Claw 菜单智能

食物知识图谱

驱动餐厅 AI 的基础层。我们正在构建全球餐厅知识图谱——将餐厅、菜单、菜品、食材、菜系、定价、营养和顾客偏好连接到一个可计算的层中。

食物知识图谱 — 交互式悬停节点探索关联
Claw 食物图谱智能核心 意大利菜菜系 披萨菜品 Pasta菜品 Mozzarella食材 Tomato食材 Trattoria Roma餐厅 NYC Pizzeria餐厅 顾客偏好需求
"The world's 餐厅知识图谱."
图谱理解什么

七大维度的 餐厅智能

食物世界中的每个实体——从单一食材到全球菜系——都被连接、分类和计算。

餐厅

场所、位置、营业时间、概念和服务模式——结构化并关联。

→ 链接到菜单、菜品和客户

菜单

包含分区、项目、修饰符和定价关系的完整菜单结构。

→ 语义解析,而非纯文本

菜品

每道菜按菜系、烹饪方法、风味特征和季节性分类。

→ 10万+菜品类型,持续增长

食材

包含替代品、过敏原、来源和季节性的食材本体。

→ 5万+食材实体

菜系

全球菜系分类法——区域风格、融合传统和烹饪谱系。

→ 200+ 菜系 categories

定价 & 营养

每道菜和食材的价格智能、利润估算和营养属性。

→ 实时市场基准

顾客偏好

食客点什么、为什么选择、偏好如何随时间、位置和场景变化——闭环的需求层。

→ 驱动个性化与预测
用例

What the graph 使以下成为可能

用例 01

即时理解任何菜单

将非结构化菜单输入图谱。返回带有菜系标签、食材清单、过敏原标记、价格基准和利润估算的结构化菜品——无需手动数据录入。

  • 数秒内解析 PDF、图片或文本菜单
  • 自动分类菜品并识别菜系
  • 标记过敏原和饮食属性
菜单解析输出结构化
{
  "dish": "Margherita 披萨",
  "菜系": "Italian",
  "食材": ["mozzarella", "tomato", "basil"],
  "过敏原": ["dairy", "gluten"],
  "价格_benchmark": "$12–$16",
  "利润率_estimate": "68%"
}
用例 02

驱动懂食物的 AI 代理

你的 AI 代理不需要学习"辣"是什么意思,也不需要学习哪种葡萄酒配番茄酱。图谱从第一天起就赋予它餐厅原生推理能力。

  • 食材替代和搭配逻辑
  • 风味特征推理和菜单设计
  • 基于顾客偏好的推荐
CLAW 经理
"你的 Margherita 使用 mozzarella di bufala, 这是 34% above 您的市场基准。图谱建议 fiordilatte 作为风味等效替代品,可将利润率提升 8 个百分点."
50K+
食材实体
200+
菜系类型
100K+
菜品分类
1M+
餐厅节点
图谱如何构建

从非结构化菜单到结构化智能。

食物智能图谱不是手工策划的——它由四阶段管道持续构建,将原始餐厅数据转化为鲜活的、可计算的知识库。

阶段 01
摄取

从POS系统、外卖平台、餐厅网站和PDF/图片上传收集菜单。多格式摄取:文本、结构化JSON、图片OCR。

阶段 02
解析与标准化

NLP模型提取菜品名称、描述、价格、修改项和栏目结构。标准化为规范形式——"spaghetti bolognese" → 带菜系=意大利的"意大利肉酱面"。

阶段 03
实体链接

将每道菜链接到食材本体、菜系分类法和营养数据库。通过上下文和置信度评分解析模糊实体("pepper" → 甜椒 vs. 辣椒)。

阶段 04
丰富与学习

计算派生属性:毛利估算、价格基准、风味特征、饮食标记。每个新菜单都在精炼模型——图谱在每次摄取周期中变得更聪明。

平均处理时间:每份菜单4.2秒 · 实体链接准确率96.8%

数据质量与治理

您可以信任的智能。

知识图谱的质量仅取决于其数据质量。食物智能图谱中的每个节点和边都经过评分、验证和治理——因此您的AI智能体和应用在可靠的基础上推理。

置信度评分

每个实体链接和属性提取都带有置信度评分。低置信度节点被标记供人工审核,或在验证前从智能体推理中排除。

  • 每实体置信度评分(0–1)
  • 智能体使用的基于阈值过滤
  • 人工在环审核队列
  • 通过API元数据暴露置信度

来源与血缘

每个图谱节点都可追溯到其来源——哪家餐厅、哪个菜单、哪个摄取批次。当源数据变更时,依赖节点被标记重新计算。图谱中没有不可追溯的东西。

  • 每节点和边的完整数据血缘
  • 来源归因和摄取时间戳
  • 源变更时增量更新
  • 所有图谱修改的审计追踪

持续验证

每个摄取批次运行自动化质量检查:模式验证、重复检测、跨源一致性、离群值标记。未通过验证的数据被隔离——从不静默传播到图谱中。

  • 自动化模式和格式验证
  • 重复和冲突检测
  • 跨源一致性检查
  • 坏数据隔离管道

本体治理

食物本体——菜系、食材、菜品类型、风味特征——由专家策划和统计学习相结合治理。新实体类型由模型提出,由领域专家审核,并进行版本化以保持向后兼容。

  • 专家策划的核心本体
  • 模型提议的实体扩展
  • 带弃用策略的版本化本体
  • 领域专家审核委员会
行业覆盖

一个图谱中的全球菜系。

从街头小吃到精致餐饮,从东京到多伦多——食物智能图谱覆盖全球菜系、区域变化和烹饪传统。覆盖范围随每家加入的餐厅而增长。

200+
菜系分类

从意大利和日本到中国地方菜、墨西哥、泰国、印度、中东、非洲和融合菜——每个主要菜系及其子风格。

50K+
食材实体

农产品、蛋白质、乳制品、谷物、香料、油、酱料和特色食材——带替代方案、过敏原、季节性和来源属性。

100K+
菜品分类

带烹饪方法、风味特征、菜系谱系、典型食材和跨区域常见变化的规范菜品类型。

1M+
餐厅节点

40+国家的门店,链接到其菜单、菜品、服务模式和客户偏好信号——每日增长。

40+
覆盖国家

北美、欧洲、亚太、拉美和中东——带本地化菜系分类法和区域食材本体。

12+
语言

菜单解析支持英语、西班牙语、法语、德语、意大利语、日语、中文(简繁)、韩语、葡萄牙语、阿拉伯语等。

意大利菜日本料理中国菜(8大菜系)墨西哥菜泰国菜印度菜法国菜地中海中东韩国料理越南菜美式烧烤海鲜素食纯素无麸质清真犹太洁食以及180+更多
基于图谱构建

查询全球 餐厅知识图谱.

食物知识图谱可通过食物图谱 API 和菜单智能 API 获取。立即开始构建餐厅原生 AI。