使用Lychee模型优化电商推荐系统

使用Lychee模型优化电商推荐系统

1. 为什么传统推荐系统开始“力不从心”

最近帮一家做家居用品的电商朋友看后台数据，发现一个有意思的现象：用户在搜索“北欧风沙发”后，系统推荐的前五款产品里，有三款是纯黑色皮质、带金属脚的现代简约款，和用户搜索词里的“北欧风”几乎不沾边。更奇怪的是，其中一款明明在商品详情页里贴了三张明显带有原木色、亚麻布料、柔和线条的实拍图，系统却还是把它排到了靠后位置。

这背后暴露的，正是当前电商推荐系统的一个普遍困境——只看文字，不看画面。

传统推荐系统大多依赖用户行为日志（点击、加购、下单）和商品文本信息（标题、类目、参数）来做匹配。但现实中的商品，尤其是家居、服饰、美妆这类高度依赖视觉感知的品类，光靠文字描述远远不够。“奶油风”“莫兰迪色系”“慵懒感”这些词，对算法来说就是一堆无法量化的抽象符号；而一张高饱和度的亮面皮质沙发图，和一张低饱和度的哑光布艺沙发图，在视觉语义上差异巨大，却可能被算法当成“同类”。

更关键的是，用户的真实意图往往藏在图文组合里。比如搜索“适合小户型的沙发”，配图里如果出现一张紧凑布局的客厅实景图，那用户要的就不是尺寸参数，而是空间适配方案；再比如“送妈妈的生日礼物”，商品图里如果出现礼盒包装、丝带、贺卡元素，比任何文字描述都更有说服力。

Lychee-rerank-mm这个多模态重排序模型，恰恰就是为解决这类问题而生的。它不像传统模型那样把图文割裂处理，而是像人一样，同时“看”图、“读”文，理解两者之间的深层关联。当用户输入一个查询，它不再只给商品打一个单一分数，而是综合评估：这张图是否真实呈现了文字描述的特征？文字描述是否准确概括了图片的核心信息？图文之间是否存在语义互补或矛盾？

这种能力，让推荐从“猜”变成了“懂”。

2. Lychee如何重新定义“相关性”

2.1 不是简单拼接，而是深度对齐

很多人以为多模态模型就是把图像特征和文本特征简单拼在一起，然后扔进一个分类器。Lychee-rerank-mm完全不是这样。它的底层基于Qwen2.5-VL-Instruct，这个基础模型经过大量图文对齐任务的强化训练，已经具备了将视觉概念和语言概念映射到同一语义空间的能力。

举个实际例子。我们用Lychee处理一组“复古收音机”商品：

• 商品A：标题写着“蓝牙复古收音机”，但主图是一张高清特写，清晰展示出黄铜旋钮、木质外壳、指针式刻度盘；
• 商品B：标题也是“蓝牙复古收音机”，但主图是一张室内场景图，收音机只占画面右下角一小块，且被虚化处理，主体是沙发和绿植。

传统模型可能会因为两个标题完全一致，给它们打差不多的分。而Lychee会敏锐地捕捉到：商品A的图片与标题中“复古”一词形成了强视觉支撑——黄铜、木质、指针，都是“复古”的典型视觉锚点；而商品B的图片则严重弱化了“复古”这一核心属性，反而强化了“家居装饰”这个次要属性。

它输出的不是一个数字，而是一种图文一致性判断：商品A的图文匹配度高达0.92，商品B只有0.47。这个差距，直接决定了它们在重排序后的最终位置。

2.2 理解“未言明”的需求

电商场景里，用户最常干的一件事就是“以图搜图”。比如看到小红书上一张绝美的卧室布置图，想找到图里同款的床头灯。这时候，用户根本没输入任何文字，全靠一张图来表达需求。

