多数人做竞品定价监控,是让 AI 把页面「总结一下价格情况」,然后复制粘贴进表格。结果是每次字段不一样、单位混着写、促销价和原价分不清,三个月后这张表没法比。问题不在模型,在于没有先定死字段和模板,也没规定谁来复核。

先定字段,再让 AI 干活

判断:字段不固定,抽取结果一定不可比。先把要监控的列写死,宁可少几列。

建议的最小字段集:产品名、规格、标价、到手价、币种、价格单位、促销说明、抓取日期、来源链接。标价和到手价必须分开,否则后期无法判断降价是调价还是活动。单位单独成列,不要把「500ml」塞进产品名里。

用固定模板约束输出

判断:自然语言输出无法入表。要求 AI 只返回结构化结果,字段名与你表头完全一致。

把下面这段直接复制到对话或接口的系统提示里,替换方括号内容:

你是价格信息抽取器。从给定页面文本中抽取竞品价格,只输出 JSON 数组,不要解释。
字段:product_name, spec, list_price, final_price, currency, price_unit, promo_note, capture_date, source_url
规则:
1. 找不到的字段填 null,不要猜测,不要用估算值。
2. list_price 为页面标示的原价,final_price 为实际可成交价,含优惠券和满减。
3. 价格只保留数字,不带货币符号;currency 用 ISO 代码,如 CNY。
4. promo_note 只写页面明确出现的促销条件,不超过 20 字。
5. 同一产品有多个规格时,每个规格单独一条。
6. 页面未出现价格时,输出空数组 []。
待抽取文本:
[粘贴页面正文]

输出后用固定脚本转成表格行,字段顺序、日期格式、小数位都在脚本里统一,不靠人工整理。

人工抽检按比例来,不靠感觉

判断:全量核对等于没上 AI,完全不核对等于没做监控。抽检比例要写进流程。

  • 新接入的来源,前 50 条全查,确认字段映射正确后再降比例。
  • 稳定来源按 10% 抽检,每周一次,重点看 final_price 和 promo_note。
  • 页面改版、大促开始前后,临时提到 30%,持续一周。
  • 抽检发现错误率超过 5%,当天停止该来源入库,修提示词后重新全查。

抽检要留记录:抽了哪几条、错在哪、改了什么。错误类型归成三类——漏抽、错位、价格口径错,便于定位是提示词问题还是页面问题。

把异常交给规则,不交给模型

判断:模型不擅长判断「这个价格是否合理」,规则更可靠。

入库后跑几条简单校验:到手价高于标价、价格波动超过 30%、同一产品连续三天价格不变但促销说明变化、币种与来源地区不符。命中的行标黄,进人工队列。这样抽检之外还有一层兜底,成本很低。

什么情况下这套做法不适用

价格不在页面正文里、要靠登录或交互才出现,抽取成功率会很低,先解决取数再谈抽取。SKU 数量在几百以内、更新频率低于每周一次时,人工维护更省事。需要按会员等级、地区、时间实时变价,静态表格本身就不是合适的载体。促销规则复杂到需要多条件叠加计算时,AI 抽出的到手价不可信,应只记录原始价格和规则原文,计算交给业务方。