企业官网建设流程全解析

这两年我带团队给30多家餐饮店搭过AI智能体，从快餐、正餐到火锅奶茶都碰过。做下来发现一个很扎心的现象：几乎每个老板来找我，开口第一句都是“你看我用哪个平台好”“现在做AI是不是得上豆包大模型”“扣子和Dify哪个厉害”。但我复盘完这30多个项目后想跟你说句实话——90%的老板从第一步就走偏了，他们纠结的是工具，而我关心的是另一件事：这个智能体到底替谁、在什么场景下、解决什么问题。

这篇文章我打算把这几年的实战经验完整摊开，包括餐饮AI智能体的真实需求分类、老板们普遍踩的四个大坑、我从0到1搭一套完整智能体的工作流程、30多家店跑出来的真实效果，以及踩坑排雷记录。不管你是想给自己店里上AI的餐饮老板，还是正在做本地商家AI服务的代理商，又或者只是对AI智能体落地感兴趣的技术人，这篇应该都能给你省下不少试错成本。

1. 先搞清楚：餐饮店要的AI智能体到底是什么

1.1 30多家店跑下来，需求就这三类

很多人一听到“AI智能体”就想到科幻电影里的机器人，觉得餐饮店用不上，或者反过来觉得AI什么都能干。这两种想法都极端了。我做过的餐饮项目里，AI智能体既不是机器人，也不是什么高深的技术产品，它的本质就是“一个能听懂人话、能翻门店资料、能替人回复和干活的数字员工”。

具体到餐饮行业，30多家店的需求总结下来逃不出三类。

第一类是“信息问答型”智能体。这是最常见也最容易上手的，比如顾客在微信公众号、企业微信或者小程序里问“你们今晚几点打烊”“有没有不辣的菜”“儿童餐多少钱一份”“包间怎么订”，智能体基于门店的知识库自动回答。这类需求占了我所有项目的一大半，因为餐饮店每天被重复问同样的问题实在太多了，门店员工根本没精力认真回，AI恰好能把这个环节接住。

第二类是“任务处理型”智能体。它不止要“回答问题”，还要能“办成事”。比如顾客说“我要订明天晚上6点的4人桌”，智能体需要查空闲桌台、做预订登记；顾客在群里发“我要退单”，智能体要按规则判断能不能退、怎么退；顾客差评了，智能体要先道歉、再给补偿方案、最后把客诉内容转给店长跟进。这种智能体对技术能力要求更高，通常要配合工作流、表单、数据库和人工客服系统来做。

第三类是“经营辅助型”智能体。这类面向的不再是顾客，而是老板自己或者门店员工。比如帮店长自动生成每日营业日报，把外卖平台的评价和门店客诉汇总成周报，甚至帮老板把上新菜品的卖点文案写好。这类智能体本质上是把老板和管理者的重复劳动接走。

注意，这三类是可以叠加的，一个完整的餐饮AI智能体通常同时具备问答、办理、分析三种能力。但我的建议是：一开始先只做一类，不要贪多。原因很现实——信息问答型做好了，店员和顾客都能立刻感受到变化，老板才有信心继续投入；一上来就想搞全能型AI员工，往往做的过程中就崩了。

1.2 为什么90%的老板第一步就走偏了

我观察到的“第一步走偏”，准确说是这样的：老板们普遍把“选工具”当成项目实施的第一步。他们花大量时间研究哪个平台好、哪家大模型聪明、要不要买本地部署，但很少有老板愿意先坐下来，认真梳理自己门店每天到底有哪些重复性的问答和活儿。

这个错位其实特别好理解。餐饮老板普遍是生意人思维，觉得“别人都用AI了，我不要落后”“工具选得好，效果就差不了”，这种逻辑放在买收银机、买火锅设备上是成立的——设备选好了确实能提升效率。但AI智能体不是设备，它是“人”。你挖一个店长回来，你难道只看他哪个大学毕业、用哪个牌子的手机？肯定不是，你得先告诉他店里有多少人、菜品有哪些、营业时间怎么安排、客人投诉怎么处理，他才能干活。

