用户兴趣的商品列表。
现实世界中的业务影响
自 2025 年底将这些功能部署到生产环境以来，Yahoo TW Ecommerce 使用 Google Analytics 跟踪了重要的互动里程碑：
- 效率显著提高： 卖家商品详情助理帮助将完成商品详情所需的平均时间缩短了 90%，从 20 分钟缩短至仅 2 分钟。
- 深度互动： 该平台在超过 10 万名独立用户中产生了超过 100 万次互动事件。这突显了用户的高度兴趣和采用率，证实用户正在积极探索和使用新的 AI 工具。
- 高质量互动： 与依赖标准算法或编辑团队手动整理的传统商品推荐相比，新的“环境智能”模块的点击率 (CTR) 接近 3%，而传统商品推荐的点击率为 1.3% 到 1.8%。由于 AI 驱动的推荐直接插入网站现有的标准轮播界面布局中，因此团队避免了代价高昂的前端重构。这种无缝实现最大限度地减少了工程开销，而直接的性能比较证明，底层设备端 AI 提供了高度相关、高转化的建议。
深入了解环境智能
在九个使用场景中，环境智能的实现是设备端 AI 独特强大功能的典型示例。Yahoo 拍卖的环境智能模块简化了用户历程。它们充当有用的设备端助理，在用户最需要时提供实时情境感知建议。
通过本地架构保护数据安全并降低云费用
生成这种高度个性化的推荐需要分析高度敏感的用户数据。Yahoo 拍卖利用用户的丰富情境数据，例如购买历史记录、搜索关键字和本地存储中的浏览偏好。将如此大量的个人数据发送到云服务器会带来巨大的延迟和严重的隐私风险。
Yahoo TW Ecommerce 通过依赖本地架构解决了这个问题。通过利用会话数据和本地存储，本地 AI 模型在客户端处理所有内容。这确保了不会向外部泄露任何个人数据，证明了深度个性化、主动智能非常适合本地 AI。
“内置 AI 使我们能够提供高度个性化的环境体验 而不会损害用户的隐私，也不会引入隐藏费用或付费墙 到我们的社区。这彻底改变了我们处理电子商务 智能的方式。”
__- Paul Li，Yahoo TW Ecommerce 首席工程师__
管理内置 AI 生命周期
将内置 AI 集成到生产环境需要妥善管理模型下载状态。由于内置 AI 规范和下载 行为可能会发生变化，因此 Yahoo TW Ecommerce 团队构建了一个专用 Web 组件来简化 维护。
此封装容器组件提供标准、分离的属性，并处理完整的用户下载生命周期。通过观察组件的 data-status
属性，团队可以动态更新界面，以反映
模型的准确状态：不可用、可下载、正在下载、
可用。
这种设计使平台能够在不重构底层核心代码的情况下，保持界面稳定性并跨页面即时提供更新。
通过 SharedWorker 编排克服 MPA 限制
在多页应用 (MPA) 中，开发者通常使用后台线程来维护在同一网站导航中持续运行的工作流。虽然内置 AI API 本身是异步的，不会对主线程的界面响应能力产生负面影响，但将它们移至后台线程可以防止活跃的推理会话在用户在页面之间导航时突然终止。
但是，Prompt API 等内置 AI 原语仅限于顶级文档 上下文。这是由于开放式 Web 平台规范挑战：W3C 权限政策框架从根本上与文档树相关联，而将这些安全边界向下传播到独立工作器根的标准机制仍在由社区设计。
解决方案：SharedWorker 作为资源编排器
为了在遵守文档绑定安全边界的同时安全地应对这些生命周期限制，Yahoo TW Ecommerce 使用 SharedWorker 来协调跨同源浏览器标签页的 AI 计算。SharedWorker 不会让页面导航取消活跃的 AI 计算，而是充当集中式事件代理。当请求设备端 AI 计算时，SharedWorker 会协调来源的并发打开的标签页，将执行委托给不太容易受到活跃导航影响的并行标签页上下文，并处理提示以完成，而不会过早中断。AI 计算结束后，结果会安全地缓存在 Web 存储中，并具有指定的存留时间 (TTL)，从而可以在网站的任何打开的标签页中即时访问。这种设计确保了设备端 AI 操作能够应对页面转换，从而最大限度地提高整个多页应用历程的效率和一致性。
您可以从 GitHub 找到这些架构变通方法的详细信息：
这些功能已在 Yahoo 拍卖 中上线。
客户端 AI 的未来
Yahoo TW Ecommerce 对内置 AI 的实现展示了设备端模型的实际价值。通过优先考虑经济高效性和严格的数据隐私，它们解锁了强大的环境智能功能，这些功能可以安全地利用本地浏览器凭据和丰富的用户历史记录。
随着我们的不断发展，从 Yahoo TW Ecommerce 的架构中吸取的经验教训将成为其他希望在 Web 上构建安全、本地驱动的 AI 体验的开发者的基础蓝图。