پلتفرم تجارت هوش مصنوعی
rk Commerce — مشاور خرید هوش مصنوعی شاپیفای
یک اپلیکیشن شاپیفای که یک مشاور خرید هوش مصنوعی مبتنی بر RAG به فروشگاه یک فروشنده اضافه می‌کند، در دو سطح: یک داشبورد مدیریتی جاسازی‌شده داخل پنل ادمین شاپیفای، و یک ویجت چت مخصوص مشتری روی صفحه‌ی فروشگاه — طراحی‌شده مطابق با الزامات واقعی App Store شاپیفای، نه فقط یک دموی کاری.
پشته فناوری
دو سطح، یک بک‌اند مشترک
این اپلیکیشن دو سطح رو‌به‌کاربر دارد که یک بک‌اند مشترک را پشت سر می‌گذارند: یک داشبورد جاسازی‌شده که فروشنده داخل پنل ادمین شاپیفای می‌بیند، و یک ویجت چت که مشتری‌های او روی صفحه‌ی فروشگاه می‌بینند. هر دو توسط یک بک‌اند FastAPI روی Railway سرویس‌دهی می‌شوند، با PostgreSQL و اکستنشن pgvector برای بازیابی اطلاعات خود مشاور.
دریافت کاتالوگ، مستند به فروشگاه واقعی
دریافت کاتالوگ از طریق GraphQL Bulk Operations API شاپیفای انجام می‌شود، نه با ورق‌زدن Admin API محصول‌به‌محصول، و سپس هر محصول برای بازیابی برداری embed می‌شود — در نتیجه پاسخ‌های مشاور بر اساس کاتالوگ واقعی فروشنده مستند می‌شوند (retrieval-augmented generation یا RAG)، نه دانش عمومی مدل درباره‌ی محصولاتی که هرگز ندیده.
داشبورد فروشنده
داشبورد فروشنده یک اپلیکیشن Next.js روی Vercel است، ساخته‌شده با سیستم طراحی Polaris خود شاپیفای و App Bridge، و احراز هویتش با توکن‌های نشستی انجام می‌شود که داخل همان iframe پنل ادمین شاپیفای صادر می‌شوند — نه یک ورود جداگانه. این داشبورد یک گزارش قیف تبدیل هم دارد، روی تعاملات خود مشاور، تا فروشنده ببیند مشتری‌ها بعد از صحبت با دستیار کجا رها می‌کنند.
ویجت فروشگاهی
ویجت فروشگاهی از طریق App Proxy شاپیفای سرو می‌شود، در نتیجه چت مخصوص مشتری روی همان دامنه‌ی فروشنده اجرا می‌شود، نه یک دامنه‌ی شخص ثالث — و هر درخواست پراکسی‌شده پیش از اینکه بک‌اند به آن اعتماد کند، در برابر امضای HMAC شاپیفای بررسی می‌شود.
ساخته‌شده برای App Store، نه فقط یک دمو
این اپلیکیشن مطابق با الزامات واقعی App Store شاپیفای ساخته شده، نه فقط یک دموی کاری: مدیریت دسترسی‌های OAuth دقیقاً برای همان مجوزهایی که واقعاً لازم دارد، یک سیاست حریم خصوصی منتشرشده برای بررسی شاپیفای، و یک صفحه‌ی آماده‌شده برای App Store (آیکون، اسکرین‌شات‌ها، قیمت‌گذاری). این اپلیکیشن هنوز به‌صورت عمومی قابل‌نصب نیست — این‌ها کارهای مربوط به تطبیق هستند که پیش از انتشار واقعی انجام می‌شوند، نه ادعایی مبنی بر اینکه اپلیکیشن اکنون منتشر شده.