Claw 菜單智能

食物知識圖譜

驅動餐廳 AI 的基礎層。我們正在構建全球餐廳知識圖譜——將餐廳、菜單、菜品、食材、菜系、定價、營養和顧客偏好連接到一個可計算的層中。

食物知識圖譜 — 交互式懸停節點探索關聯
Claw 食物圖譜智能核心 意大利菜菜系 披薩菜品 Pasta菜品 Mozzarella食材 Tomato食材 Trattoria Roma餐廳 NYC Pizzeria餐廳 顧客偏好需求
"The world's 餐廳知識圖譜."
圖譜理解什麼

七大維度的 餐廳智能

食物世界中的每個實體——從單一食材到全球菜系——都被連接、分類和計算。

餐廳

場所、位置、營業時間、概念和服務模式——結構化並關聯。

→ 鏈接到菜單、菜品和客戶

菜單

包含分區、項目、修飾符和定價關系的完整菜單結構。

→ 語義解析,而非純文本

菜品

每道菜按菜系、烹飪方法、風味特徵和季節性分類。

→ 10萬+菜品類型,持續增長

食材

包含替代品、過敏原、來源和季節性的食材本體。

→ 5萬+食材實體

菜系

全球菜系分類法——區域風格、融合傳統和烹飪譜系。

→ 200+ 菜系 categories

定價 & 營養

每道菜和食材的價格智能、利潤估算和營養屬性。

→ 實時市場基準

顧客偏好

食客點什麼、爲什麼選擇、偏好如何隨時間、位置和場景變化——閉環的需求層。

→ 驅動個性化與預測
用例

What the graph 使以下成為可能

用例 01

即時理解任何菜單

將非結構化菜單輸入圖譜。返回帶有菜系標籤、食材清單、過敏原標記、價格基準和利潤估算的結構化菜品——無需手動數據錄入。

  • 數秒內解析 PDF、圖片或文本菜單
  • 自動分類菜品並識別菜系
  • 標記過敏原和飲食屬性
菜單解析輸出結構化
{
  "dish": "Margherita 披薩",
  "菜系": "Italian",
  "食材": ["mozzarella", "tomato", "basil"],
  "過敏原": ["dairy", "gluten"],
  "價格_benchmark": "$12–$16",
  "利潤率_estimate": "68%"
}
用例 02

驅動懂食物的 AI 代理

你的 AI 代理不需要學習"辣"是什麼意思,也不需要學習哪種葡萄酒配番茄醬。圖譜從第一天起就賦予它餐廳原生推理能力。

  • 食材替代和搭配邏輯
  • 風味特徵推理和菜單設計
  • 基於顧客偏好的推薦
CLAW 經理
"你的 Margherita 使用 mozzarella di bufala, 這是 34% above 您的市場基準。圖譜建議 fiordilatte 作爲風味等效替代品,可將利潤率提升 8 個百分點."
50K+
食材實體
200+
菜系類型
100K+
菜品分類
1M+
餐廳節點
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

從POS系統、外賣平台、餐廳網站和PDF/圖片上傳收集菜單。多格式攝取:文本、結構化JSON、圖片OCR。

阶段 02
解析与标准化

NLP模型提取菜品名稱、描述、價格、修改項和欄目結構。標準化為規範形式——"spaghetti bolognese" → 帶菜系=意大利的"意大利肉醬面"。

阶段 03
实体链接

將每道菜鏈接到食材本體、菜系分類法和營養數據庫。通過上下文和置信度評分解析模糊實體("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
基於圖譜構建

查詢全球 餐廳知識圖譜.

食物知識圖譜可通過食物圖譜 API 和菜單智能 API 獲取。立即開始構建餐廳原生 AI。