______________________________________________________________________
标题：餐厅情报员 表情符号🍽️ 颜色来源：橙色 颜色：红色 sdk：毕业 sdk版本：5.0.0 app_file:src/ui/gradio_app.py 固定：true 许可证：mit short_description：面向业主、厨师和经理的人工智能餐厅评论分析 标签：
- mcp在行动中跟踪生产力
______________________________________________________________________
🍽️ 餐厅情报员
基于人工智能的餐厅老板、厨师和经理评论分析 *揭示客户的真实想法——超越星级。*
    
______________________________________________________________________
📺 演示视频
🎬 观看演示视频
______________________________________________________________________
📱 社交媒体
🐦 查看社交帖子
______________________________________________________________________
🎯 问题
餐馆老板淹死了 数百条评论 跨OpenTable和谷歌地图等平台。阅读它们是不可能的，收视率并不能说明全部情况：
- ⭐ 四星级评价可能包含 批判性反馈 关于一道特定的菜
- ⭐ 三星级评价可能 赞美食物 但抱怨等待时间
- ⭐ 不同的利益相关者需要 不同见解 （厨师vs.经理）
结果： 可操作的反馈丢失了。问题依然存在。错过了机会。
______________________________________________________________________
💡 解决方案
一 自主AI代理 即：
- 🔍 报废评论 来自OpenTable或谷歌地图（最多1000+条评论）
- 🧠 分析情绪 使用具有特定角色洞察力的Claude AI
- 📊 生成可操作的情报 针对不同的利益相关者
- 💬 回答问题 关于使用RAG的客户反馈
- 📄 出口专业报告 作为可下载的PDF
全部在a 抛光、生产就绪的Gradio 6接口.
______________________________________________________________________
✨ 主要特点
🤖 自主代理架构
- 自规划管道 --无需人工干预
- 多级加工 --刮擦→ 分析→ 生成见解→ 报告
- 并行批处理 --高效处理1000+条评论
📊 多方利益相关者情报
| 🍳 厨师见解 | 📊 经理见解 |
|---|---|
| 菜单项情绪 | 服务质量趋势 |
| 菜品反馈 | 环境与氛围 |
| 配方/准备问题 | 等待时间投诉 |
| 客户喜好 | 价值感知 |
📈 评级与情绪趋势图
揭示 断开 在哪些客户之间 比率 （明星）vs他们 说 （情绪）随着时间的推移。
🔍 深入分析
单击任何菜单项或方面以查看：
- 基于颜色编码的情感评分
- 客户反馈总结
- 示例评论
- 推荐操作
💬 RAG供电问答
问自然语言问题，比如：
- *“最好点的菜是什么？”*
- *“服务质量怎么样？”*
- *“这家餐厅适合约会吗？”*
📄 专业PDF报告
导出包含以下内容的综合报告：
- 执行摘要
- 菜单性能分析
- 客户体验方面
- 厨师和经理推荐
______________________________________________________________________
🛠️ 技术架构
┌─────────────────────────────────────────────────────────────────┐
│ GRADIO 6 FRONTEND │
│ ┌─────────┐ ┌─────────┐ ┌─────────┐ ┌─────────┐ ┌─────────┐ │
│ │ Trends │ │ Chef │ │ Manager │ │ Q&A │ │ Export │ │
│ │ Tab │ │ Tab │ │ Tab │ │ Tab │ │ Tab │ │
│ └─────────┘ └─────────┘ └─────────┘ └─────────┘ └─────────┘ │
└─────────────────────────────────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────────────────────┐
│ MODAL SERVERLESS BACKEND │
│ ┌─────────────────┐ ┌─────────────────┐ ┌─────────────────┐ │
│ │ Web Scraper │ │ Claude Sonnet │ │ Insight Gen │ │
│ │ (Selenium) │→ │ (Batch Process)│→ │ (Chef/Manager) │ │
│ └─────────────────┘ └─────────────────┘ └─────────────────┘ │
│ │ │
│ ┌─────────────────────────────────────────────────────────────┐│
│ │ PARALLEL PROCESSING (5 API Keys) ││
│ │ Batch1 │ Batch2 │ Chef Insights │ Manager │ Summaries ││
│ └─────────────────────────────────────────────────────────────┘│
└─────────────────────────────────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────────────────────┐
│ SUPPORTED PLATFORMS │
│ 🍽️ OpenTable │ 🗺️ Google Maps │
└─────────────────────────────────────────────────────────────────┘技术栈
- 前端： Gradio 6，深色主题
- 后端： Modal（无服务器Python）
- 人工智能： 克劳德·十四行诗第四首（Claude-Sonnet-4-20250514）
- 报废： 带有反检测功能的Selenium WebDriver
- 图表： 具有自定义样式的Matplotlib
- PDF： 具有专业格式的ReportLab
______________________________________________________________________
🚀 运作原理
