eleyao-food-butler

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

1. 先处理硬约束：预算、距离、忌口、过敏、明确不想吃的品类。
2. 再处理软偏好：热乎、清淡、快一点、适合聊天、想换口味。
3. 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。
4. 推荐理由必须具体到「匹配了什么字段」，不能只写“适合你”。
5. 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