AI智能体也一样，它需要一个“门店知识库”作为工作经验，需要一个“人设话术”作为接人待物的方式，需要一套“兜底方案”告诉它遇到不会的问题怎么办。这些准备工作都绕过了工具本身，是纯粹的线下梳理工作。90%的老板跳过了这一步，直接去选平台，相当于什么都没准备好就去招人，面试的时候只能反复问“你哪个学校毕业的”——当然选不出对的人。

所以在我后来的项目里，第一步从来不是打开任何AI平台，而是坐下来跟老板做一次需求访谈，把店里要解决的问题用纸写下来。这一改动看起来不起眼，却让项目成功率明显提升。

2. 第一步错在哪：先选工具还是先定义问题

2.1 老板们最常见的四个误区

先说说我在沟通中见到的具体错误，你可以对照一下自己有没有。

第一个误区是“把AI智能体当成万能客服”。有个做烧烤店的老板跟我说，他要的智能体是“顾客问什么都能答，答不上来也得编一个”。这种想法很危险。AI的能力边界如果不提前划定，它就会在超出知识库的领域自由发挥，最常见的结果就是一本正经地胡说八道，把“没有儿童套餐”说成“儿童套餐是48元”，顾客到店发现根本没有，直接差评。这不是AI笨，是老板没给它划边界。

第二个误区是“不整理资料，直接把素材扔进来”。我见过一个老板往知识库里丢了两百多个文件和图片，包括开店20年来所有旧菜单、朋友圈文案、随手拍的价目表，结果智能体上线第一天就把2018年已经下架的菜品推荐给顾客了。AI不会自动判断“什么东西过时了”，你给它什么，它就信什么。

第三个误区是“没有人工兜底机制”。智能体不是百分之百可靠的，在它答错、答不上来、遇到情绪激动的顾客时，必须有一条明确的转人工通道。但很多老板做智能体的时候根本没想到这一步，等出差错了才到处问怎么办。我到现在都记得有一家店因为智能体把顾客投诉处理错了，导致顾客在群里骂了一个小时，店长都不知道。

第四个误区是“只管上线，不管迭代”。很多老板觉得智能体做好上线就完事了，但实际上AI智能体是需要养的。门店菜品会换、营业时间会变、活动会更新，知识库不维护，它很快就会“失真”；后台的用户对话记录不看，就永远不知道顾客真正在问什么。上线只是开始，不是结束。

2.2 正确的“第一步”其实是做知识资产盘点

说了这么多误区，那正确的第一步到底是什么？我给出的答案很朴素：先盘门店的“知识资产”。

什么叫知识资产？简单说，就是能让AI完成工作所需要的所有原始信息。每家餐饮店其实都有一套自己的“知识体系”，只是从来没有人把它系统整理过。比如：门店的基本信息（地址、电话、营业时间、包间数量、停车指引）、菜单信息（菜名、图片、价格、食材、口味、辣度、过敏原、适合人群）、外卖信息（起送价、配送范围、包装费、满减规则）、会员信息（积分规则、储值规则、生日福利、优惠券使用条件）、后厨信息（出餐时间、能否去葱去蒜、特殊做法）、常见客诉处理SOP（外卖洒了怎么办、菜凉了怎么办、异物投诉怎么处理）。

这些信息可能是散落在店长脑子里、写在员工手册上、贴在厨房墙上的。我的做法是把这些全部梳理成一份结构化的文档，再分门别类整理成智能体能读懂的知识库。这一步看起来没有任何技术含量，但它决定了智能体后续所有的回答质量。知识库做好了，一个普通大模型都能答得很好；知识库一团糟，用最贵的模型也白搭。

我甚至会让老板亲手参与整理。这既是确保准确性，也是给老板一个“盘家底”的机会——很多老板整理完才发现，自己店里竟然有这么多政策是店长口头说了算的，员工之间说法都对不上。AI智能体上线第一件事其实是倒逼门店实现标准化。

2.3 一份餐饮店AI需求访谈清单（可直接抄）

如果你现在想给自己店里做AI智能体，但不清楚该从哪问起，我把这几年常用的访谈清单直接放出来。跟老板聊的时候，我一般会逐个问这些问题，每一条后面都跟着一个“为什么这么问”的逻辑说明。

