餐饮店RAG构建术：菜单·FAQ·营业信息的优化

RAG构建术

「季节限定的白桃芭菲还有吗？」

顾客通过LINE咨询，我们的AI立刻回答：「有的，您请来！」

问题是，白桃芭菲3天前就结束了。

接到店长愤怒的电话时，我们意识到了一个重大缺陷。AI拥有海量的「通用知识」，却对「今天店里的情况」一无所知。

AI的「失忆症」

ChatGPT或Claude可以回答学习数据中包含的任何信息。但是，今天的菜单？这周的营业时间？刚刚售罄的商品？——这些在学习数据中根本不存在。

我们需要一种方法，让AI知道「店铺的现在」。

注入记忆

我们构建的是RAG（检索增强生成）——在AI生成回复之前，将相关店铺信息「注入」的机制。

顾客问「白桃芭菲」时，在让AI回答之前，我们先搜索数据库。找出与「白桃芭菲」相关的信息——价格、供应期间、剩余库存——然后将这些信息连同问题一起交给AI。

AI基于「被注入的记忆」生成回答。

0.1秒内找到正确的记忆

但是，搜索存在挑战。顾客可能会问「桃子甜点」，也可能问「蜜桃芭菲」。它们说的都是同一个「白桃芭菲」。

仅靠关键词搜索无法应对。我们引入了可以按「含义」搜索的向量检索。比较问题的含义和菜单的含义，在0.1秒内找出最相关的信息。

反映1秒前的变更

更重要的是信息的时效性。店长在管理界面点击「白桃芭菲：售罄」的那一刻，这个信息就必须反映到AI的「记忆」中。

我们构建了菜单和库存变更实时同步到向量数据库的机制。从变更到反映，平均不到1秒。

能说「没有」的AI

自那次白桃芭菲事件以来，AI现在可以准确回答：「非常抱歉，白桃芭菲是季节限定，已于3天前结束了」

而且还会附上建议：「作为替代，目前我们提供巨峰葡萄芭菲」

让AI拥有正确的记忆，才能为顾客提供正确的答案。这就是我们RAG的目的。