Lychee对这类场景的处理非常自然。它不会去识别图中所有物体然后逐个匹配商品库，而是提取整张图的风格语义场——色调分布、材质质感、空间构图、光影氛围。一张暖调、木质、低饱和、留白多的卧室图，会被映射到一个偏向“日式侘寂”“北欧极简”的语义区域；而一张高对比、金属、镜面、几何切割的图，则会落入“工业风”“赛博朋克”的语义区域。

更妙的是，它还能处理图文混合查询。比如用户上传一张自己家客厅的实拍图，再输入文字“想要类似风格的地毯”。Lychee会先解析图片的空间结构和现有风格，再结合文字中的“地毯”这个目标品类，最后在商品库中寻找那些既能延续原图风格、又符合地毯功能定位的商品。这不是关键词匹配，这是跨模态的“风格迁移式推荐”。

3. 实测效果：从“差不多”到“就是它”

我们选取了某大型服装电商的真实线上AB测试数据，对比了接入Lychee前后一周的核心指标变化。测试范围覆盖了女装、童装、运动户外三个高流量品类，所有实验组用户均使用同一套召回策略，仅在精排阶段替换了重排序模型。

3.1 关键指标提升一览

这些数字背后，是大量真实的用户行为变化。一位用户搜索“通勤西装外套”，旧系统推荐的前三名是销量最高的三款基础款；而Lychee推荐的第一款，是一件带微喇袖口、垂感面料、腰线剪裁的款式，商品图里模特正穿着它走进写字楼大堂。用户不仅点了进去，还顺手加购了搭配的同系列西裤。

3.2 那些“差点被埋没”的好商品

最让我们惊喜的，不是头部商品的表现，而是长尾商品的“翻盘”。

在童装类目下，有一款主打“可拆卸恐龙尾巴”的连体衣，标题朴实无华，类目也只标在“婴儿连体衣”下。旧系统里，它常年排在搜索“儿童派对服装”的第23位，几乎无人问津。接入Lychee后，它跃升至第3位。原因很简单：它的主图是一张孩子穿着这件衣服参加生日派对的抓拍照，笑容灿烂，尾巴蓬松可爱，画面充满欢乐氛围。Lychee精准捕捉到了“派对”这个场景情绪，并将其与商品的差异化功能（恐龙尾巴）强关联起来。

另一个案例是手工陶瓷杯。旧系统里，它总被淹没在“马克杯”“保温杯”的大类里。而Lychee看到它的主图——粗陶质感、手绘青花、杯沿不规则——立刻将其与“小众设计师”“手作温度”“新中式茶具”等语义标签关联，当用户搜索“有设计感的咖啡杯”时，它稳稳出现在首页。

这些商品没有海量销量背书，没有SEO优化过的标题，但它们的图片本身就在“说话”。Lychee听懂了。

4. 落地并不复杂：轻量级集成实践

很多技术团队听到“多模态模型”第一反应是“算力要求高”“部署复杂”“需要GPU集群”。Lychee-rerank-mm的设计哲学恰恰相反——它是一款轻量级、即插即用的重排序工具。

4.1 架构层面的友好设计

Lychee并非一个端到端的推荐系统，而是一个专注在“重排序”环节的精密模块。这意味着它可以无缝嵌入现有技术栈：

• 召回层不动：你原有的协同过滤、向量召回、规则召回策略完全保留；
• 精排层替换：只需将原来使用的LightGBM、DeepFM等精排模型，替换成Lychee的API调用；
• 无需改造数据流：它接受标准的商品ID、查询文本、商品主图URL三元组输入，输出一个归一化的相关性分数。

我们曾在一个已有千万级UV的电商App上做过灰度发布。整个过程只改动了不到20行代码：在原有精排服务的下游，增加一个Lychee调用节点，将召回结果批量喂给它，再按新分数重排返回给前端。从开发到上线，总共用了不到两天。

