1. 货拉拉营销广告场景下的大模型落地思路货拉拉的营销广告业务有个很鲜明的特点双边市场、强地域属性、高频低客单。司机端要拉新、促活、留存货主端要拉新、复购、唤醒再加上同城货运本身是即时需求驱动的用户往往在需要搬东西、拉货的那一刻才会打开App。这就决定了它的广告投放和内容营销不能像电商那样广撒网慢慢养而是要在极短的时间窗口里用最贴切的话术、最合适的渠道、最精准的人群把用户拉回来。传统做法是什么运营同学拉一张人群包写几套文案交给投放同学去跑跑完看数据好的留下、差的砍掉。这套流程的问题在于文案产能跟不上人群细分速度。货拉拉的人群标签维度非常多——城市、车型小面包/中面包/4.2米货车、货主身份个人/商户/企业、历史下单频次、常用路线、甚至是否在装修季、毕业季这种特殊节点。如果每个细分人群都要配一套文案运营同学一天写50条就到顶了但实际需要可能是500条甚至5000条。大模型进来之后最直接的改变就是把文案生产从手工作坊变成了流水线。但这里有个误区很多人以为接个大模型API写个prompt让它批量生成文案就完事了。实际做下来会发现裸调大模型生成的营销文案有三个致命问题一是不懂业务它不知道小面包和中面包在货拉拉体系里对应什么场景二是不懂合规广告法对最第一绝对这类词有硬性限制大模型不管这些三是不懂转化它写出来的文案读着通顺但缺少钩子用户看完没有点击欲望。所以货拉拉这套实践的核心思路不是用大模型替代人而是用大模型做规模化生产用人做规则约束和质量兜底。具体来说整个链路拆成四层第一层是业务知识注入。把货拉拉的车型体系、计价规则、服务承诺、各城市运营重点整理成结构化的知识库作为大模型生成时的上下文。这一步解决懂业务的问题。第二层是提示词工程与模板约束。针对不同广告位开屏、信息流、短信、Push、朋友圈设计不同的prompt模板把字数限制、必含要素、禁用词清单都写进去。这一步解决懂合规和懂格式的问题。第三层是AI智能体Agent编排。不是单次调用大模型而是搭一个工作流先做人群画像分析再选文案策略然后生成候选文案接着做合规校验最后打分排序。这一步解决懂转化的问题。第四层是人工审核与A/B测试闭环。生成出来的文案不是直接投而是进审核队列人工快速过一遍然后小流量测试数据回流后再优化prompt和知识库。这一步解决持续变好的问题。这套思路听起来不复杂但真正落地的时候坑非常多。下面我按模块拆开讲把每个环节的关键细节和实操经验都摊开说。1.1 为什么选Agent架构而不是单次大模型调用先回答一个很多人会问的问题为什么非要搞Agent直接调大模型API批量生成不行吗我试过直接调效果是这样的给大模型一个prompt帮我写20条货拉拉拉货广告文案面向搬家用户它确实能写出来但20条里有15条是货拉拉搬家拉货更轻松这种换汤不换药的表达。因为单次调用时大模型是在一个扁平的上下文里做概率采样它没有先分析再生成的思考步骤也没有生成后自检的机制。Agent架构的本质是把一个大任务拆成多个有依赖关系的小任务每个小任务由大模型或规则引擎独立完成中间结果可以互相校验。在货拉拉这个场景里Agent的工作流大概是这样人群理解节点输入是人群包ID和对应的标签描述输出是这个人群的核心痛点和沟通策略。比如近30天未下单的搬家用户痛点是可能已经找到其他方式搬家了需要唤醒策略是强调优惠降低决策门槛。策略选择节点根据人群痛点和广告位类型从策略库里选一个最合适的文案框架。比如短信渠道适合短平快强行动指令朋友圈广告适合场景共鸣品牌好感。文案生成节点把策略框架、业务知识、禁用词清单一起塞进prompt让大模型生成N条候选。合规校验节点用规则引擎小模型做双重校验规则引擎查禁用词小模型判断语义是否违规比如暗示最便宜但没用最字。质量打分节点用另一个大模型调用或者同一个模型的不同prompt对候选文案打分维度包括相关性、吸引力、行动号召力、品牌调性一致性。排序输出节点按综合得分排序取Top K进入人工审核。这个工作流跑下来文案的可用率能从裸调的20%提升到70%以上。多出来的这些调用成本相比人工写文案的时间成本完全划算。1.2 业务知识库怎么建才不白建知识库这块我见过太多团队踩坑花两周整理了一个巨大的文档结果大模型根本用不上因为检索的时候要么召回不准要么召回的内容太长把上下文撑爆了。货拉拉的做法是分层建库按需检索。