第一问：你希望这个智能体主要服务谁？是顾客、店长还是店员？——这个问题决定智能体的“岗位”。服务顾客的智能体需要饱满热情，服务店员的智能体要严谨可靠，两者话术和权限都不一样。

第二问：顾客最常重复问你的问题有哪些？列出来，越多越好。——这是知识库最核心的素材来源。我见过最夸张的一家奶茶店，光“你们家招牌是什么”这个问题一天能重复几百遍。

第三问：这些问题里，哪些是固定的、不变的，哪些是随时变化的？——固定信息可以做静态知识库，比如菜单、门店地址；动态信息需要接外部数据，比如排队人数、每日推荐菜，要做动态配置。

第四问：目前值班的员工最烦处理什么类型的对话？——这通常是被浪费掉的服务缺口。比如夜宵店凌晨总有人问“还送外卖吗”，店员早下班了根本没人回，这就是AI可以补的位。

第五问：回答错了会怎样？哪些问题一旦答错损失最大？——这个问题是帮老板想清楚“AI的犯错成本”。涉及价格的答错可能引发纠纷，涉及营业时间的答错可能让顾客白跑一趟。犯错成本高的地方必须设置人工兜底或者宁可保守回答。

第六问：你现有的顾客沟通渠道有哪些？——公众号、企业微信群、美团私信、抖音私信、小程序客服，不同平台能承载的AI能力差别很大，这直接影响后面选工具和对接方式。

第七问：老板你希望AI每周给你一份什么报告？——这是经营辅助型智能体的开端，比如客诉周报、热门问答Top20、差评关键词分析。

这些问题聊透，大概需要一到两个小时。聊完之后，项目方向基本上就清晰了。这个环节的价值不亚于后面所有的技术实现，甚至更高。

3. 从0到1：一套餐饮智能体的落地工作流

3.1 平台选型：别迷信工具，先看这6个评估维度

需求定义清楚之后，才轮到选工具。我在这里明确说一下我的看法：目前国内主流的AI智能体平台，比如扣子、Dify，还有各云厂商提供的智能体搭建平台，能力上已经相当成熟，对于餐饮行业这种中低复杂度的场景完全够用，没必要自己从零开发大模型。真正要花心思的不是换哪个平台，而是按下面这6个维度来评估哪个适合你。

第一个维度是“多渠道接入能力”。餐饮店和顾客的触点特别分散，有公众号、企业微信、小程序、抖音私信、外卖平台IM。选平台前必须确认你想做的那个渠道支持不支持接入，比如扣子对公众号和抖音私信的接入就做得比较顺手，而有些平台更擅长网页客服。渠道接不进去，后面都是零。

第二个维度是“知识库上限与检索质量”。餐饮店的知识库一般不会太大，但需要考虑检索的准头。平台的知识库检索逻辑好不好，直接影响问答命中率。这个没法光看宣传，我的建议是拿你店里20个真实问题去测试，答得准就是好平台。

第三个维度是“工作流编排能力”。如果你想做任务处理型智能体，比如预订位置、处理退单，就必须看图编排功能能不能支持条件判断、数据库写入和接口调用。做过流程的人都知道，没有工作流的智能体只能当话痨客服，干不了实事。

第四个维度是“接入模型的可选择性”。有的平台绑定了单一模型，有的平台可切换多个大模型。我强烈建议选可以切换模型的，因为餐饮场景对成本敏感，你今天用性价比高的入门模型够了，明天业务复杂了要换更强的模型，能平滑切换很重要。

第五个维度是“单次调用的价格成本”。这一点很多做项目的朋友会忽略。餐饮店客单价本来就不高，单个顾客会话如果产生一二十次模型调用，累积成本很快会吃掉利润。我的做法是用中低价的模型跑高频常规问答，只在复杂场景才让智能体调用更高阶模型，这种“模型分层”能省下不少钱。

第六个维度是“维护和日志功能”。智能体上线后，你必须能看得到每一条对话日志，能知道它答错了什么、漏了什么。日志功能太弱的平台，出了问题都没法排查，直接淘汰。

3.2 知识库搭建的3个关键细节

用平台搭建智能体的门槛很低，很多技术小白花两天就能学会。但知识库搭建的细节，恰恰是决定“普通水平”和“能真正落地”之间巨大差异的地方。我总结三个最容易踩坑的细节。

