餐饮数字化新基建：深度解析 MenuKit.AI 垂直领域标签生成引擎的技术架构

MenuKit.AI 的标签生成引擎技术介绍  

写在前面： 最近跟不少做餐饮 SaaS 和智慧餐厅的朋友聊，发现大家都在头疼一个问题：数据非标。菜单上的一句“埃塞手冲，花香调，水洗”，在后台数据库里往往只是一串死文字。搜索搜不到，推荐对不上。  

为了解决这个“硬骨头”，我们 MenuKit.AI 团队内部折腾了一套 AI 标签生成引擎。今天不藏私，直接把底层的技术逻辑和工程化实践拆解出来分享给大家，希望能给正在做垂直领域 LLM 应用的朋友们一点启发。

01 / 为什么菜单也需要打标签？

在餐饮经营中，菜单不仅是价目表，更是与顾客沟通的第一界面。一份出色的菜单能精准引导消费，提升客单价。但您是否想过：

• 顾客想找“口感醇厚”的咖啡，怎么快速筛？
• 顾客想点“不含酒精”的特饮，如何清晰展示？
• 顾客想试“产地是埃塞俄比亚”的豆子，如何一目了然？

传统的菜单做不到，但 MenuKit.AI 的菜单可以。 当商品被贴上精准、结构化的标签（如风味、产地、处理方式等），它就不再是一个孤立的名字，而是瞬间拥有了丰富的个性，这为智能推荐、精准筛选和个性化菜单组合打下了坚实基础。

MenuKit.AI 的核心之一，就是我们自研的AI标签生成引擎。今天，我们就带您深入了解它背后的技术实现。

02 / MenuKit.AI 的智能四步法

我们的AI标签生成引擎，本质上是一个高度自动化的商品理解与分析系统。它会模拟一个由咖啡品鉴师、侍酒师和美食家等组成的专家团队，对您的每一个商品进行品鉴和归档。这个过程主要分为四步：

第一步：智能识别与分类

面对菜单中每一个商品，比如美式咖啡，引擎首先会综合分析它的名称、描述、价格等信息，判断其基础语言和商品类别。这是最关键的第一步，只有先确定了它是咖啡还是酒，系统才能知道接下来该问哪些专业问题。

第二步：匹配专属标签维度

确定了类别后，系统会立即匹配一套专属的标签维度清单，不同品类的维度清单截然不同：

• 咖啡品类:
  • ing (食材/品种): 是 SOE 还是拼配？
  • proc (处理方式): 是日晒、水洗还是蜜处理？
  • flv (风味口感): 有花香、果香还是坚果味？
  • rst (烘焙度): 浅烘、中烘还是深烘？
  • org (产地来源): 来自埃塞俄比亚还是哥伦比亚？
  • alt (海拔高度): 海拔多少米？
  • 更多维度…
• 酒品类:
  • ing (原材料): 是葡萄、大麦还是其他？
  • alc (酒精度): 度数是多少？
  • org (产地来源): 是法国、智利还是澳大利亚？
  • flv (风味口感): 口感是清爽、醇厚还是甜美？
  • 更多维度…

第三步：召唤大语言模型

这是最智能的一步。系统会将商品原始信息（如“埃塞俄比亚·班莎ALO 水洗，柑橘、西柚、甜柿、花茶，浅烘焙”）和上一步匹配的标签维度打包在一起，作为上下文（Context）发送给大语言模型（LLM）。

此时，LLM 就像被注入灵魂的专家：

• 它看到“水洗”，就能判斷處理方式（proc.coffee.washed）。
• 它看到“柑橘、西柚”，就能识别出风味（flv.flavor.fruit.citrus）。
• 它看到“浅烘焙”，就能标记烘焙度（rst.light）。

它利用自己庞大的世界知识，像一个专业的咖啡品鉴师或侍酒师一样，对商品信息进行专业判断。

第四步：输出标准化的身份卡（结构化标签）

最后，LLM 不会只给我们一段描述，而是会按照我们预设的严格格式，输出一份结构化的标签结果（通常是 JSON 格式）。 例如，proc.coffee.washed.fullywashed 代表“咖啡处理-水洗-全水洗处理法”，org.et 代表“产地-埃塞俄比亚”。这些标准化的标签黑话，是机器最容易理解的语言，确保了后续所有推荐和筛选功能的绝对精准。

AI 标签引擎工作流

为了更直观地展示这个过程，我们绘制了以下工作流：

AI 标签引擎工作流

03 / 实际案例：一杯咖啡的诞生

让我们看一个真实的例子。假设我们上新了一款商品：

• 商品名称: 埃塞俄比亚·班莎ALO
• 类别: 咖啡 / 手冲咖啡
• 描述: 柑橘、西柚、甜柿、花茶
• 其他信息: 浅烘焙

经过 MenuKit.AI 标签引擎处理后，它将生成如下的结构化“身份卡”：

{
"item_id": 39,
"name": "埃塞俄比亚·班莎ALO 水洗",
"category": "咖啡",
"labels": {
"category": "cat.coffee",
"origin": "org.et",
"roast": "rst.light",
"processing": ["proc.coffee.washed"],
"ingredients": ["ing.variety.arabica"],
"flavor": [
"flv.flavor.floral",
"flv.flavor.fruit.citrus",
"flv.taste.sweet"
]
}
}

您可以看到，即使原始信息中没有明确写水洗，AI 也能通过上下文判断；“柑橘、西柚”被准确归类为 citrus（柑橘属）。

04 / 不止于此：为小众宝藏打造专属推荐卡

我们知道，并非所有商品都有像精品咖啡那样丰富的预设标签。比如一些“门店限定”特调、新品小吃，或者标签不明确的商品。 为了让这些小众宝藏也能被顾客发现，MenuKit.AI 会启动一个特别机制：

05 / AI 标签的真正价值

MenuKit.AI 的 AI 标签生成引擎，其价值远不止于自动打标：

• 对顾客而言： 获得前所未有的丝滑体验。无论是通过风味轮、产区地图还是智能筛选，都能在 3 秒内找到自己想要的商品。
• 对商家而言： 这是实现菜单智能化的第一步。您可以精准分析哪些风味最受欢迎，哪些产地的商品复购率高，从而优化菜单结构，提升利润。

结语：让 AI 成为你的金牌菜单顾问

技术是冰冷的，但 MenuKit.AI 创造的体验是温暖的。我们相信，AI 不应只是复杂的代码，更应是餐饮老板身边最得力的助手。 通过 AI 标签生成引擎，MenuKit.AI 正在帮助全球的咖啡馆、餐厅和酒吧，将他们的菜单从静态列表变为动态向导，让每一款精心准备的商品，都能精准对话最懂它的顾客。  

大家在做垂直领域 LLM 落地时，有没有遇到过 Prompt 跑偏或者标签爆炸的问题？欢迎在评论区一起交流探讨！