步骤1：输入餐厅URL
粘贴任何OpenTable或谷歌地图餐厅URL。
步骤2：选择审核计数
选择50、100、200、500或1000条评论进行分析。
步骤3：单击分析
代理自动执行以下操作：
- 使用分页功能删除评论
- 使用AI提取菜单项和方面
- 计算情绪得分
- 生成特定角色的见解
- 创建趋势可视化
第四步：探索见解
- 📈 趋势选项卡： 评级与情绪随时间变化
- 🍳 厨师选项卡： 菜单项分析和建议
- 📊 管理器选项卡： 服务和体验方面
- 💬 问答选项卡： 询问有关评论的问题
- 📤 导出选项卡： 下载PDF报告
______________________________________________________________________
📊 情绪量表
| 颜色 | 情感 | 阈值 | 含义 |
|---|---|---|---|
| 🟢 | 正面 | ≥0.6 | 客户明显喜欢/表扬 |
| 🟡 | 中性 | 0到0.59 | 混合感觉，平均 |
| 🔴 | 负面 | \<0 | 投诉、批评 |
______________________________________________________________________
🏆 为什么会赢
✅ 完整性
- 充分拥抱脸部空间✓
- 社交媒体帖子✓
- 全面自述✓
- 演示视频✓
✅ 设计/UI-UX
- 专业深色主题
- 直观的标签导航
- 移动响应式布局
- 清晰的视觉层次
- 加载状态和反馈
✅ 功能
- Gradio 6功能（选项卡、状态、图表）
- MCP风格的工具架构
- 代理自主行为
- 实时进度更新
✅ 创造力
- 多方利益相关者角色（厨师vs经理）
- 评级与情绪脱节可视化
- 动态菜单项发现（无硬编码关键字）
- RAG驱动的自然语言问答
✅ 文档
- 带有架构图的详细自述文件
- 内联代码注释
- 演示视频演练
✅ 现实世界影响
- 解决a 真正的商业问题 餐厅
- 手柄 1000+评论 大规模
- 生产准备就绪 具有错误处理功能
- 成本优化 （每家餐厅分析约2-3美元）
______________________________________________________________________
🎮 动手试一试
现场演示
👉 启动应用程序
要测试的示例URL
OpenTable：
https://www.opentable.ca/r/dockside-restaurant-vancouver
https://www.opentable.com/r/the-french-laundry-yountville谷歌地图：
https://www.google.com/maps/place/Dockside+Restaurant______________________________________________________________________
📁 项目结构
restaurant-intelligence-agent/
├── src/
│ ├── ui/
│ │ └── gradio_app.py # Main Gradio interface
│ ├── scrapers/
│ │ ├── opentable_scraper.py # OpenTable review scraper
│ │ └── google_maps_scraper.py # Google Maps scraper
│ ├── data_processing/
│ │ ├── review_processor.py # DataFrame processing
│ │ └── review_cleaner.py # Text cleaning & dedup
│ └── agent/
│ └── base_agent.py # Agent orchestrator
├── modal_backend.py # Modal serverless backend
├── requirements.txt # Python dependencies
└── README.md # This file______________________________________________________________________
🔧 本地开发
先决条件
- Python 3.12+
- Chrome/Chromium浏览器
- 无烟煤API键
安装
# Clone the repository
git clone https://github.com/YOUR_USERNAME/restaurant-intelligence-agent.git
cd restaurant-intelligence-agent
# Install dependencies
pip install -r requirements.txt
# Set environment variables
export ANTHROPIC_API_KEY="your-key-here"
export MODAL_API_URL="https://your-modal-endpoint.modal.run"
# Run locally
python src/ui/gradio_app.py部署到Modal
# Install Modal CLI
pip install modal
# Deploy backend
modal deploy modal_backend.py______________________________________________________________________
📈 演出
| 度量 | 值 |
|---|---|
| 每次分析的评论数 | 高达1000+ |
| 处理时间（100条评论） | ~2-3分钟 |
| 处理时间（500条评论） | ~8-10分钟 |
| 每家餐厅API成本 | 约2-3美元 |
| 并行批处理 | 5个并行工人 |
______________________________________________________________________
🙏 致谢
______________________________________________________________________
👤 作者
图沙尔·平乐
______________________________________________________________________
📄 许可证
MIT许可证——见 许可证 了解详情。
______________________________________________________________________
内置于❤️ Anthropic MCP 1岁生日黑客马拉松🎂
*2025年11月14日至30日*
