统一查询层
通过 ShapedQL 在单个查询中组合检索、排序、过滤、评分和重排序，而不是把多个独立服务拼接在一起。
Shaped 的功能
Shaped 是面向 agentic AI、搜索和推荐的实时上下文引擎。它结合了检索、排序、嵌入和学习，使应用能够基于用户、商品和查询上下文返回相关结果，而不是仅仅依赖静态向量搜索。
该网站将 Shaped 定位为一种托管式替代方案，用于替代由独立数据库、排序系统、连接器和流水线拼接而成的检索栈。它可用于个性化搜索、商品推荐、agent 记忆与检索，以及其他依赖相关性并需要从交互数据中持续提升效果的排序驱动体验。
核心能力
混合搜索与排序
将语义搜索、关键词搜索和行为排序结合起来，使结果既能匹配意图，又能保留精确匹配和业务规则。
上下文感知个性化
使用用户、商品或文本上下文来个性化输出，包括会根据提问者不同而调整的推荐和 agent 检索。
原生数据连接器
通过原生连接器连接批处理和流式数据源，使数据新鲜度和事件信号能够流入模型。
从交互中学习
根据交互信号训练并更新排序模型，网站将其描述为持续学习和反馈闭环。
多种集成路径
可通过 Python SDK、TypeScript SDK 或 MCP 访问该产品，同时也支持网站上展示的查询界面。
Shaped 的适用场景
个性化商品推荐
对于电商团队，Shaped 可以利用目录元数据和用户行为，对首页、商品详情页、购物车、邮件以及购买后页面进行个性化。
混合搜索
对于产品搜索，它结合语义和关键词信号，帮助团队提升相关性、减少零结果查询，并保留精确匹配行为。
agent 检索与记忆
对于 agentic 应用，它可以按文本、用户 ID 或商品 ID 检索上下文，让助手能够基于正确的数据生成响应。
跨展示位的个性化排序
对于内容和电商体验，它支持信息流、相似商品排序、类目排序以及商品重排序。
快速实验
对于需要快速迭代的团队，它提供了一个托管式工作流，用于连接数据、调整相关性并在不先搭建基础设施的情况下发布实验。
Pros and Cons
Pros
- 将检索、排序和学习整合在一个产品中，而不是需要一套独立工具栈。
- 支持多种使用场景，包括搜索、推荐、agent 检索、信息流和商品重排序。
- 提供原生连接器以及批处理和实时摄取选项，便于将数据导入系统。
- 提供类似 SQL 的查询层和 SDK 选项，适合希望以程序化方式集成的团队。
- 提供免费开始选项以及清晰的付费层级，方便团队在购买前评估产品。
Cons
- 公开资料对底层实现细节介绍较为笼统，例如具体的上手步骤、输出 schema 和部署限制。
- 部分方案详情仅限于定价页摘要，因此读者可能需要联系销售以了解企业级条款或定制合同。
FAQ
如何开始使用 Shaped？
Shaped 通过连接您的数据开始设置，然后在其界面中配置信息流或查询。源材料描述了一个三步工作流：连接数据、配置信息流或模型，以及自动部署。
Shaped 支持哪些工作流？
该产品支持用于搜索、推荐、agent retrieval 和其他个性化展示位的检索与排序工作流。源材料还显示，它可以通过类似 SQL 的查询层，以及 Python SDK、TypeScript SDK 或 MCP 使用。
Shaped 是否提供免费套餐或试用？
定价页面显示有一个包含 100 美元额度且无需信用卡的免费开始选项，以及付费的 Starter、Standard 和 Enterprise 方案。Standard 被描述为按用量计费，Enterprise 则增加了定制合同和专属支持。
有哪些支持选项可用？
公开材料提到 Standard 在工作时间内提供支持，Enterprise 提供 24/7 支持以及私有 Slack 或电子邮件渠道。Starter 包含文档 + Slack 支持。
Quick Facts
- 类别
- AI 基础设施
- 主要用例
- 搜索、推荐和 agent 检索
- 界面
- ShapedQL 查询层，以及 Python SDK、TypeScript SDK 和 MCP
- 数据摄取
- 支持批处理和流式处理的原生连接器
- 定价
- 提供免费开始选项；另有付费的 Starter、Standard 和 Enterprise 方案
- 来源域名
- shaped.ai