The Golden Fork
顧客用自己的語言、自己的說法點餐。廚房專心做菜，不用猜單。
每張枱的 QR code 打開的餐牌,已鎖定該枱號 — 不用下載 App,不用註冊。十二個分類配相片、價錢與飲食標籤;搜尋隨輸入即時過濾菜名與食材;需要選項的菜式會彈出自訂面板,必選項清楚標明 — 廚房永遠不會收到一份語焉不詳的牛扒。
按下付款,系統以購物車內容原樣建立 Stripe Checkout — 與專營支付的公司同一套 PCI 合規託管流程;卡號從不經過本平台的伺服器。訂單由帶簽名驗證的 webhook 在伺服器端確認,偽造的「付款成功」會被直接拒絕。
確認頁不是一張收據,而是一塊狀態板。訂單確認 → 準備中 → 可取餐,經 WebSocket 實時推進,HTTP 輪詢作後備 —「我份餐去咗邊?」自己有了答案;而 Call Server 按鈕一直留在原位,照顧仍需要人手的時刻。
已付款訂單帶提示音落在三欄 Kanban 上:逐項自訂備註、由黃轉紅的計時徽章、加急標記。卡片可拖曳或一按前移 — 只能向前,廚房沒有「回鍋」這回事 — 每次移動都經伺服器驗證,並同步廣播到食客的追蹤頁。
訂單出餐後,確認頁邀請食客評分:整體星級、食物/服務/環境分項、就這一枱實際吃過的菜逐道評分,再加一句留言。提交一刻即時進入管理後台,匯總成平均分與推薦率。
食客可在對話或確認頁呼叫服務,請求數秒內帶枱號落在後台。AI 助手也會自己發起:輸入「可以攞隻叉嗎?」它會一邊回答一邊靜靜把請求入列 — 食客只管等叉到手。
老闆星期一早上想問的問題,預先答好:分時段銷售速度、把每道菜歸入明星/謎題/耕田馬/棄將四象限(人氣 × 利潤)的餐牌工程散點圖,以及實時評價均值。示範環境中銷售圖表使用生成樣本;評價數字則是真實提交。
AI 助手回答前會讀完每道菜的完整食材表。對堅果敏感、又不吃洋蔥蒜頭的食客問有什麼可以食 — 它逐道菜推理,解釋每個推薦為何安全,再送上可一按加入的卡片,與人手落單進入同一個購物車。
同一位助手,用廣東話問「想食清淡啲、唔辣、唔要牛」— 它以廣東話回覆,附上同樣有根有據的菜式卡片。沒有翻譯層,沒有語言設定:多語言是模型的原生能力,而事實錨定在真實餐牌數據,答案在任何語言都同樣誠實。
每段對話都被記錄、分類、挖掘。AI Insights 顯示本週飲食趨勢、可搜尋的真實提問紀錄 — 以及 Opportunities:食客想要而餐牌供應不了的原話清單(「vegan 芝士」「無堅果甜品」),每項附需求熱度。
經理在後台輸入今日推介;客人餐牌隨即多出橫額,AI 也開始推薦這幾道菜 — 因為推介直接注入了它的上下文。後台改一次,全場每一張枱的 AI 說法都跟着變。
點菜不再是估估下:敏感查詢得到真正的答案,而食客自己的語言 — 英文或廣東話 — 就是介面。
每張訂單都以數碼形式清晰抵達。餐廳通常因落單出錯損失的 3–5% 營業額,在這條流程裡根本無從發生(行業數字,非本平台實測)。
AI 的對話紀錄是每晚一場焦點小組:真實請求、原話、附次數 — 再配合餐牌工程視圖,該推咩、該落架咩,一目了然。