细节一：菜品名称的“别名归一化”。中餐菜品的叫法太乱了，“宫保鸡丁”有人叫“宫爆鸡丁”，“酸辣汤”有人叫“酸汤”，外卖平台上可能还叫“下雨必备酸辣汤”。如果知识库不处理这些别名，顾客按自己习惯问，智能体就会识别失败。我的做法是给每个核心菜品建一个“别名映射表”，把常见的错法、口头叫法都写进去，这一步能显著提升问答命中率。

细节二：时效性信息必须单独标记。营业时间、节假日活动、下架菜品，这些都属于时效性内容。如果把它们和长期稳定的信息混在一起丢给AI，就会出现“春节放假期间还告诉顾客正常营业”的低级错误。我做过最好的方案是在知识库中给每个时效性信息打上有效期标签，同时在智能体的人设里写清楚：拿不准日期的时候就先确认时间再回答，宁可多问一句也别乱报。

细节三：过敏原和忌口信息不能漏。这不仅是体验问题，还是安全问题。我之前做的一家餐厅因为智能体没标出甜品里含花生，顾客问“有没有过敏食物”时AI只说“都很安全”。这件事之后我要求所有做餐饮项目必须在知识库里专门建一份过敏原和忌口提示，而且对于不确定的信息，智能体必须回“具体请咨询店内服务人员”。凡是涉及入口安全的，保守永远比聪明重要。

3.3 智能体的人设与话术设计：像培训新员工一样

想清楚平台和知识库，接下来就是给智能体“立人设”和“写话术”。这一步最容易被新手跳过，但它直接决定了顾客体验。我自己一直把这种方式理解成“像培训新员工一样调教智能体”。

我通常会给每个餐饮智能体写一份人设Prompt，内容包括角色身份、服务对象、语气风格、回答结构、边界规则、兜底策略。给你一个我常用的模板参考，你可以直接改改用：

你是XX餐饮门店的AI服务助手，你的名字叫“小招”，面向来咨询的顾客和会员。你的语气亲切、专业、口语化，像门店里最有经验的服务员。回答问题时，字数控制在50字以内，先给结论再补充细节。涉及价格、优惠、营业时间等敏感信息时，必须严格以知识库内容为准，不确定就明确说“我帮您确认一下”。如果顾客情绪激动或提出投诉，不解释过多，先道歉，并引导顾客留下联系方式让店长跟进。你不是万能的，遇到不知道的问题要诚实说明，不能编造。

这段话听起来简单，但里面的每一句都是经过踩坑提炼的。比如“先给结论再补充细节”，是因为餐饮咨询场景下顾客都很急，AI如果回复一长段话，顾客根本看不完，反而觉得体验差；“情绪激动先道歉”，是因为差评公关黄金一小时，机器跟顾客争对错是餐饮大忌。

话术层面还要准备的是“高频场景的标准回复”。比如顾客问“招牌菜是什么”，你不能让AI自由发挥，而要设计一个标准模板——“我们家的招牌是XX，点单率最高，口味偏XX，搭配XX一起点更好吃。要不要我帮您看一下套餐？”这种话术既是推荐也是引导，等于是把优秀员工的销售话术复制给了AI。

3.4 灰度验证与迭代：先跑单店，再谈复制

智能体做完，我从不建议老板立刻全量上线。我的标准做法是灰度验证：先在门店的某一个渠道、或者进店顾客的10%流量里试运行，收集真实对话日志跑上两到三周，再决定是否全量开放。

灰度期我主要盯三个指标：知识库命中率（智能体能正确找到答案的比例）、转人工率（顾客对AI回答不满意而转人工的比例）、差评率变化。两周之后把对话日志拉出来，看顾客问了哪些知识库里没有的问题，看智能体在哪些回答上跑了偏，然后针对性补齐知识库和修正话术。

迭代完第一轮之后，通常就可以全量上线了。但要提醒你的是，这不代表项目结束了。更实际的做法是让老板养成每周看一次智能体后台日志的习惯。我服务过的一家快餐店，老板每周日晚上花20分钟看一遍本周对话记录，顺手把新增的问题补充进知识库。跟我合作的后半段，这家店的智能体几乎不再答错问题，因为所有的新情况都被及时喂进去了。

