本文提出了一种新方法，通过分析匿名历史购物数据，自动挖掘用户形象，创建合成购物代理，以解决电子商务中的成本和速度问题。研究表明，合成代理能改善消费行为的对齐性能，为未来的自动化A/B测试提供参考。

本研究提出了一种利用大型语言模型生成高质量合成分布外代理的方法，有效解决了分类系统中分布外数据的可用性问题。实验结果表明，该方法显著降低了误报率，并在保持高准确度的同时超越了基线方法。