DoorDash提前分析顾客的重复购物需求，将其AI杂货复购流程的等待时间从约16秒缩短至2秒。公司称，此举使购物清单查看量翻倍，流程下单率提升约34%。这项功能由其对话式购物助手 Ask DoorDash 提供。
过去，每次顾客打开复购请求时，AI模型都要重新推断顾客可能需要什么。现在，DoorDash会提前分析顾客过去90天的购买记录和个人资料信号。大型语言模型（LLM）——也就是聊天机器人背后的那类AI——会推荐可能属于重复购买的商品。随后，系统通过另一套固定检查来核验推荐，再保存可重复使用的清单数据。
顾客打开清单后会发生什么？
实时请求会调取预先准备好的清单，并逐项核对当前商品目录。系统会先尝试匹配原门店商品，再匹配目录中的商品ID，最后使用搜索词。这样的顺序能帮助系统处理商品信息变更或缺货的情况，同时避免每次请求都重新分析历史购买记录。
并非每项操作都需要再次调用AI。顾客可以直接调整商品数量或移除商品，更新后的清单会成为智能体下一轮交互的起点。DoorDash表示，当请求需要更多判断时，仍会使用 Grocery agent，例如根据当前价格、促销、包装规格、库存和顾客偏好寻找更便宜的选择。
为其他智能体提供共享平台
这套杂货系统采用DoorDash的共享智能体平台，平台提供智能体协同工具、记忆功能、模型调用、追踪、评估和受控发布等能力。各团队仍负责管理各自智能体的指令、工具和评估标准。DoorDash工程师 Twisha Jain 将这种做法概括为：判断哪些工作应放在智能体的实时处理环节，哪些可以提前完成。
DoorDash称，将其 Reservations agent 接入共享平台只花了一周，速度约为开发首批领域智能体的十倍。这表明，除了加快杂货复购之外，公司还有第二个目标：让团队更容易基于共同基础设施构建智能体。DoorDash的设计还将购物清单视为可编辑对象，而不只是聊天记录，因此顾客直接做出的更改会优先生效。
为什么重要
对DoorDash顾客而言，据称这项改进能让杂货复购清单更快加载，同时顾客仍可直接编辑清单，并匹配当前商品目录中的商品。DoorDash报告称清单查看量和下单率有所提高，但这些数据并未说明该流程对每位顾客的表现，也没有显示增长中有多少是由等待时间缩短带来的。
