寻味侦探

你要解决什么问题

打开点评 App，满屏都是“人均 50 的宝藏小馆”和“排队两小时才吃上的网红店”。问题在于：你很难判断哪条推荐值得相信。评分可以刷，探店笔记可以买，AI 生成的内容甚至开始混进种草帖。出差到成都、周末在合肥找家新店，或者想知道某家店的招牌菜到底是什么——这些问题往往要翻遍点评、小红书、短视频和几个美食榜单才能拼出一个答案。

寻味侦探 把多平台搜索、交叉验证和结构化输出打包成一个可复用的流程，让“找吃的”这件事从翻手机变成一次查询。

四种查询模式

技能根据用户意图自动选择模式，也可以手动指定：

• A1 旅行觅食：出差、旅行到陌生城市时，快速锁定目的地必吃清单
• A2 本地探店：关注新店开业、近期热门打卡和优惠活动
• A3 美食文化调研：深挖饮食文化、地方传统和非遗渊源
• A4 综合深度：多角度全覆盖的完整觅食指南

核心工作流程

1. 需求识别与类型规划

提取地点（必须）、菜系偏好、预算和人数场景，再根据城市特征自动选取 5–8 个美食类型（如成都→川菜、火锅、小吃、面食、甜品）。每个类型至少推荐 2 家店，不做无分类的平铺列表。

2. 逐类型搜索与特色菜专搜

每轮最多 2 条并行搜索，按 {城市} {类型} 推荐 模板逐个类型展开。在餐厅搜索之外，还会单独搜索每个地点的必吃特色菜和招牌菜，为每道菜提取菜名、所属餐厅、一句话特色、价格、推荐指数和点单贴士。

3. 网红推流甄别

这是技能区别于普通搜索的核心。它同时检索种草帖、短视频探店和负面反馈，提取收藏/点赞比、团购核销量、本地人提及率、平台官方榜单等信号，按图文平台和短视频平台的差异规则分别评估。综合多源加权评分后给出标签：

• ✅ 真香店：种草多 + 负面极少 + 本地人提及 + 评分≥4.3
• 🟡 可试店：种草中等 + 负面少量 + 评分 4.0–4.2
• ⚠️ 滤镜店 / ❌ 翻车店：不纳入推荐，仅出现在避坑提示中

4. 软文与营销号过滤

识别“绝绝子”“闭眼冲”等模板化措辞、图片风格统一、发布时间集中、AI 生成痕迹明显等信号。高信号命中≥3 条时，该内容直接从推荐来源中剔除；同一店出现 3 条以上疑似软文时，店铺整体降权。

5. 交叉验证与性价比评分

同一推荐至少 2 个独立来源确认后才纳入清单，数据超过 1 年的标注“建议到店确认”。综合口味分（40%）、环境分（25%）、服务分（20%）、特色分（15%）和人均消费计算性价比得分，输出超高性价比、高性价比、正常、偏低或不推荐五档评级。

6. 场景化与时令推荐

识别打工人午餐、约会、亲子、商务、一人食、宵夜、打卡拍照等场景，自动追加场景搜索轮次并匹配筛选条件。按当前月份叠加应季食材和时令菜品，输出中增加“🌿当季时令推荐”独立板块。

7. 多格式输出

少量推荐直接输出 Markdown 文字摘要，中量数据调用 xlsx skill 生成表格，大量数据 + 深度分析调用 docx skill 生成 Word 文档。

适用边界与注意点

• 所有推荐基于互联网公开搜索结果，不构成消费建议，也不代表对任何商家或平台的背书
• 餐厅营业状态、价格和评分可能随时变化，到店前建议电话确认
• 部分数据更新于 2026 年初（如米其林、黑珍珠新晋信息），搜索时需注意时效
• 营销号过滤规则和平台信号权重基于 2026 年实测规律，社交媒体生态变化可能导致规则需要调整
• 评分公式中的权重分配（口味 40%、环境 25% 等）是经验值，不同城市和品类可能需要微调