具体分三层静态知识层车型介绍、服务范围、计价规则、品牌话术规范。这部分内容相对稳定做成结构化JSON每个条目带标签检索时按标签精确匹配。动态知识层各城市的运营活动、当前补贴政策、季节性营销主题。这部分更新频繁用表格维护每天同步一次。案例知识层历史跑量好的文案、审核被拒的文案、用户投诉的文案。这部分最有价值因为它包含了什么能说、什么不能说、什么说了有效的隐性知识。检索的时候不是把整个知识库塞给大模型而是根据当前任务人群渠道目标做一次轻量检索只取最相关的3-5条。这里有个经验知识条目的粒度要细最好一条就是一个独立事实。比如小面包车适合1-2人小型搬家载货空间约2立方米就是一条不要写成一大段货拉拉车型体系介绍。提示知识库的更新频率要跟业务节奏对齐。货拉拉在毕业季、春节前这种节点运营策略变化很快知识库如果一周才更新一次大模型生成的内容就会过时。2. 核心细节解析提示词、合规与质量打分2.1 提示词工程在营销文案场景的特殊打法通用的提示词工程原则角色设定、任务描述、输出格式在这里都适用但营销文案场景有几个特殊点需要额外处理。第一必须给反面例子。大模型对不要做什么的理解远不如对要做什么的理解。所以prompt里除了写文案要突出优惠力度还要写禁止出现最第一绝对100%等极限词禁止承诺具体到达时间禁止贬低同行。实测下来给了反面例子之后违规率能降一半。第二要控制创意发散度。营销文案需要一定的多样性但多样性太高会导致品牌调性失控。我们的做法是在prompt里指定文案风格标签比如亲切口语专业可靠紧迫感强每次生成时随机选2-3个风格标签组合这样既有多样性又在可控范围内。第三输出格式要强制结构化。不要让大模型自由发挥而是要求它按JSON输出每个候选文案带文案内容适用人群风格标签预估点击理由四个字段。这样后续的合规校验和打分节点才能程序化处理。一个实际用的prompt模板大概长这样简化版你是货拉拉的营销文案专家。当前任务是为【{人群描述}】生成【{渠道}】广告文案。 业务背景 {检索到的知识条目} 文案要求 1. 字数限制{渠道字数要求} 2. 必含要素{必含要素列表} 3. 风格标签{随机选中的风格标签} 4. 禁止事项禁止使用极限词、禁止承诺具体时间、禁止贬低同行 请生成{ N }条候选文案按以下JSON格式输出 [ { content: 文案内容, target_audience: 适用人群, style: 风格标签, reason: 预估点击理由 } ]这个模板的关键在于把变量和常量分离。常量部分业务背景、禁止事项每次调用都一样可以放在system prompt里变量部分人群、渠道、风格每次动态填充。这样既保证了稳定性又保留了灵活性。2.2 合规校验规则引擎和小模型的双保险广告合规是红线不能全靠大模型自觉。货拉拉的做法是规则引擎做硬拦截小模型做软判断。规则引擎这块比较直接维护一个禁用词库包括广告法明令禁止的极限词、货拉拉内部规定的敏感词、各渠道平台的特殊限制词。文案生成后先过一遍规则引擎命中就直接打回。这里有个细节禁用词要做变体匹配。比如最便宜要拦截最 便宜最便 宜蕞便宜也要拦截不然很容易被绕过。小模型这块是补充规则引擎的不足。有些文案没有命中禁用词但语义上有问题。比如货拉拉帮你把东西搬得比谁都快没有极限词但暗示了比同行快属于不正当竞争。这种就需要一个小模型或者用大模型加特定prompt来判断。我们的做法是训练一个二分类小模型输入文案输出合规/不合规/待人工确认三分类。训练数据来自历史审核记录准确率能做到90%以上剩下的10%进人工审核。注意合规校验不能只做一次。文案在生成节点校验完进入打分节点后如果被修改比如为了凑字数调整了措辞要重新校验。我见过因为漏了这一步导致违规文案上线的案例教训很深刻。2.3 质量打分怎么让大模型判断哪条文案更好质量打分是整个链路里最玄学的部分因为好文案本身没有绝对标准。我们的做法是把主观判断拆成可量化的维度让大模型逐项打分最后加权求和。具体维度包括维度说明权重相关性文案是否切中目标人群的核心需求30%吸引力是否有让人想继续读/点击的钩子25%行动号召力是否有明确的下一步指令20%品牌调性是否符合货拉拉可靠、亲切、高效的调性15%信息完整度是否包含了必要的业务信息如优惠、车型10%打分时把候选文案和打分标准一起给大模型让它输出每个维度的分数1-5分和简短理由。