Lines and Ladders：面向大规模零售价格分类体系的上下文感知多智能体框架

保持价格一致性并执行“天天低价”（Every Day Low Price）策略对全球零售商至关重要。然而，当目录涵盖数百万在售商品时，人工治理价格关系并不可行。商品变体之间定价不一致会扭曲顾客的价值感知并蚕食销量。为此，我们提出一个可扩展、上下文感知的多智能体框架，用于自动化构建“Lines and Ladders”价格分类体系。该框架采用专门化的大语言模型智能体，通过识别关键属性、抽取多模态取值并应用层次化分组逻辑来构建这些连贯的价格结构。该系统在真实企业数据上评估并已投入生产部署，其 3-Agent 系统在 Lines 上取得 0.83 的 F1 分数，通过缓解认知过载而优于单智能体基线。该系统在 Food & Consumables 品类上精确率超过 90%、召回率超过 75%，在非结构化的 General Merchandise 目录上指派准确率为 80.2%。