理应资讯
零售智能化

DoorDash 用智能体把杂货再下单延迟从约 16 秒降到 2 秒

理应编辑室 ·

据 InfoQ,DoorDash 在杂货再下单链路用批量大模型推理预计算常购清单,结合确定性校验与实时目录解析,将延迟从约 16 秒降到约 2 秒,并称购物清单浏览量翻倍、该流程下单率约升 34%。

DoorDash 工程团队披露了杂货 再下单(reorder) 链路的智能体改造。据 InfoQ 报道,此前每次请求现场拼装常购需求,端到端大约 16 秒;改造后降到约 2 秒。

做法是把重计算挪到批量侧:基于约 90 天 购买史与画像信号,用批量 LLM 推断可能复购的商品,再经确定性规则校验后写入可复用的购物清单数据。在线路径只取预计算结果,并按「原门店商品 → 目录 ID → 搜索词」解析当前可售商品,以应对换货与下架。可编辑购物界面让用户改清单而不必每次重新触发模型。

DoorDash 称该流程的购物清单浏览量约翻倍,下单率约升 34%。实现挂在 Ask DoorDash 共享智能体平台上,领域团队自管指令与工具,平台提供编排、记忆、追踪与发布控制。对零售智能化,这是「预计算 + 人可编辑」压实时智能体延迟的样本;数据来自公司自述与 InfoQ 转述。

对读者而言,可先核对手头场景是否匹配,再决定是否跟进官方文档或仓库;本稿只整理已公开事实,不替代产品手册,也不对未披露指标做外推。

# DoorDash# 杂货# 智能体# 零售# 延迟优化