这里有个技巧让大模型先写理由再打分而不是直接打分。因为先写理由会迫使它做更深入的语义分析打出来的分更靠谱。实测下来先写理由的打分一致性比直接打分高30%左右。打分完成后按加权总分排序取Top 5进入人工审核。人工审核不是从头看而是重点看大模型打分高但人工觉得一般和大模型打分低但人工觉得不错的case这些case是优化prompt和打分标准的最佳素材。3. 实操过程从人群包到广告上线的完整链路3.1 人群包接入与画像解析整个链路的起点是人群包。货拉拉的营销系统里人群包由数据团队产出每个包有一个ID和一组标签描述。Agent要做的第一件事是把这些标签翻译成大模型能理解的自然语言描述。比如一个原始人群包标签是city:shanghai, user_type:personal, last_order_days:30-60, order_type:move。翻译成自然语言就是上海地区、个人货主、最近一次下单在30-60天前、历史订单类型为搬家。翻译完之后还要做一步痛点推断。这一步可以用大模型做也可以查预置的规则表。比如30-60天未下单的搬家用户痛点推断是可能已经完成搬家或者找到了其他替代方案需要唤醒或挖掘新需求。这个痛点推断结果会作为后续策略选择的输入。这里有个实操经验人群包不要太大。如果一个包覆盖几百万人生成一套文案投出去效果很难归因。我们的做法是把大包拆成小包每个小包控制在10-50万人每个小包单独生成文案、单独投放、单独看数据。这样虽然管理成本高一点但优化迭代的速度快很多。3.2 策略选择与文案框架匹配策略选择节点本质上是一个路由逻辑根据人群痛点、渠道类型、营销目标从策略库里选一个最合适的文案框架。策略库是我们人工维护的大概有20-30个框架每个框架定义了文案的结构和重点。举几个例子唤醒框架适合长期未下单用户。结构是好久不见专属优惠行动指令。示例好久没叫货拉拉了送你一张8折券今天下单立减。场景框架适合有明确场景需求的用户。结构是场景描述解决方案行动指令。示例搬家东西太多货拉拉小面包车一车搞定随叫随到。紧迫框架适合促销活动期。结构是限时信息优惠力度行动指令。示例今日最后一天货拉拉搬家券5折抢错过等一年。信任框架适合新用户。结构是品牌背书服务承诺行动指令。示例货拉拉全国300城覆盖百万司机在线搬家拉货放心叫。策略选择节点用大模型做prompt里把人群痛点、渠道类型、可选框架列表都给进去让它选一个并说明理由。实测下来大模型选框架的准确率大概80%剩下20%会在人工审核时被调整。这个准确率已经够用了因为即使选错框架后面的文案生成和打分环节还有机会纠正。3.3 文案生成与批量处理文案生成节点是整个链路里调用量最大的。一个中等规模的投放活动可能需要生成几千条候选文案。这里要考虑两个问题成本和速度。成本方面我们用的是大模型生成小模型初筛的组合。大模型负责生成高质量的候选小模型负责快速过滤掉明显不合格的比如字数超了、格式错了。这样大模型的调用量可以控制在合理范围内。速度方面批量生成时用异步调用不要一条一条同步等。我们的做法是把生成任务拆成批次每批50条并发调用整体生成时间从原来的几十分钟压缩到几分钟。生成出来的文案先过格式校验JSON是否合法、字段是否齐全再过合规校验然后进打分节点。这里有个细节打分节点和生成节点可以用不同的模型。生成用能力强的模型打分用速度快、成本低的模型这样整体成本更优。3.4 人工审核与A/B测试闭环人工审核这块我们的原则是**快审抽检**。快审是每条文案人工过一眼主要看有没有明显的语义问题、品牌调性问题抽检是每天随机抽10%的文案做深度审核看大模型的打分和人工判断是否一致。审核通过的文案进入A/B测试环节。测试设计有几个要点对照组要合理不能只测大模型生成的文案还要留一组人工写的文案做对照这样才能知道大模型到底有没有提升。样本量要够每条文案至少要有几千次曝光数据才有统计意义。所以测试时不要一次上太多文案宁可分批测。指标要明确不同渠道看不同指标。短信看点击率和转化率Push看打开率朋友圈看互动率和转化率。测试数据回流后做两件事一是把跑量好的文案加入案例知识库作为后续生成的参考二是分析大模型打分和实际效果的偏差优化打分维度和权重。