📋 项目背景

电商选品环节需要大量创意：从市场趋势判断、营销策略制定，到图片素材准备和汇报演示，每一步都耗费人力。为提升选品效率，开发了一款支持多模态输出的爆品服务智能体，可根据市场趋势自动生成营销策略、图片素材及演示汇报文稿。

一句话总结：输入市场数据，输出一整套「创意方案 + 视觉素材 + PPT 演示」，把选品创意生产从手工作坊变成自动化流水线。

🎯 项目目标

• 根据市场趋势自动生成产品创意与营销策略
• 集成多模态能力，实现文本到视觉内容的自动化生成
• 自动组装生成 PPT 演示文稿，支撑选品汇报
• 通过 RAG 检索历史创意，提升输出的相关性与个性化

🛠 技术选型

技术 / 方案	用途	选择理由
Python	主开发语言	AI 应用开发生态完善
LangGraph	任务编排	复杂多阶段工作流可视化编排
多模态生成	视觉内容生成	文本到图像自动化
LLM + HTML	演示文稿生成	结构化生成 + 自动组装
RAG	历史创意检索	动态注入上下文提升个性化

✨ 功能特性

• 🔗 复杂任务编排：使用 LangGraph 实现复杂任务编排与工作流设计，构建包含数据预处理、市场方向分析、评论分析等多阶段处理流程，最终生成产品创意方案
• 🎨 多模态生成集成：集成多模态生成能力，完善产品创意生成流程，实现文本到视觉内容的自动化生成
• 📑 演示文稿自动生成：基于产品创意与市场数据，通过 LLM 生成 HTML 演示结构并同步生成图像提示词，驱动多模态内容生成并自动组装为 PPT 演示文稿
• 🔍 RAG 检索增强：构建基于 RAG 的生成增强系统，检索用户历史产品创意与演示文稿数据动态注入上下文，提升文稿生成的相关性与个性化效果

📐 工作流编排

市场数据输入
   ↓
数据预处理 → 市场方向分析 → 评论分析
   ↓
产品创意方案生成
   ↓
多模态内容生成（文案 + 图像提示词）
   ↓
RAG 注入历史创意上下文
   ↓
HTML 演示结构 → 自动组装 PPT

📊 项目成果

模块	状态	说明
工作流编排	✅ 已完成	LangGraph 多阶段流程
多模态生成	✅ 已完成	文本 → 视觉素材
PPT 自动生成	✅ 已完成	HTML 结构 + 自动组装
RAG 增强	✅ 已完成	历史创意检索注入

🔗 相关链接

公司内部项目，源码与数据不对外公开。