統一查詢層
透過 ShapedQL 在單一查詢中組合擷取、排序、篩選、評分與重新排序，而不是把多個獨立服務拼接在一起。
Shaped 的功能
Shaped 是適用於代理式 AI、搜尋與推薦的即時情境引擎。它結合擷取、排序、嵌入與學習，讓應用程式能根據使用者、商品與查詢情境回傳相關結果，而不只是依賴靜態向量搜尋。
該網站將 Shaped 定位為一種代管式替代方案，可取代由不同資料庫、排序系統、連接器與管線組成的擷取堆疊。它可用於個人化搜尋、產品推薦、代理記憶與擷取，以及其他以排序為核心、需要從互動資料中持續提升相關性的體驗。
核心功能
混合式搜尋與排序
結合語意搜尋、關鍵字搜尋與行為排序，讓結果既能符合意圖，也能保留精確匹配與商業規則。
情境感知個人化
使用使用者、商品或文字情境來個人化輸出，包括會依提問者而調整的推薦與代理擷取。
原生資料連接器
透過原生連接器串接批次與串流來源，讓資料新鮮度與事件訊號能流入模型。
從互動中學習
根據互動訊號訓練並更新排序模型，網站將此描述為持續學習與回饋迴圈。
多種整合途徑
可透過 Python SDK、TypeScript SDK 或 MCP 存取此產品，並搭配網站上展示的查詢介面。
Shaped 的適用場景
個人化產品推薦
對電子商務團隊而言，Shaped 可利用商品目錄中繼資料與使用者行為，個人化首頁、商品詳情頁、購物車、電子郵件與購後版面。
混合式搜尋
對產品搜尋而言，它結合語意與關鍵字訊號，協助團隊提升相關性、降低零結果查詢，並保留精確匹配行為。
代理擷取與記憶
對代理式應用而言，它可透過文字、使用者 ID 或商品 ID 擷取情境，讓助理以正確資料作為回應依據。
跨版面的個人化排序
對內容與商務體驗而言，它支援資訊流、相似商品排序、分類排序與商品重新排序等跨版面功能。
快速實驗
對需要快速迭代的團隊而言，它提供代管式工作流程，協助連接資料、調整相關性並推出實驗，而不必先自行組建基礎架構。
Pros and Cons
Pros
- 將擷取、排序與學習整合在同一個產品中，而不需要另一套分散的工具堆疊。
- 支援多種使用情境，包括搜尋、推薦、代理擷取、資訊流與商品重新排序。
- 提供原生連接器，以及批次與即時匯入選項，方便將資料導入系統。
- 提供類 SQL 的查詢層與 SDK 選項，適合希望以程式方式整合的團隊。
- 提供免費起始方案與清楚的付費方案，方便團隊在購買前先評估產品。
Cons
- 公開資料對於較底層的實作細節描述較廣，例如確切的上手步驟、輸出結構與部署限制。
- 部分方案細節僅限於定價頁摘要，因此讀者可能需要聯絡銷售以取得企業方案特定條款或客製合約。
FAQ
如何開始使用 Shaped？
Shaped 會先連接你的資料，接著在其介面中設定 feed 或查詢。來源資料描述了一個三步驟流程：連接資料、設定 feed 或模型，然後自動部署。
Shaped 支援哪些類型的工作流程？
此產品支援用於搜尋、推薦、代理擷取與其他個人化版面的擷取與排序工作流程。來源也顯示可透過類似 SQL 的查詢層，以及 Python SDK、TypeScript SDK 或 MCP 使用。
Shaped 是否提供免費方案或試用？
定價頁面顯示有包含 100 美元額度且不需信用卡的免費開始方案，以及付費的 Starter、Standard 和 Enterprise 方案。Standard 被描述為依用量計費，Enterprise 則提供自訂合約與專屬支援。
有哪些支援選項可用？
公開資料提到 Standard 提供營業時間內支援，而 Enterprise 則提供 24/7 支援，以及私人 Slack 或電子郵件管道。Starter 包含文件 + Slack 支援。
Quick Facts
- 分類
- AI 基礎架構
- 主要使用情境
- 搜尋、推薦與代理擷取
- 介面
- ShapedQL 查詢層，以及 Python SDK、TypeScript SDK 和 MCP
- 資料匯入
- 原生連接器，支援批次與串流
- 定價
- 提供免費開始方案；另有付費 Starter、Standard 與 Enterprise 方案
- 來源網域
- shaped.ai