这个闭环跑起来之后文案的点击率大概能提升20-30%转化率提升10-15%。4. 常见问题与排查技巧实录4.1 大模型生成内容千篇一律怎么办这是最常见的问题。表现是生成的文案读起来都差不多缺乏新意。原因通常有三个一是prompt里的风格标签太少大模型没有足够的多样性输入二是知识库检索出来的内容太相似导致生成时参考的素材单一三是打分节点的权重设置过于偏向安全把有创意的文案都筛掉了。解决办法在prompt里增加随机种子机制。具体做法是每次生成时从风格标签库、案例库、句式模板库里随机抽取组合让每次生成的输入上下文都不一样。另外打分节点的吸引力权重可以适当调高给有创意的文案更多机会。4.2 合规校验误杀率太高怎么调合规校验太严会把很多正常文案拦下来导致可用率下降。我们的经验是分级处理规则引擎命中的直接拦截小模型判断不合规的进人工复核队列而不是直接丢弃。人工复核时如果确认是误杀就把这条case加入小模型的训练数据迭代几轮之后误杀率会明显下降。另外禁用词库要定期review。有些词在特定语境下是合规的比如第一在第一时间响应里就没问题但在行业第一里就违规。这种语境相关的判断规则引擎做不了要靠小模型或者人工。4.3 文案效果波动大怎么归因有时候同一套文案今天投效果很好明天投效果就很差。这种波动可能来自几个方面人群包质量变化、渠道流量质量变化、外部竞争环境变化、文案疲劳。排查的时候先看人群包和渠道数据有没有异常如果没有再看是不是文案疲劳——同一批用户反复看到相似文案点击率自然会下降。解决办法是建立文案轮换机制。每个文案设置一个疲劳阈值曝光达到一定次数后自动下线换新的文案。同时在生成时增加与历史文案的差异度作为打分维度避免生成和已投文案太像的内容。4.4 常见问题速查表问题现象可能原因排查方向解决建议文案可用率低prompt约束太严/知识库不匹配检查prompt禁用词和知识库检索结果放宽非红线约束优化知识库粒度合规误杀率高小模型训练数据偏差分析误杀case的共性补充训练数据调整分类阈值文案同质化严重风格标签少/案例库单一检查生成时的随机输入扩充风格库和案例库效果波动大人群/渠道变化/文案疲劳对比历史数据看曝光频次建立轮换机制增加差异度打分生成速度慢同步调用/批次太小检查调用方式和批次大小改异步并发增大批次打分不准维度权重不合理对比人工判断和大模型打分调整权重增加先写理由步骤4.5 几个踩过的坑和实操心得坑一知识库更新不及时导致文案翻车。有一次货拉拉调整了某城市的计价规则但知识库没同步大模型生成的文案里还写着旧价格投出去之后被用户投诉。后来我们加了一个机制知识库更新后自动触发一次全量文案的重新校验把过时的文案标记出来。坑二过度依赖大模型打分。早期我们完全按大模型打分排序结果发现有些打分很高的文案实际效果一般。后来改成大模型打分人工抽检小流量测试三重验证才把这个问题解决。坑三忽略渠道特性。同一个文案在短信里效果好在朋友圈里可能就很差。因为短信是强触达短阅读朋友圈是弱触达场景化阅读。后来我们在prompt里强制要求标注渠道并且针对每个渠道单独维护了一套文案规范。心得一人工审核不能省。不管大模型多强营销文案最终是要面向真实用户的人工审核是最后一道防线。我们的做法是审核同学只做通过/不通过的快速判断不做修改修改交给大模型重新生成这样效率最高。心得二数据回流要自动化。文案效果数据如果靠人工导出、人工分析迭代速度会非常慢。我们的做法是搭了一个自动化看板每天自动拉取各渠道数据自动计算每条文案的点击率、转化率自动标记优秀/合格/淘汰运营同学只需要看标记结果就行。心得三prompt要版本管理。prompt改来改去如果没有版本管理很容易出现改坏了不知道改哪了的情况。我们的做法是把prompt当成代码来管理每次修改都记录版本号、修改内容、修改原因方便回溯。这套东西跑下来最大的感受是大模型在营销广告里的价值不在于它写得多好而在于它写得够多、够快、够便宜。人工写一条精品文案可能需要半小时大模型写一条及格文案只需要几秒钟。把大模型用在规模化生产上把人工用在质量把控和策略制定上这个分工才是合理的。至于那些追求大模型写出爆款文案的想法我个人的经验是爆款靠的是对用户的深刻理解大模型目前还做不到这一点但它可以帮你把及格线以上的文案批量生产出来让你有更多精力去研究用户。