4. 30多家店的实战复盘：哪些场景真金白银，哪些是伪需求

4.1 表现最好的四个落地场景

做了30多家店，我不怕说实话：不是所有AI场景都能产生实打实的价值。有些场景属于锦上添花，有些场景则直接带来了利润变化。下面这四个场景是我复盘后认为最“真金白银”的。

第一个是打烊后的自动问答。对很多非24小时营业的餐饮店来说，顾客最活跃的咨询时段反而在晚上9点之后。这个时间店里的员工早下班了，顾客在公众号或群里问“明天几点开门”“还能不能订位”根本没人回，白白流失客户。给智能体配上门店信息和简单的预订功能后，这家店夜间咨询的响应率几乎到了百分之百，老板跟我反馈说“以前夜里想订位的客人第二天就跑别家了，现在起码有一半能接住”。

第二个是外卖客诉的即时处理。外卖场景的典型痛点是：顾客收到餐凉了、洒了、少东西了，第一时间去给差评。这时候如果有智能体在订单平台上先道歉、给出补偿方案、引导顾客加店长微信处理，很多差评是可以拦下来的。我做过的一家轻食店，在接入智能体处理客诉后，外卖平台的差评率在一个季度里明显下降，客服响应时间从原来的40分钟缩短到30秒内。

第三个是等位场景的顾客维系。做正餐和火锅的老板都有体会：等位顾客是最容易流失的，等10分钟没动静就走人了。我给一家火锅店做了等位智能体，顾客扫码取号后自动进入企业微信群，群里的AI会推送排队进度、推荐锅底、发放等位专属优惠券，顺便解答“店里有没有充电宝”这类琐碎问题。这个智能体上线后，等位流失率下降很明显，群里的优惠券核销率也挺好看。

第四个是社群里的复购提醒。很多餐饮店都建了会员群，但群里日常除了店长发广告没人说话。我用智能体在群里承担“活跃分子”的角色，比如回答会员关于新品、生日优惠、储值活动的问题，每天定时发一条当日推荐菜或者会员专享信息。有个茶饮店老板说，以前群是死群，现在平均每天的对话量翻了三四倍，时不时还真有人因为AI的推荐下单。

4.2 翻车最多的两类智能体

有成功的就有翻车的。我要坦诚地讲两类我见过翻车最多的需求，希望在立项之前帮你做减法。

第一类是“AI店长”型智能体，也就是想让AI管员工考勤、排班、绩效评估。坦白讲，餐饮门店的员工管理有太多非结构化因素，老板今天的情绪、某个员工的特殊情况、临时顶班的惯例，这些数据如果不到系统里，AI根本没法做出让人服气的排班和评价。有两家店坚持要做，结果AI排出来的班被店长直接否掉，员工也抱怨“AI不懂我们店的规矩”，最后这个模块都停掉了。我的看法是：餐饮项目的AI智能体现阶段最适合做面向顾客和信息的活儿，做面向内部人的管理判断还太早。

第二类是“全知全能型”客服。有的老板坚持要让智能体回答“任何问题”，包括门店加盟政策、供应商电话、后厨配方。我劝过好几次，但有一位老板还是让团队把内部资料全部塞进知识库。结果智能体上线后，顾客问加盟电话，AI就直接把老板私人手机号报出去了，场面一度非常尴尬。这件事之后我一直坚持一个原则：知识库只放顾客该知道的信息，内部经营信息永远不分给C端智能体。

4.3 数据说话：项目结算时我用的评估表

项目做得好不好，不能靠感觉。我给自己定的规矩是，每个项目上线后要给老板出一份简短的评估表，几个核心维度一目了然。

评估表的作用是让老板看到AI到底带来了什么变化，也让我的后期优化有据可依。每次做完整套评估，哪些项目要继续投入、哪些要砍掉，老板自己就有判断了，不需要我多说。

5. 常见问题与排查技巧实录

5.1 知识库命中率低，答非所问

这是餐饮智能体上线初期最普遍的问题。老板经常会来问我：我的AI怎么连自家菜品都认不出来？

我的排查路径基本是固定的。第一步，先去后台看对话日志，把AI答错的那些具体问题捞出来，看用户原话是什么。第二步，检查知识库里对应菜品是否有足够的检索线索。很多情况下问题出在“叫法不一致”，比如顾客说“你们家的那个炸鸡”，知识库里的条目是“秘制脆皮炸鸡”，没有把“炸鸡”这个别名关联进去，那AI就找不到。第三步，优化知识库条目的标题描述，把可能的问法都写进去，让检索命中率提升。

