基于大模型 API 的早餐自动算价器实现

2. 用户 Query 解析

用户输入通常包含口语化表达、简称或省略语（如'来两个肉包'）。此步骤需要将非结构化文本转化为结构化数据。

提示词设计要点

• 语义对齐：要求模型将用户口语映射到菜单标准名称。
• 异常处理：对于菜单中不存在的商品，应忽略而非报错。
• 数量提取：明确区分不同商品的数量。

extract_prompt = """
## Role
你是一名信息抽取专家。

## Goals
请根据提供的菜单内容，对用户的问题进行信息提取，主要提取出菜名以及对应的数量。

## Constrains
- 输出结果必须为 json 格式；
- json 内容的 key 为菜品名称，value 为数量;
- value 结果中不需要带单位，只放数值，类型为 int；
- 如果用户问题中的菜名偏口语化，请根据提供的菜单名称进行菜名的对齐，要求菜名必须在菜单中；
- 如果发现有菜名实在不在菜单中，忽略改菜名，不进行抽取；
- 言简意赅，直接输出 json 结果。

## Initialization
请根据提供菜单内容和用户问题进行内容解析。
菜单：{menu_json}
用户问题：{user_query}
"""

API 调用与解析

同样使用 response_format 保证输出稳定性。注意在构造 Prompt 时，将上一步获取的菜单数据填入 {menu_json} 占位符。

query = "3 个鲜肉，两个梅干菜，1 杯豆浆"
query_extract = extract_prompt.format(menu_json=json.dumps(menu_data), user_query=query)

response = client.chat.completions.create(
    model="glm-4-air-0111",
    messages=[
        {
            "role": "user",
            "content": query_extract
        }
    ],
    response_format={"type": "json_object"}
)

order_items = json.loads(response.choices[0].message.content)
print(order_items)

3. 价格计算逻辑

获取到菜单单价和订单明细后，即可进行计算。原方案中使用 eval 存在安全隐患，建议直接使用 json.loads 解析字符串，并通过字典查找匹配单价。

total_money = 0
calculation_log = []

for item_name, quantity in order_items.items():
    if item_name in menu_data:
        price = menu_data[item_name]
        subtotal = price * quantity
        total_money += subtotal
        calculation_log.append(f"{item_name}: {price}*{quantity}={subtotal}")
    else:
        print(f"警告：菜单中未找到商品 '{item_name}'")

calculation_log.append(f"总价：{total_money}")
print("\n".join(calculation_log))

4. 多轮对话支持

在实际场景中，用户可能会修改订单（如'把梅干菜换成海带'）。这需要维护对话历史，利用大模型的上下文理解能力进行增量更新。

conversation_history = [
    {"role": "user", "content": query_extract},
    {"role": "assistant", "content": json.dumps(order_items)},
    {"role": "user", "content": f"根据当前用户问题，对上面输出的 json 结果进行修改，并输出 json 结果。用户问题：{new_query}"}
]

response = client.chat.completions.create(
    model="glm-4-air-0111",
    messages=conversation_history,
    response_format={"type": "json_object"}
)

updated_order = json.loads(response.choices[0].message.content)

最佳实践与优化建议

1. 安全性增强：在生产环境中，避免使用 eval() 函数处理外部输入，推荐使用 json.loads() 配合严格的类型校验。
2. 容错机制：增加重试逻辑，当 API 返回超时或错误时自动重试；对于 OCR 识别置信度低的情况，可引入人工审核接口。
3. Prompt 迭代：定期收集 Bad Case（错误案例），针对特定类型的菜单或方言优化提示词模板。
4. 成本控制：优先使用免费或低成本的 Flash/Air 系列模型处理 Demo 阶段任务，仅在复杂场景下切换高算力模型。

总结

本方案展示了如何利用大模型 API 快速构建一个解决实际问题的工具。通过 OCR 与 NLP 的结合，实现了从非结构化图像和文本到结构化数据的转换。虽然目前实现较为简单，但核心思路可复用于更多零售计价场景。大模型技术的普及降低了开发门槛，使得个人开发者也能低成本地利用 AI 能力解决生活中的痛点。

未来可进一步集成 TTS（语音合成）功能，实现语音点餐与播报，提升无障碍体验。同时，结合知识库检索（RAG）技术，可支持更复杂的促销规则计算。