链接已复制,去微信粘贴就好

📐 完全公开的评分公式

任何比价智能体推荐给您的 TOP 3,都是这套公式算出来的。每一项权重、每一段算法,都在源码里硬编码,App 看到的分数 = 公式页面看到的分数 = tests 验证的不变量。

源码 → services/scoring.py 测试 → tests/test_integrity.py
🧮 总分公式 全部归一到 [0,1] 加权平均
R = 0.30·预算匹配度 + 0.25·规格适配度 + 0.15·质保售后 + 0.10·店铺口碑
  + 0.10·生态适配 + 0.05·品类附加 + 0.05·降价加成
权重总和 1.00
📊 7 项评分分量 权重和必须为 1.00,受 tests 守护
1. 预算匹配度 判断价格与查询预算的偏离度
0.3
2. 核心规格匹配度 规格描述是否命中旗舰特征
0.25
3. 质保与售后 是否为受信任品牌默认全国联保
0.15
4. 店铺口碑 贝叶斯平滑后的好评率
0.1
5. 生态适配 厂商生态闭环 / 跨端兼容
0.1
6. 品类附加分 商品名是否旗舰/限定
0.05
7. 降价触发加分 当下是否处于降价窗口
0.05
🚦 推荐阈值 分越高越推荐
0.80 - 1.00
强烈推荐
0.65 - 0.80
推荐
0.45 - 0.65
可考虑
0.00 - 0.45
需谨慎/超预算
🛡 计算保证 tests/test_integrity.py 守护
评分完全由可审计的代码产物(services/scoring.py)驱动;用户能看到的所有评分都附带原因文本。
不依赖 LLM 自评。LLM 仅负责把候选结构化结果翻译成自然语言解释(见 services/llm.py)。
各分量归一到 [0, 1]。总分为加权平均,越接近 1.0 越优。
如果您对权重有任何疑问,可以直接 vim services/scoring.py 看实现。 改任何数字之前记得先改 tests 再改公式,保持三方一致。
← 返回首页试算一次