货拉拉大模型营销文案落地：Agent架构与合规实践
1. 货拉拉营销广告场景下的大模型落地思路货拉拉的营销广告业务有个很鲜明的特点双边市场、强地域属性、高频低客单。司机端要拉新、促活、留存货主端要拉新、复购、唤醒再加上同城货运本身是即时需求驱动的用户往往在需要搬东西、拉货的那一刻才会打开App。这就决定了它的广告投放和内容营销不能像电商那样广撒网慢慢养而是要在极短的时间窗口里用最贴切的话术、最合适的渠道、最精准的人群把用户拉回来。传统做法是什么运营同学拉一张人群包写几套文案交给投放同学去跑跑完看数据好的留下、差的砍掉。这套流程的问题在于文案产能跟不上人群细分速度。货拉拉的人群标签维度非常多——城市、车型小面包/中面包/4.2米货车、货主身份个人/商户/企业、历史下单频次、常用路线、甚至是否在装修季、毕业季这种特殊节点。如果每个细分人群都要配一套文案运营同学一天写50条就到顶了但实际需要可能是500条甚至5000条。大模型进来之后最直接的改变就是把文案生产从手工作坊变成了流水线。但这里有个误区很多人以为接个大模型API写个prompt让它批量生成文案就完事了。实际做下来会发现裸调大模型生成的营销文案有三个致命问题一是不懂业务它不知道小面包和中面包在货拉拉体系里对应什么场景二是不懂合规广告法对最第一绝对这类词有硬性限制大模型不管这些三是不懂转化它写出来的文案读着通顺但缺少钩子用户看完没有点击欲望。所以货拉拉这套实践的核心思路不是用大模型替代人而是用大模型做规模化生产用人做规则约束和质量兜底。具体来说整个链路拆成四层第一层是业务知识注入。把货拉拉的车型体系、计价规则、服务承诺、各城市运营重点整理成结构化的知识库作为大模型生成时的上下文。这一步解决懂业务的问题。第二层是提示词工程与模板约束。针对不同广告位开屏、信息流、短信、Push、朋友圈设计不同的prompt模板把字数限制、必含要素、禁用词清单都写进去。这一步解决懂合规和懂格式的问题。第三层是AI智能体Agent编排。不是单次调用大模型而是搭一个工作流先做人群画像分析再选文案策略然后生成候选文案接着做合规校验最后打分排序。这一步解决懂转化的问题。第四层是人工审核与A/B测试闭环。生成出来的文案不是直接投而是进审核队列人工快速过一遍然后小流量测试数据回流后再优化prompt和知识库。这一步解决持续变好的问题。这套思路听起来不复杂但真正落地的时候坑非常多。下面我按模块拆开讲把每个环节的关键细节和实操经验都摊开说。1.1 为什么选Agent架构而不是单次大模型调用先回答一个很多人会问的问题为什么非要搞Agent直接调大模型API批量生成不行吗我试过直接调效果是这样的给大模型一个prompt帮我写20条货拉拉拉货广告文案面向搬家用户它确实能写出来但20条里有15条是货拉拉搬家拉货更轻松这种换汤不换药的表达。因为单次调用时大模型是在一个扁平的上下文里做概率采样它没有先分析再生成的思考步骤也没有生成后自检的机制。Agent架构的本质是把一个大任务拆成多个有依赖关系的小任务每个小任务由大模型或规则引擎独立完成中间结果可以互相校验。在货拉拉这个场景里Agent的工作流大概是这样人群理解节点输入是人群包ID和对应的标签描述输出是这个人群的核心痛点和沟通策略。比如近30天未下单的搬家用户痛点是可能已经找到其他方式搬家了需要唤醒策略是强调优惠降低决策门槛。策略选择节点根据人群痛点和广告位类型从策略库里选一个最合适的文案框架。比如短信渠道适合短平快强行动指令朋友圈广告适合场景共鸣品牌好感。文案生成节点把策略框架、业务知识、禁用词清单一起塞进prompt让大模型生成N条候选。合规校验节点用规则引擎小模型做双重校验规则引擎查禁用词小模型判断语义是否违规比如暗示最便宜但没用最字。质量打分节点用另一个大模型调用或者同一个模型的不同prompt对候选文案打分维度包括相关性、吸引力、行动号召力、品牌调性一致性。排序输出节点按综合得分排序取Top K进入人工审核。这个工作流跑下来文案的可用率能从裸调的20%提升到70%以上。多出来的这些调用成本相比人工写文案的时间成本完全划算。1.2 业务知识库怎么建才不白建知识库这块我见过太多团队踩坑花两周整理了一个巨大的文档结果大模型根本用不上因为检索的时候要么召回不准要么召回的内容太长把上下文撑爆了。