为了维持价格的一致性并执行每日低价战略，对于全球零售商来说至关重要。但是，随着商品目录涵盖数百万活跃商品，手动管理价格关系变得不可行。商品变体之间的不一致价格会扭曲客户的价值认知并损害销售额。为了解决这个问题，我们提出了一种可扩展的、上下文感知的多智能体框架，用于自动构建“价格阶梯”分类系统。我们的框架采用专用的大型语言模型（LLM）智能体来构建这些连贯的价格结构，通过识别关键属性、提取多模态值并应用分层分组逻辑。经过在真实世界企业数据上的评估和部署，我们的3智能体系统在“价格阶梯”方面取得了0.83的F1-score，优于单智能体基准，同时通过缓解认知过载来提高性能。在食品和日常消费品领域，我们的系统实现了90%的精度和75%的召回率，而在非结构化的普通商品目录中，我们的系统实现了80.2%的分配准确率。博主点评： 本框架通过引入多智能体和LLM技术，显著提高了大规模零售价格分类的效率和准确性，为零售行业带来新的解决方案