还有一个技巧是给知识库里的核心对象做“问答对式”的描述。比如不要只写“秘制脆皮炸鸡，28元”，而是写成“顾客问炸鸡推荐什么→推荐秘制脆皮炸鸡，28元/份，外酥里嫩，配柠檬茶更解腻”。这样AI检索到的不只是一个商品条目，而是“顾客问什么答案最合适”的完整语义。

5.2 大模型“一本正经胡说八道”

AI答错不可怕，可怕的是它答错时语气特别笃定，顾客信了，然后过来扑空，体验极差。这就是大模型的“幻觉”问题。

要是餐饮场景里，要承认大模型天生就会“自由发挥”，我们不可能让模型做到永远不胡说，但可以采用防守式策略。最有效的第一招是“锚定知识库”，在人设Prompt里把“必须严格依据知识库回答，知识库里没有的信息就说不确定”写成强约束。第二招是设置“拒答兜底”，当用户的问题明显超出知识库范围，AI要主动说“不好意思，这个问题我需要核实一下，让我找店长回复您”，而不是强行编一个答案。第三招是高频问题提前写好标准回复，不要每次都让大模型现场生成。标准回复完全没有幻觉风险，适合用在价格、营业时间、优惠政策这些容错率最低的信息上。

5.3 多轮对话断档、语境丢失

顾客问“你们有什么招牌菜”，AI答完，顾客接着问“那这个辣不辣”——如果AI忘了前面聊的是哪个菜，就会懵。这就是多轮对话的上下文丢失问题，在餐饮场景里非常常见。

这个问题的根源在于很多智能体平台默认只保留最近几轮记忆，或者对超长对话处理得不好。排查的时候先确认平台本身的上下文长度设置，能调多长调多长；同时要善用“变量记忆”功能，把关键信息比如“顾客当前最感兴趣的菜品”临时存起来，下一轮对话时优先读取。话术层面也可以主动重复结论，比如AI可以回答“您刚问的这道招牌菜是不辣的，如果想吃辣一点的，我推荐另一道XX”。

5.4 老板说“没用”的真实原因

最后这个不是技术问题，但比技术问题更值得说。我遇到过好几个项目，技术上挺成功，老板却觉得“没什么用”。一开始我以为是效果不行，后来复盘多了才发现，真正的原因是——老板没有把智能体的价值量化。

一个AI在群里回答一百遍“今晚几点营业”，它确实干了活，但老板感觉不到，因为“回答营业时间”不是老板视角的价值。后来我调整了做法：给智能体加上“数据记录”功能，让它把每一次服务都记下来，比如“今天一共接待了83次咨询”“其中12次是订位引导”“晚上10点后接到了14个咨询”。每周生成简单报告发给老板，老板这才直观看到AI到底替他省了多少人工、接住了多少本来会流失的顾客。有一家店老板看完数据后跟我说“这相当于多招了一个夜班前台，还不用发工资”。

所以说这题的关键，不是AI做不到，是要让AI做的每一件事都被看见。

我个人现在接到每一个餐饮AI智能体的项目，开场第一件事还是那个老流程：坐下来，跟老板聊两个小时业务，而不是打开电脑聊平台。回头再看这30多个项目，能真正长期跑起来、老板愿意持续维护和付费的，几乎都有一个共同点——老板把AI智能体当成一个需要培养的新员工，而不是一个装好就完事的软件。

这行干了两年多，我最大的心得是：AI智能体在餐饮行业根本不缺技术方案，缺的是有人愿意在动手之前先听老板把“店里那点鸡毛蒜皮的事”讲完。那些鸡毛蒜皮，才是这个行业真正的深水区。