4.2 性能表现超出预期

在一台配备T4 GPU的服务器上，Lychee的实测性能如下：

• 单次请求平均耗时：128ms（含网络传输）
• 批量处理（32个商品）：310ms
• QPS（每秒查询数）：32

这个性能水平，足以支撑绝大多数中大型电商平台的实时推荐需求。更重要的是，它对硬件的要求非常亲民——没有强制要求A100/H100，T4、RTX3090甚至部分高端消费级显卡都能流畅运行。

我们还测试了它在CPU模式下的表现（关闭GPU）。虽然速度下降到单次约850ms，但对于一些对实时性要求不那么极致的场景，比如邮件营销的商品推荐、APP开屏广告选品，纯CPU部署依然可行，大大降低了初期投入门槛。

5. 值得关注的几个实用细节

5.1 中文理解能力是真正的优势

市面上不少多模态模型，英文能力很强，但中文支持很弱。Lychee-rerank-mm从训练数据到指令微调，全程深度中文优化。它不仅能理解“奶咖色”“燕麦色”“脏橘色”这类电商高频色系词，还能处理“显白”“不挑人”“遮肉”“显腿长”等主观评价型描述。

我们做过一个对比测试：同样输入“显瘦的阔腿裤”，Lychee推荐的前三款，全部是高腰、垂感面料、侧缝线设计的款式，商品图里模特的腿部线条确实被修饰得修长流畅；而某国际知名多模态模型推荐的，却是几款低腰、硬挺面料、裤脚堆叠的款式，显然没get到“显瘦”这个核心诉求。

5.2 对图片质量有“宽容度”

电商运营都知道，不是所有商品都有高质量主图。有些是工厂实拍，光线一般；有些是手机随手拍，角度随意；还有些是老款商品，图片多年未更新。

Lychee在设计时就考虑到了这点。它不像某些模型那样对图片分辨率、构图、光照过于敏感。我们故意用模糊、过曝、倾斜的图片做测试，发现它依然能稳定提取出关键语义。比如一张略微过曝的白色连衣裙图，它能忽略过曝区域，聚焦于裙摆的荷叶边设计和领口的蝴蝶结细节，从而正确匹配“甜美风连衣裙”的查询。

这种鲁棒性，让模型在真实业务场景中更具落地价值——你不需要为了模型去大规模重拍商品图。

5.3 可解释性带来运营洞察

Lychee不仅给出一个分数，还能提供简单的归因说明。比如对某个商品，它会返回：“匹配度高，主要因图文均强调‘V领’‘修身’‘垂感’三大特征”。这个能力对运营团队特别有用。

过去，运营人员只能看到“这个商品没被推起来”，却不知道是标题问题、图片问题，还是类目问题。现在，他们可以拿到具体的图文匹配分析，快速定位优化方向：是换一张更能体现“垂感”的实拍图？还是在标题里把“V领修身”提前？这种数据驱动的精细化运营，比凭经验调整高效得多。

6. 这不只是技术升级，更是用户体验的进化

用Lychee跑完第一轮AB测试后，我们没有急着看报表，而是随机采访了十几位参与测试的用户。一位95后女生的话让我印象深刻：“以前总觉得推荐的东西‘差不多’，这次点进去好几个，发现真的就是我想要的那款，连颜色和版型都刚刚好。”

这句话点出了本质。推荐系统的终极目标，从来不是追求那个冰冷的CTR数字，而是让用户在每一次滑动、每一次点击中，感受到一种被理解的默契。当算法开始真正“看见”图片里的细节、“读懂”文字背后的潜台词、“感知”图文共同营造的氛围，推荐就从机械的匹配，升维成了有温度的对话。

Lychee-rerank-mm的价值，不在于它有多前沿的架构，而在于它把多模态能力真正做进了电商的毛细血管里——轻量、稳定、懂中文、接地气。它不试图颠覆你的整个技术栈，只是安静地站在那里，把那些本该被看见的好商品，稳稳地送到对的人面前。

对于正在被“推荐不准”困扰的电商团队来说，这或许不是一场轰轰烈烈的技术革命，但绝对是一次实实在在的体验进化。

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。