generative-ai 快速上手：餐饮场景下的 AI 菜单生成、多模态客服与客户行为分析

generative-ai 快速上手餐饮场景下的 AI 菜单生成、多模态客服与客户行为分析【免费下载链接】generative-aiSample code and notebooks for Generative AI on Google Cloud, with Gemini Enterprise Agent Platform项目地址: https://gitcode.com/GitHub_Trending/ge/generative-ai开一家餐厅最耗人力又直接影响生意的往往不是做菜而是三件杂事设计菜单、回答顾客反复询问的这个辣不辣、有没有货、以及月底对着流水单猜到底哪道菜在赚钱。开源项目 generative-ai 汇集了 Google Cloud 上 Gemini 与各类 AI 工具的官方示例和 Notebook正好覆盖这三个场景——你可以直接用现成的路径和代码骨架搭出自己的智能餐饮系统而不必从零理解模型原理。如何用一句话生成一张排版完整的菜单图传统做法是把菜品、价格、描述发给设计师等两三天、改两三轮。而 generative-ai 里的 Nano Banana 模块基于 Gemini 2.5 Flash 图像模型可以直接文字生图且生成的图里带清晰可读的文字。入口在 gemini/nano-banana/nano_banana_recipes.ipynb其中 Recipe 10Images with Text就是现成的菜单模板提示词里只写了店名、菜品、价格和配料描述模型输出就是一张排版整齐的 Pizzeria 菜单连线上订餐电话都排进了版面。实操要点提示词结构仿照 Recipe 10店名 标语 分类标题 菜名 - 价格 配料三行一组模型会按这个结构自动排版在提示词开头固定一句风格描述如现代简约风暖色调系列菜单换菜品不换风格品牌形象才统一用 Recipe 7Multiple Reference Images传入店内实拍图可让新菜单图沿用现有菜品的真实照片招牌菜放在Signature分组并置顶模型会自然把它排成视觉焦点让顾客拍着照片问多模态客服 Agent顾客问这个菜能不能免辣店里还有 XX 吗人工客服既要懂菜单又要查库存。generative-ai 的客服用例演示了更顺的解法把商品目录连同商品图片一起喂给 Gemini再通过函数调用接你的库存接口。入口在 gemini/use-cases/customer-support/customer_support_gemini_genai_sdk.ipynb。这个 Notebook 演示了完整链路用商品图片构建目录 → 顾客拍照或发图提问这个椅子有货吗 → 模型识别图片内容并调用get_product_info函数查询真实库存 → 把结果转述给顾客。把椅子换成宫保鸡丁逻辑完全通用。如果你想要语音版的体验可直接跑现成演示 gemini/multimodal-live-api/native-audio-websocket-demo-apps/customer-support-demo-app/顾客说话、举着摄像头展示菜品Agent 能识别情绪不耐烦时换安抚语气还能执行办理退款转人工这类真实工具动作。实操要点把菜品表按名称 图片 价格 是否供应整理成结构化目录多模态识别的准确率远高于纯文字描述用函数调用对接库存系统而不是让模型猜避免它信誓旦旦地报出错误库存过敏原提醒做成固定追问识别到顾客提到过敏自动触发配料查询语音场景留好兜底工具如connect_to_human复杂投诉直接转人工不写代码直接用 SQL 分析顾客行为每月复盘哪道菜卖得好、哪类顾客在流失通常卡在两个地方数据在 BigQuery 里但会 SQL 的人不会用 AI会用 AI 的人不碰数据库。generative-ai 的 BigQuery 示例把两件事拼在一起在熟悉的 SQL 环境里直接调用 Gemini 做分析。入口在 gemini/use-cases/applying-llms-to-data/bigquery_generative_ai_intro.ipynb。它演示了AI.GENERATE等函数的用法——例如对顾客评价表跑一条 SQL让 Gemini 逐行抽取关键词并返回结构化结果几行查询就能得到口味/分量/环境/服务四维反馈统计还能指定输出 schema让分析结果直接落成可透视的新表。实操要点先用AI.GENERATE对评价文本做关键词抽取或情感标注输出时指定 JSON schema方便后续GROUP BY聚合菜单优化从销量 × 好评率交叉表入手高销量低评分的菜优先改低销量低评分的菜考虑下架该 Notebook 还演示了 Claude、Llama 等伙伴模型的调用方式同一份 SQL 可以横向对比不同模型的抽取效果能力对照表能力对应模块路径适用场景文字生图菜单、海报gemini/nano-banana/nano_banana_recipes.ipynb菜单图、促销海报、菜品上新图多模态客服 函数调用gemini/use-cases/customer-support/customer_support_gemini_genai_sdk.ipynb菜品咨询、库存查询、商品问答实时语音/视频客服演示gemini/multimodal-live-api/native-audio-websocket-demo-apps/customer-support-demo-app/语音客服、情绪感知、转人工BigQuery Gemini 数据分析gemini/use-cases/applying-llms-to-data/bigquery_generative_ai_intro.ipynb顾客评价分析、经营报告、模型对比小结generative-ai 的价值在于把菜单设计、顾客答疑、经营分析这三件原本分散在不同人和不同系统里的活收敛到同一套 Gemini 工具链上且每个环节都有可对照的官方示例。下一步很简单克隆仓库git clone https://gitcode.com/GitHub_Trending/ge/generative-ai先打开gemini/nano-banana/nano_banana_recipes.ipynb的 Recipe 10把提示词换成你自己餐厅的菜品——一份属于你的 AI 菜单图几分钟就能出第一版。【免费下载链接】generative-aiSample code and notebooks for Generative AI on Google Cloud, with Gemini Enterprise Agent Platform项目地址: https://gitcode.com/GitHub_Trending/ge/generative-ai创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考