大型语言模型正把电商从静态推荐系统转向交互式购物助理，但真实购物需要会话级的决策支持——用户会逐步透露并修改约束，协调多个目标，并期望在完整对话中得到基于商品的推荐。
现有基准大多关注结果或执行层面，忽视了这一演进的决策过程。我们推出 REALWORLDSHOP 基准，构建于 3.28M 商品的真实目录、结构化的购物情景、基于用户画像且可控的行为模拟器，以及角色扮演式评估框架。
实验分析表明，当前系统能够生成局部合理的回复，却在状态追踪、约束更新以及基于商品的收敛方面表现不足，尤其在意图模糊、捆绑购买和多意图场景下表现尤为突出。
为此我们提出 REALSHOP_AGENT，一个可执行的会话控制框架，包含显式状态管理、购物流程控制、目录检索以及运行时安全守卫。实验结果显示，REALSHOP_AGENT 在 REALWORLDSHOP 上持续超越强基线。
点评