货拉拉的做法是分层建库按需检索。具体分三层静态知识层车型介绍、服务范围、计价规则、品牌话术规范。这部分内容相对稳定做成结构化JSON每个条目带标签检索时按标签精确匹配。动态知识层各城市的运营活动、当前补贴政策、季节性营销主题。这部分更新频繁用表格维护每天同步一次。案例知识层历史跑量好的文案、审核被拒的文案、用户投诉的文案。这部分最有价值因为它包含了什么能说、什么不能说、什么说了有效的隐性知识。检索的时候不是把整个知识库塞给大模型而是根据当前任务人群渠道目标做一次轻量检索只取最相关的3-5条。这里有个经验知识条目的粒度要细最好一条就是一个独立事实。比如小面包车适合1-2人小型搬家载货空间约2立方米就是一条不要写成一大段货拉拉车型体系介绍。提示知识库的更新频率要跟业务节奏对齐。货拉拉在毕业季、春节前这种节点运营策略变化很快知识库如果一周才更新一次大模型生成的内容就会过时。2. 核心细节解析提示词、合规与质量打分2.1 提示词工程在营销文案场景的特殊打法通用的提示词工程原则角色设定、任务描述、输出格式在这里都适用但营销文案场景有几个特殊点需要额外处理。第一必须给反面例子。大模型对不要做什么的理解远不如对要做什么的理解。所以prompt里除了写文案要突出优惠力度还要写禁止出现最第一绝对100%等极限词禁止承诺具体到达时间禁止贬低同行。实测下来给了反面例子之后违规率能降一半。第二要控制创意发散度。营销文案需要一定的多样性但多样性太高会导致品牌调性失控。我们的做法是在prompt里指定文案风格标签比如亲切口语专业可靠紧迫感强每次生成时随机选2-3个风格标签组合这样既有多样性又在可控范围内。第三输出格式要强制结构化。不要让大模型自由发挥而是要求它按JSON输出每个候选文案带文案内容适用人群风格标签预估点击理由四个字段。这样后续的合规校验和打分节点才能程序化处理。一个实际用的prompt模板大概长这样简化版你是货拉拉的营销文案专家。当前任务是为【{人群描述}】生成【{渠道}】广告文案。 业务背景 {检索到的知识条目} 文案要求 1. 字数限制{渠道字数要求} 2. 必含要素{必含要素列表} 3. 风格标签{随机选中的风格标签} 4. 禁止事项禁止使用极限词、禁止承诺具体时间、禁止贬低同行 请生成{ N }条候选文案按以下JSON格式输出 [ { content: 文案内容, target_audience: 适用人群, style: 风格标签, reason: 预估点击理由 } ]这个模板的关键在于把变量和常量分离。常量部分业务背景、禁止事项每次调用都一样可以放在system prompt里变量部分人群、渠道、风格每次动态填充。这样既保证了稳定性又保留了灵活性。2.2 合规校验规则引擎和小模型的双保险广告合规是红线不能全靠大模型自觉。货拉拉的做法是规则引擎做硬拦截小模型做软判断。规则引擎这块比较直接维护一个禁用词库包括广告法明令禁止的极限词、货拉拉内部规定的敏感词、各渠道平台的特殊限制词。文案生成后先过一遍规则引擎命中就直接打回。这里有个细节禁用词要做变体匹配。比如最便宜要拦截最 便宜最便 宜蕞便宜也要拦截不然很容易被绕过。小模型这块是补充规则引擎的不足。有些文案没有命中禁用词但语义上有问题。比如货拉拉帮你把东西搬得比谁都快没有极限词但暗示了比同行快属于不正当竞争。这种就需要一个小模型或者用大模型加特定prompt来判断。我们的做法是训练一个二分类小模型输入文案输出合规/不合规/待人工确认三分类。训练数据来自历史审核记录准确率能做到90%以上剩下的10%进人工审核。注意合规校验不能只做一次。文案在生成节点校验完进入打分节点后如果被修改比如为了凑字数调整了措辞要重新校验。我见过因为漏了这一步导致违规文案上线的案例教训很深刻。2.3 质量打分怎么让大模型判断哪条文案更好质量打分是整个链路里最玄学的部分因为好文案本身没有绝对标准。我们的做法是把主观判断拆成可量化的维度让大模型逐项打分最后加权求和。具体维度包括维度说明权重相关性文案是否切中目标人群的核心需求30%吸引力是否有让人想继续读/点击的钩子25%行动号召力是否有明确的下一步指令20%品牌调性是否符合货拉拉可靠、亲切、高效的调性15%信息完整度是否包含了必要的业务信息如优惠、车型10%打分时把候选文案和打分标准一起给大模型让它输出每个维度的分数1-5分和简短理由。