DoorDash 分享其 AI 杂货复购流程的优化实践：通过预计算周期性购买需求，而不是每次请求都重新构建，将流程延迟从约 16 秒降至 2 秒。DoorDash 称，购物清单浏览量因此翻倍，该流程下单率提升约 34%。 实现上结合了批量 LLM 推理、确定性校验和实时商品目录解析，运行在 Ask DoorDash 的共享智能体平台上。系统仍会在需要额外推理时调用 Grocery 智能体，而改数量、删商品等简单操作直接更新清单，不再多一次 LLM 往返。
AI 根据报道生成 · 2 小时前更新
沿着报道，了解事件的不同侧面。
DoorDash 通过预计算周期性购买需求，将 AI 杂货复购流程的延迟从约 16 秒降至 2 秒，购物清单浏览量翻倍、该流程下单率提升约 34%。实现上结合批量 LLM 推理、确定性校验和实时商品目录解析，运行在 Ask DoorDash 的共享智能体平台上。系统仍会在需要额外推理时调用 Grocery 智能体，而改数量、删商品等简单操作直接更新清单，不再多一次 LLM 往返。
还没有足够的连续观测数据，暂不绘制趋势。