Teljes folyamat: Shopping

A /shopping endpoint terméket ajánl webshop látogatóknak. A felhasználó üzenet alapján keres termékeket, kategóriákat listáz, vagy ár-érzékeny keresést végez.

Hitelesítés

• public_widget_token: Widget token alapú hitelesítés (nyilvános widget)
• token_id: Token ID alapú hitelesítés (internal)

Request

{
  "text": "ajánlj órát",
  "session_id": "user-session-123",
  "public_widget_token": "widget-token-abc",
  "token_id": "internal-token-xyz"
}

Response

{
  "trace_id": "abc-123",
  "status_code": "OK",
  "body": {
    "text": "A keresésed alapján a következő terméket ajánlom: Doxa Karóra (1 200 000 Ft).",
    "products": [
      {
        "product_id": "prod-123",
        "name": "Doxa Karóra",
        "price": "1 200 000",
        "currency": "HUF",
        "image_url": "https://example.com/image.jpg",
        "product_url": "https://example.com/product/123",
        "description": "Elegáns karóra",
        "category": "óra",
        "in_stock": true,
        "score": 0.95
      }
    ]
  },
  "ux_context": {}
}

Példa

Python

import requests

BASE_URL = "https://<your-api-host>/"

response = requests.post(
    f"{BASE_URL}/shopping",
    json={
        "text": "ajánlj órát",
        "session_id": "user-session-123",
        "public_widget_token": "widget-token-abc",
    },
    headers={"Content-Type": "application/json"},
)

print(response.json())

TypeScript

const BASE_URL = "https://<your-api-host>/";

const response = await fetch(`${BASE_URL}/shopping`, {
  method: "POST",
  headers: {
    "Content-Type": "application/json",
  },
  body: JSON.stringify({
    text: "ajánlj órát",
    session_id: "user-session-123",
    public_widget_token: "widget-token-abc",
  }),
});

const result = await response.json();
console.log(result);

cURL

curl -X POST "${BASE_URL}/shopping" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "ajánlj órát",
    "session_id": "user-session-123",
    "public_widget_token": "widget-token-abc"
  }'

PHP

<?php
$BASE_URL = "https://<your-api-host>/";

$response = file_get_contents($BASE_URL . "/shopping", [
    'http' => [
        'method'  => 'POST',
        'header'  => "Content-Type: application/json\r\n",
        'content' => json_encode([
            "text" => "ajánlj órát",
            "session_id" => "user-session-123",
            "public_widget_token" => "widget-token-abc",
        ])
    ]
]);

$result = json_decode($response, true);
print_r($result);
?>

Kategória listázás (opcionális)

A felhasználó kérdezheti a termékkategóriákat. Az LLM felismeri a kategória listázás kérését és a backend automatikusan listázza a kategóriákat.

Példa

{
  "text": "milyen kategóriák vannak?",
  "session_id": "user-session-123"
}

Ár-érzékeny keresés (opcionális)

A felhasználó ár-érzékeny keresést végezhet: legolcsóbb, legdrágább, ár tartomány, vagy konkrét összeg körül.

Példák

Legolcsóbb

{
  "text": "legolcsóbb aranyórát",
  "session_id": "user-session-123"
}

Legdrágább

{
  "text": "legdrágább Rolex",
  "session_id": "user-session-123"
}

Ár tartomány

{
  "text": "doxa órát keresek 400000 és 800000 forint között",
  "session_id": "user-session-123"
}

Konkrét összeg körül

{
  "text": "keress órát 500000 Ft körül",
  "session_id": "user-session-123"
}

Mechanizmus

A /shopping endpoint a következő lépéseket követi:

1. Request parsing: A felhasználó üzenetét (text) és az opcionális paramétereket (session_id, public_widget_token, token_id) feldolgozza.

2. Shopping intent felismerés: Az LLM felismeri a shopping intent típusát:

   • Kategória listázás: A felhasználó a termékkategóriák listázását kéri
   • Ár-érzékeny keresés: Ár intent (cheapest, most_expensive, cheaper, more_expensive, price_range)
   • Normál keresés: Termék keresés

3. Tool kiválasztás: Az LLM kiválasztja a megfelelő shopping tool-t:

   • get_vector_products: Vector találatok lekérése
   • search_products: Termékek név/leírás alapján
   • search_products_by_price_range: Ártartomány
   • search_products_cheapest: Legolcsóbb N db
   • search_products_most_expensive: Legdrágább N db
   • search_products_by_single_amount: Konkrét összeg körül
   • search_products_hybrid: Hybrid keresés (vector + text/ár)
   • answer: Válasz szöveg

4. 4-list search: Minden search tool esetén 4 keresés történik:

   • vector_ids_orig: Vector találatok eredeti formában (max 5)
   • vector_ids_lemma: Vector találatok lemmatizált formában (max 5)
   • search_terms: Text keresés (max 5)
   • search_terms_lemma: Text keresés lemmatizált formában (max 5)

5. Merge és deduplikáció: A 4 lista össze van merge-elve, product_id szerint deduplikálva, majd max 20 elemet tartalmazó lista jön létre.

6. Szűrés: A keresés eredményét szűrik:

   • search_terms: A termék name/description tartalmazza a search_terms minden szavát
   • must_contain_in_products: A kérésben szereplő márka minden termékben szerepel

7. Rendezés: Cheapest/most_expensive esetén ár szerinti rendezés történik.

8. SQL generálás: A backend építi a SQL query-t a tool alapján.

9. Válasz generálás: Az LLM generál egy szöveges összefoglalót a termékek alapján.

10. Response: A válasz tartalmazza a szöveget és a termékek listáját (ShoppingProductCard).

Tip

• A /shopping endpoint a termékek közvetlen lekérdezésére szolgál a product_meta táblából.
• A termékek NEM kerülnek a RAG DocumentStore-ba.
• Az ár konvertálása Ft-ba történik, az LLM a szövegben lévő számokat értelmezi (pl. "100 ezer" = 100000).
• A 4-list search biztosítja a pontos és releváns találatokat.