企业官网建设流程全解析

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：

1. 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"。
2. 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"。
3. 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。
4. 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）。
5. 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。
6. 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：

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

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。