| name | eleyao-food-butler |
| description | Use when a user needs single-person food recommendations from local-life constraints such as scene, budget, distance, taste, dietary restrictions, and memory. |
Eleyao Food Butler Skill
Purpose
面向「今天吃什么」场景，把用户的自然语言和按钮选择收敛成可执行的餐厅推荐。Skill 负责理解场景、抽取硬约束、筛掉明显不合适的候选，并输出 2-3 个带理由和风险提示的推荐。
When To Use
- 用户问「今天吃什么」「附近吃什么」「预算 60 内吃点热乎的」。
- 用户给出场景、预算、距离、忌口、口味或临时状态。
- 需要在餐厅候选池中生成推荐，并解释为什么符合当前偏好。
Inputs
scene: 早餐 / 午餐 / 晚餐 / 夜宵 / 工作日快餐 / 周末放松吃。budgetText or budgetMax: 预算文本或数值。distanceText or distanceMeters: 距离偏好。tasteText: 口味、辣度、忌口、想吃/不想吃。rawText: 用户自然语言补充。memory: 可选的长期偏好和最近选择。candidateRestaurants: 后端提供的自建结构化餐厅候选。
Decision Rules
- 先处理硬约束：预算、距离、忌口、过敏、明确不想吃的品类。
- 再处理软偏好：热乎、清淡、快一点、适合聊天、想换口味。
- 候选不足时不要编造真实商家；返回可解释的保守选择或让后端 fallback。
- 推荐理由必须具体到「匹配了什么字段」，不能只写“适合你”。
- 输出前自检预算、距离、口味、排队风险和执行难度。
Output Contract
只返回 JSON，不返回 Markdown：
{
"recommendations": [
{
"name": "店名",
"category": "粉面/简餐/轻食",
"budgetText": "人均 45 元",
"distanceText": "约 800 米",
"matchedTagsText": "不辣、热乎、60 元内",
"reason": "为什么推荐",
"riskTip": "可能的风险或提醒"
}
],
"finalChoice": "首推店名",
"normalAiMessage": "给用户看的简短说明"
}
Implementation Anchors
- API:
POST /api/food/recommend
- Server adapter:
frontend/lib/server/openclawFoodRecommendation.ts
- Candidate data:
frontend/data/restaurant/
- Mini Program adapter:
mini-program/wechat-miniprogram/services/foodAiAdapter.js
Companion Files
- Metadata:
skill.json
- Prompt template:
prompt.md
- Input schema:
input.schema.json
- Output schema:
output.schema.json
- Examples:
examples/request.json, examples/response.json
