给餐饮店搭AI客服的技术选型实录：RAG+Function Calling vs 纯Prompt

用户96081265909
2 阅读2分钟

最近在帮餐饮店做AI客服落地，把技术选型过程记录一下，给同样在做AI落地的同学参考。

背景

中小餐饮店（2-5家门店），核心痛点：高峰期客服回复慢导致丢单、评价处理耗时、会员数据零沉淀。

三种技术方案对比

方案A：纯Prompt + 知识库文档

  • 搭建快，1天上线
  • 无法查实时数据（订单状态、积分），只回答静态信息
  • 适合：MVP验证阶段

方案B：RAG + Function Calling

  • RсG处理知识库（菜单、优惠、SOP），Function Calling对接业务API
  • 抽样3000条对话：72%标准化咨询AI全接，28%复杂场景转人工
  • 混合检索（bge-large-zh + ES关键词 + reranker），Top5召回率93%
  • 响应时间3秒，适合深度定制

方案C：Coze/扣子平台搭建

  • 拖拉拽搭工作流，不写代码
  • 内置知识库、插件、定时触发
  • 适合快速验证，后续再迁移

踩坑记录

  1. 知识库分块：固定token切会把表格切碎（会员等级表、优惠券规则），表格类文档要单独解析，保证完整表格在一个chunk里

  2. 函数粒度：一开始拆太细（查积分一个函数、查等级一个），用户问"我账户有什么"要串行调3-4个，响应8秒。改成粗粒度接口一次返回全量数据，压到3秒

  3. 安全机制：退款、券核销涉及资金操作，必须requires_user_confirm，AI不能静默执行

  4. Embedding选型：OpenAI text-embedding-3-large召回率91%但月费3千+；bge-large-zh本地部署召回率89%，边际成本为零。小项目选后者

落地效果

某川菜馆30天数据：评分3.8->4.6，日订单+60%，客服年成本42000->3000。

写在最后

目前在做OPC模式，一个人+AI工具矩阵承接餐饮/本地生活的AI化需求。如果你也在做AI+餐饮/本地生活落地，欢迎交流合作或转介绍。

免费门店AI化自测工具：www.coze.cn/s/SwfCeHPI2… 联系邮箱：opc.ai.canyin@coze.email

avatar
文章
阅读
粉丝