Đang tải bảng tin…
InfoQ0 Hot0 bình luận3 phút đọc
How DoorDash Built an AI Shopping Assistant That Doesn’t Rely on the LLM Alone
DoorDash published a three-part engineering deep dive on Ask DoorDash, its conversational AI shopping assistant. The system combines LLMs, specialized domain agents, Model Context Protocol (MCP)-based tooling, and a three-tier memory architecture (long-term, session, and agentic memory) to deliver personalized grocery and restaurant discovery experiences. An intelligence layer retrieves relevant memories via semantic vector search and injects them into prompts, separating memory management from model inference. Business logic is exposed through reusable MCP tools backed by existing DoorDash services rather than embedded in prompts. An automated evaluation framework simulates stateful conversations at scale, running over 2,000 daily evaluations and cutting regression testing from six hours to twenty minutes. Early production results include 24% higher grocery checkout conversion, 17% larger basket sizes, 7% fewer conversational turns, and a 35% latency reduction validated without quality regression.
Nguồn: https://www.infoq.com/news/2026/07/doordash-ai-ask-assistant. 8sync News chỉ tóm tắt và dẫn link; bản quyền nội dung thuộc tác giả và nguồn gốc.
Đề xuất cho bạn
Telerik1 Hot16 phútAI
Introduction to Agent Authentication and Authorization on Mastra Using Firebase
Bài viết hướng dẫn chi tiết cách bảo mật các AI agent xây dựng bằng Mastra sử dụng Firebase authentication và authorization trong ứng dụng Next.js. Nó bao gồm bốn lớp bảo mật: bảo vệ route frontend, xác thực token route API, phân quyền dựa trên vai trò qua Firestore, và bảo vệ server Mastra native bằng lớp MastraAuthFirebase.
Lập trình viên Next.js cần đọc bài này để nhanh chóng triển khai bảo mật cho ứng dụng AI của mình bằng Firebase, từ xác thực người dùng đến kiểm soát quyền truy cập theo vai trò, tránh rủi ro bảo mật khi triển khai hệ thống agent.