这里有个技巧让大模型先写理由再打分而不是直接打分。因为先写理由会迫使它做更深入的语义分析打出来的分更靠谱。实测下来先写理由的打分一致性比直接打分高30%左右。打分完成后按加权总分排序取Top 5进入人工审核。人工审核不是从头看而是重点看大模型打分高但人工觉得一般和大模型打分低但人工觉得不错的case这些case是优化prompt和打分标准的最佳素材。3. 实操过程从人群包到广告上线的完整链路3.1 人群包接入与画像解析整个链路的起点是人群包。货拉拉的营销系统里人群包由数据团队产出每个包有一个ID和一组标签描述。Agent要做的第一件事是把这些标签翻译成大模型能理解的自然语言描述。比如一个原始人群包标签是city:shanghai, user_type:personal, last_order_days:30-60, order_type:move。翻译成自然语言就是上海地区、个人货主、最近一次下单在30-60天前、历史订单类型为搬家。翻译完之后还要做一步痛点推断。这一步可以用大模型做也可以查预置的规则表。比如30-60天未下单的搬家用户痛点推断是可能已经完成搬家或者找到了其他替代方案需要唤醒或挖掘新需求。这个痛点推断结果会作为后续策略选择的输入。这里有个实操经验人群包不要太大。如果一个包覆盖几百万人生成一套文案投出去效果很难归因。我们的做法是把大包拆成小包每个小包控制在10-50万人每个小包单独生成文案、单独投放、单独看数据。这样虽然管理成本高一点但优化迭代的速度快很多。3.2 策略选择与文案框架匹配策略选择节点本质上是一个路由逻辑根据人群痛点、渠道类型、营销目标从策略库里选一个最合适的文案框架。策略库是我们人工维护的大概有20-30个框架每个框架定义了文案的结构和重点。举几个例子唤醒框架适合长期未下单用户。结构是好久不见专属优惠行动指令。示例好久没叫货拉拉了送你一张8折券今天下单立减。场景框架适合有明确场景需求的用户。结构是场景描述解决方案行动指令。示例搬家东西太多货拉拉小面包车一车搞定随叫随到。紧迫框架适合促销活动期。结构是限时信息优惠力度行动指令。示例今日最后一天货拉拉搬家券5折抢错过等一年。信任框架适合新用户。结构是品牌背书服务承诺行动指令。示例货拉拉全国300城覆盖百万司机在线搬家拉货放心叫。策略选择节点用大模型做prompt里把人群痛点、渠道类型、可选框架列表都给进去让它选一个并说明理由。实测下来大模型选框架的准确率大概80%剩下20%会在人工审核时被调整。这个准确率已经够用了因为即使选错框架后面的文案生成和打分环节还有机会纠正。3.3 文案生成与批量处理文案生成节点是整个链路里调用量最大的。一个中等规模的投放活动可能需要生成几千条候选文案。这里要考虑两个问题成本和速度。成本方面我们用的是大模型生成小模型初筛的组合。大模型负责生成高质量的候选小模型负责快速过滤掉明显不合格的比如字数超了、格式错了。这样大模型的调用量可以控制在合理范围内。速度方面批量生成时用异步调用不要一条一条同步等。我们的做法是把生成任务拆成批次每批50条并发调用整体生成时间从原来的几十分钟压缩到几分钟。生成出来的文案先过格式校验JSON是否合法、字段是否齐全再过合规校验然后进打分节点。这里有个细节打分节点和生成节点可以用不同的模型。生成用能力强的模型打分用速度快、成本低的模型这样整体成本更优。3.4 人工审核与A/B测试闭环人工审核这块我们的原则是**快审抽检**。快审是每条文案人工过一眼主要看有没有明显的语义问题、品牌调性问题抽检是每天随机抽10%的文案做深度审核看大模型的打分和人工判断是否一致。审核通过的文案进入A/B测试环节。测试设计有几个要点对照组要合理不能只测大模型生成的文案还要留一组人工写的文案做对照这样才能知道大模型到底有没有提升。样本量要够每条文案至少要有几千次曝光数据才有统计意义。所以测试时不要一次上太多文案宁可分批测。指标要明确不同渠道看不同指标。短信看点击率和转化率Push看打开率朋友圈看互动率和转化率。测试数据回流后做两件事一是把跑量好的文案加入案例知识库作为后续生成的参考二是分析大模型打分和实际效果的偏差优化打分维度和权重。