餐飲店RAG構建術：菜單·FAQ·營業資訊的優化

RAG構建術

「季節限定的白桃芭菲還有嗎？」

顧客通過LINE諮詢，我們的AI立刻回答：「有的，您請來！」

問題是，白桃芭菲3天前就結束了。

接到店長憤怒的電話時，我們意識到了一個重大缺陷。AI擁有海量的「通用知識」，卻對「今天店裡的情況」一無所知。

AI的「失憶症」

ChatGPT或Claude可以回答學習數據中包含的任何資訊。但是，今天的菜單？這週的營業時間？剛剛售罄的商品？——這些在學習數據中根本不存在。

我們需要一種方法，讓AI知道「店鋪的現在」。

注入記憶

我們構建的是RAG（檢索增強生成）——在AI生成回覆之前，將相關店鋪資訊「注入」的機制。

顧客問「白桃芭菲」時，在讓AI回答之前，我們先搜索數據庫。找出與「白桃芭菲」相關的資訊——價格、供應期間、剩餘庫存——然後將這些資訊連同問題一起交給AI。

AI基於「被注入的記憶」生成回答。

0.1秒內找到正確的記憶

但是，搜索存在挑戰。顧客可能會問「桃子甜點」，也可能問「蜜桃芭菲」。它們說的都是同一個「白桃芭菲」。

僅靠關鍵詞搜索無法應對。我們引入了可以按「含義」搜索的向量檢索。比較問題的含義和菜單的含義，在0.1秒內找出最相關的資訊。

反映1秒前的變更

更重要的是資訊的時效性。店長在管理介面點擊「白桃芭菲：售罄」的那一刻，這個資訊就必須反映到AI的「記憶」中。

我們構建了菜單和庫存變更即時同步到向量數據庫的機制。從變更到反映，平均不到1秒。

能說「沒有」的AI

自那次白桃芭菲事件以來，AI現在可以準確回答：「非常抱歉，白桃芭菲是季節限定，已於3天前結束了」

而且還會附上建議：「作為替代，目前我們提供巨峰葡萄芭菲」

讓AI擁有正確的記憶，才能為顧客提供正確的答案。這就是我們RAG的目的。