笔记本电脑市场竞争激烈，用户在选购时需综合考虑性能、价格、品牌、用途等多维度因素。
目前，主流笔记本推荐系统多基于英文市场开发，如 Specranks，采用固定提问的方式逐步筛选产品。这类方案存在以下不足：
- 🇨🇳 缺乏中文市场适配性：无法覆盖中文表达方式与习惯；
- 💬 固定问答限制灵活性：用户的复杂综合需求难以被捕捉（如“适合设计工作的高性能笔记本，预算8000元以内”）。
🧩 EasyLap 针对中文用户进行优化，结合自然语言处理与知识图谱技术，支持用户自由表达需求，通过微调的InternLM理解语义，并生成精准的查询语句，实现个性化推荐。
EasyLap项目的主要价值体现在：
- ⏱️ 提升购买效率：显著减少用户筛选产品的时间与精力；
- 🎯 提升推荐准确度：结合知识图谱与语义理解，精准匹配个性化需求；
- 💬 优化用户体验：将复杂的筛选逻辑转化为自然语言对话，提升交互友好度。
| 模块 | 技术栈 | 说明 |
|---|---|---|
| 前端 | Vue3 + Element Plus | 构建智能搜索与推荐可视化界面 |
| 后端 | Flask | 提供接口服务与模型推理 |
| 模型 | InternLM3-8B + LoRA 微调 | 实现中文语义理解与查询生成 |
| 知识图谱 | Neo4j | 存储笔记本实体与属性关系 |
| 数据源 | DrissionPage 自动化爬取 | 从主流电商平台采集笔记本数据 |
- 🧭 自然语言查询 → 图数据库语义匹配
- 🧩 中文用户友好设计
- 🔍 支持多维度筛选与个性化推荐
- 🤖 可扩展微调模型以适配多领域需求
💡 EasyLap：让每一次笔记本选择都更智能 💡