产品目录是电商搜索、发现和推荐的基础，但往往属性稀疏：购物者和下游系统依赖的属性要么埋在标题、图片等非结构化内容中，要么根本缺失。人工补全成本高且难以跟上目录规模和增长速度。为此，本文提出 TRACE，一个基于代理式大语言模型（LLM）的自动化属性丰富框架。
系统包含两个核心代理：ScoutAgent 和 JudgeAgent。ScoutAgent 在商家目录、联盟数据源以及通过身份匹配的网页搜索中三角定位多模态证据，生成候选属性值并附带证据链。随后 JudgeAgent 对每一候选值进行验证，比较证据的一致性和可信度，决定直接发布或交由人工复审。
在离线人工评估数据集上，TRACE 提供的属性值准确率达 98.2%，覆盖率为 74.7%。在行业规模的生产目录中部署后，四个业务垂直的加权曝光覆盖提升了 90.4%。进一步的在线实验表明，在商品详情页展示丰富属性可将下单转化率提升 0.48%。
博主点评：TRACE 展示了 LLM 在电商元数据治理中的实用潜力，尤其是通过多源证据实现的自监督校验机制，为大规模、低成本的目录维护提供了可复制的路径。