餐厅蒸馏器：输入餐厅信息（文案或名称），自动蒸馏生成餐厅推荐Skill。 生成的餐厅Skill可供AI Agent调用，推荐餐厅和菜品。 两种入口： (1) 用户提供餐厅介绍文案 → 直接蒸馏 (2) 用户提供餐厅名称 → 搜索信息后蒸馏 触发词：「蒸馏餐厅」「餐厅skill」「做餐厅推荐」「这家餐厅怎么样」
「一家餐厅的灵魂，不是菜单，是它的定位和决策规则。」
餐厅蒸馏不是简单的信息整理，而是提炼决策框架。
一个好的餐厅Skill是一套可运行推荐逻辑：
关键区分：捕捉的是餐厅的"推荐逻辑"，不只是"基本信息"。
收到用户输入后，先判断属于哪条路径：
| 用户输入 | 路径 | 示例 |
|---|---|---|
| 提供餐厅介绍文案 |
| 直接路径 → Phase 1A |
| 「这家餐厅是做潮汕牛肉火锅的，位于...」 |
| 只提供餐厅名称 | 搜索路径 → Phase 1B | 「帮我蒸馏「海底捞」」 |
| 批量餐厅列表 | 批量路径 → Phase 1C | 「帮我蒸馏这10家餐厅：[列表]」 |
用户提供现成的餐厅介绍文案，直接提取关键信息。
输入示例：
餐厅名称：潮汕牛肉火锅（福田店）
地址：深圳市福田区XX路XX号
简介：正宗潮汕牛肉火锅，现切现涮，牛骨汤底，人均150元...
特色菜：吊龙、匙柄、牛腩煲...
口碑：牛肉新鲜、服务好、排队久...
执行步骤：
用户只提供餐厅名称，需要先搜索信息。
执行步骤：
确认餐厅信息
搜索餐厅信息
方式一：API搜索（如有API Key）
方式二：网页搜索（默认）
{餐厅名} {城市} 大众点评 小红书信息整合
用户提供多个餐厅，批量蒸馏。
输入示例：
帮我蒸馏这些餐厅：
1. 潮汕牛肉火锅（福田店）
2. 海底捞（COCO Park店）
3. 老乡鸡（南山店）
...
执行步骤：
从采集的信息中提炼餐厅的推荐框架。
餐厅名称: [名称]
所在城市: [城市]
具体地址: [地址]
餐厅类型: [火锅/粤菜/日料/西餐...]
价位区间: [人均 XX 元]
营业时间: [时间]
联系方式: [电话/公众号]
一句话定位：这家餐厅最核心的特色是什么？
示例：
评估这家餐厅在不同场景下的适配度：
| 场景 | 匹配度 | 推荐理由 | 不推荐理由 |
|---|---|---|---|
| 家庭聚餐 | ⭐1-5 | 包厢、菜量、口味 | 嘈杂、无包厢 |
| 商务宴请 | ⭐1-5 | 环境、档次 | 不够正式 |
| 朋友聚会 | ⭐1-5 | 氛围、菜品 | 太贵、排队 |
| 情侣约会 | ⭐1-5 | 环境、情调 | 嘈杂 |
| 一个人吃 | ⭐1-5 | 吧台、分量 | 不划算 |
| 外卖/打包 | ⭐1-5 | 口味稳定性 | 菜品不适合 |
必点菜：
| 菜名 | 推荐理由 | 适合人群 | 价格 |
|---|---|---|---|
| 吊龙 | 牛肉最嫩的部位 | 喜欢吃肉的人 | ¥68 |
避雷菜：
| 菜名 | 不推荐原因 |
|---|---|
| XX | 口感一般，性价比低 |
适合人群：
不适合人群：
高频正面评价：
高频负面评价：
生成给AI Agent用的推荐规则：
决策规则:
当用户说「想吃火锅」:
推荐指数: 8/10
理由: 正宗潮汕牛肉火锅，现切现涮
当用户说「预算100元以内」:
推荐指数: 4/10
理由: 人均150，略超预算
当用户说「家庭聚餐」:
推荐指数: 8/10
理由: 有包厢，老少皆宜
当用户说「商务宴请」:
推荐指数: 5/10
理由: 环境一般，不够正式
当用户说「一个人吃」:
推荐指数: 6/10
理由: 可以，但有点浪费
这家餐厅的局限性：
将蒸馏结果生成为SKILL.md文件。
存放路径：
~/.openclaw/skills/restaurant-kb/
├── [餐厅名]-[城市].md
├── 海底捞-深圳.md
├── 潮汕牛肉火锅-深圳.md
└── ...
文件模板：
---