这个闭环跑起来之后文案的点击率大概能提升20-30%转化率提升10-15%。4. 常见问题与排查技巧实录4.1 大模型生成内容千篇一律怎么办这是最常见的问题。表现是生成的文案读起来都差不多缺乏新意。原因通常有三个一是prompt里的风格标签太少大模型没有足够的多样性输入二是知识库检索出来的内容太相似导致生成时参考的素材单一三是打分节点的权重设置过于偏向安全把有创意的文案都筛掉了。解决办法在prompt里增加随机种子机制。具体做法是每次生成时从风格标签库、案例库、句式模板库里随机抽取组合让每次生成的输入上下文都不一样。另外打分节点的吸引力权重可以适当调高给有创意的文案更多机会。4.2 合规校验误杀率太高怎么调合规校验太严会把很多正常文案拦下来导致可用率下降。我们的经验是分级处理规则引擎命中的直接拦截小模型判断不合规的进人工复核队列而不是直接丢弃。人工复核时如果确认是误杀就把这条case加入小模型的训练数据迭代几轮之后误杀率会明显下降。另外禁用词库要定期review。有些词在特定语境下是合规的比如第一在第一时间响应里就没问题但在行业第一里就违规。这种语境相关的判断规则引擎做不了要靠小模型或者人工。4.3 文案效果波动大怎么归因有时候同一套文案今天投效果很好明天投效果就很差。这种波动可能来自几个方面人群包质量变化、渠道流量质量变化、外部竞争环境变化、文案疲劳。排查的时候先看人群包和渠道数据有没有异常如果没有再看是不是文案疲劳——同一批用户反复看到相似文案点击率自然会下降。解决办法是建立文案轮换机制。每个文案设置一个疲劳阈值曝光达到一定次数后自动下线换新的文案。同时在生成时增加与历史文案的差异度作为打分维度避免生成和已投文案太像的内容。4.4 常见问题速查表问题现象可能原因排查方向解决建议文案可用率低prompt约束太严/知识库不匹配检查prompt禁用词和知识库检索结果放宽非红线约束优化知识库粒度合规误杀率高小模型训练数据偏差分析误杀case的共性补充训练数据调整分类阈值文案同质化严重风格标签少/案例库单一检查生成时的随机输入扩充风格库和案例库效果波动大人群/渠道变化/文案疲劳对比历史数据看曝光频次建立轮换机制增加差异度打分生成速度慢同步调用/批次太小检查调用方式和批次大小改异步并发增大批次打分不准维度权重不合理对比人工判断和大模型打分调整权重增加先写理由步骤4.5 几个踩过的坑和实操心得坑一知识库更新不及时导致文案翻车。有一次货拉拉调整了某城市的计价规则但知识库没同步大模型生成的文案里还写着旧价格投出去之后被用户投诉。后来我们加了一个机制知识库更新后自动触发一次全量文案的重新校验把过时的文案标记出来。坑二过度依赖大模型打分。早期我们完全按大模型打分排序结果发现有些打分很高的文案实际效果一般。后来改成大模型打分人工抽检小流量测试三重验证才把这个问题解决。坑三忽略渠道特性。同一个文案在短信里效果好在朋友圈里可能就很差。因为短信是强触达短阅读朋友圈是弱触达场景化阅读。后来我们在prompt里强制要求标注渠道并且针对每个渠道单独维护了一套文案规范。心得一人工审核不能省。不管大模型多强营销文案最终是要面向真实用户的人工审核是最后一道防线。我们的做法是审核同学只做通过/不通过的快速判断不做修改修改交给大模型重新生成这样效率最高。心得二数据回流要自动化。文案效果数据如果靠人工导出、人工分析迭代速度会非常慢。我们的做法是搭了一个自动化看板每天自动拉取各渠道数据自动计算每条文案的点击率、转化率自动标记优秀/合格/淘汰运营同学只需要看标记结果就行。心得三prompt要版本管理。prompt改来改去如果没有版本管理很容易出现改坏了不知道改哪了的情况。我们的做法是把prompt当成代码来管理每次修改都记录版本号、修改内容、修改原因方便回溯。这套东西跑下来最大的感受是大模型在营销广告里的价值不在于它写得多好而在于它写得够多、够快、够便宜。人工写一条精品文案可能需要半小时大模型写一条及格文案只需要几秒钟。把大模型用在规模化生产上把人工用在质量把控和策略制定上这个分工才是合理的。至于那些追求大模型写出爆款文案的想法我个人的经验是爆款靠的是对用户的深刻理解大模型目前还做不到这一点但它可以帮你把及格线以上的文案批量生产出来让你有更多精力去研究用户。
