餐厅也能用上AI生成菜单generative-ai 项目 3 个场景的实用上手指南【免费下载链接】generative-aiSample code and notebooks for Generative AI on Google Cloud, with Gemini Enterprise Agent Platform项目地址: https://gitcode.com/GitHub_Trending/ge/generative-ai换季上新那几天老板最头疼的事往往不是研发菜品而是菜单版式菜名、价格、一句话描述手工排在 Word 里调字号改一个菜就得重新排版半天。generative-ai 是 Google Cloud 开源的一套生成式 AI 示例代码和笔记本集合覆盖 Gemini 图像生成、多模态对话和数据分析等能力上面说的排菜单、答咨询、翻订单这几件烦心事仓库里都有现成示例可以直接抄作业。上新季十分钟出一版菜单图 仓库里的 Nano Banana 笔记本收集了一批 Gemini 图像生成的食谱路径在gemini/nano-banana/nano_banana_recipes.ipynb。打开它翻到 Recipe 10: Images with Text这段示范的就是生成带排版文字的图片——官方原话是create a menu or a poster例子本身就是一份披萨店菜单。照着示例改提示词就行把店名、招牌菜名、大小份价格、一句话食材描述列成几行文字模型会自动把名字、价格、描述排成一张完整的菜单图而不是画一张菜然后把字糊在背景上。效果对比一下以前让设计师排一版菜单报价加排期现在改完提示词重跑一次单元格一张新菜单图就出来了。换季上新时只要替换菜品清单、保持风格描述不变连出几版不同季节的菜单也不会乱。两个小经验风格描述写在提示词开头比如复古美式 diner 风格衬线字体后面所有版本沿用同一句品牌形象就稳了招牌菜单独标一句作为视觉焦点比如让黑松露牛排排在最醒目的位置比事后手工加粗省事高峰时段顾客拍张照多模态客服直接答 午市高峰服务员被围着问这个菜辣不辣里面有没有花生这种问题用多模态客服接一下就能卸掉大半。仓库里有一份现成的客服示例gemini/use-cases/customer-support/customer_support_gemini_genai_sdk.ipynb。打开这份笔记本能看到完整的搭法基于 Google Gen AI SDK 接入 Gemini先跑通文本问答再让模型看图。对餐厅来说最有价值的就是看图这一半——顾客把菜品照片发进来问这个辣不辣模型识别图像内容后结合你提供的菜品成分信息作答问过敏原也一样把菜品的配料表喂给模型它答出来的就是具体到成分的回答而不是建议咨询服务员。搭的时候建议这样分层高频固定问题营业时间、停车、配送范围用文本问答直接兜住涉及菜品成分的问题把菜单数据作为上下文传入让模型基于事实回答需要查实时库存时用函数调用把问题转发给点餐系统答今天还有/售罄打烊复盘订单和反馈扔给 LLM 做顾客行为分析 菜单卖得怎么样以前靠老板翻 POS 单或者看外卖平台的月报粒度粗、还慢。generative-ai 的数据分析示例给了另一条路gemini/use-cases/applying-llms-to-data/bigquery_generative_ai_intro.ipynb。这份笔记本演示的是 BigQuery 内置的 AI 函数——不用把数据搬来搬去直接在 SQL 里调用 Gemini。订单表、评论表已经存在 BigQuery 里的话这个场景几乎零迁移成本用AI.GENERATE让模型给每条评价提取结构化结论比如推荐了哪道菜抱怨了什么评论瞬间变成可以筛选的字段按菜品聚合这些字段一周下来哪道菜被点名最多、差评集中在哪个环节一目了然用AI.FORECAST对销量时间序列做趋势预测为下个月的备料量提供参照复盘的产出直接反哺两件事卖不动的菜该不该下架、该不该调整价格档位下一次上新时菜单排序怎么摆。上手最短路径4 个动作克隆仓库git clone https://gitcode.com/GitHub_Trending/ge/generative-ai用 Jupyter 打开gemini/nano-banana/nano_banana_recipes.ipynb运行 Recipe 10 的单元格把提示词换成你店里的菜品清单等一张自己的菜单图出来接着跑客服示例gemini/use-cases/customer-support/customer_support_gemini_genai_sdk.ipynb发一句这个菜辣不辣和一张菜品图试试多模态应答最后打开gemini/use-cases/applying-llms-to-data/bigquery_generative_ai_intro.ipynb把表名换成你店里的订单数据体验一下 SQL 里直接调 Gemini 的复盘方式三个场景对应三样东西菜单图生成、顾客咨询应答、订单复盘分析。示例都写在仓库里照着跑一遍哪个环节能帮你省下时间当天就能看出来。【免费下载链接】generative-aiSample code and notebooks for Generative AI on Google Cloud, with Gemini Enterprise Agent Platform项目地址: https://gitcode.com/GitHub_Trending/ge/generative-ai创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
餐厅也能用上AI生成菜单：generative-ai 项目 3 个场景的实用上手指南
餐厅也能用上AI生成菜单generative-ai 项目 3 个场景的实用上手指南【免费下载链接】generative-aiSample code and notebooks for Generative AI on Google Cloud, with Gemini Enterprise Agent Platform项目地址: https://gitcode.com/GitHub_Trending/ge/generative-ai换季上新那几天老板最头疼的事往往不是研发菜品而是菜单版式菜名、价格、一句话描述手工排在 Word 里调字号改一个菜就得重新排版半天。generative-ai 是 Google Cloud 开源的一套生成式 AI 示例代码和笔记本集合覆盖 Gemini 图像生成、多模态对话和数据分析等能力上面说的排菜单、答咨询、翻订单这几件烦心事仓库里都有现成示例可以直接抄作业。上新季十分钟出一版菜单图 仓库里的 Nano Banana 笔记本收集了一批 Gemini 图像生成的食谱路径在gemini/nano-banana/nano_banana_recipes.ipynb。打开它翻到 Recipe 10: Images with Text这段示范的就是生成带排版文字的图片——官方原话是create a menu or a poster例子本身就是一份披萨店菜单。照着示例改提示词就行把店名、招牌菜名、大小份价格、一句话食材描述列成几行文字模型会自动把名字、价格、描述排成一张完整的菜单图而不是画一张菜然后把字糊在背景上。效果对比一下以前让设计师排一版菜单报价加排期现在改完提示词重跑一次单元格一张新菜单图就出来了。换季上新时只要替换菜品清单、保持风格描述不变连出几版不同季节的菜单也不会乱。两个小经验风格描述写在提示词开头比如复古美式 diner 风格衬线字体后面所有版本沿用同一句品牌形象就稳了招牌菜单独标一句作为视觉焦点比如让黑松露牛排排在最醒目的位置比事后手工加粗省事高峰时段顾客拍张照多模态客服直接答 午市高峰服务员被围着问这个菜辣不辣里面有没有花生这种问题用多模态客服接一下就能卸掉大半。仓库里有一份现成的客服示例gemini/use-cases/customer-support/customer_support_gemini_genai_sdk.ipynb。打开这份笔记本能看到完整的搭法基于 Google Gen AI SDK 接入 Gemini先跑通文本问答再让模型看图。对餐厅来说最有价值的就是看图这一半——顾客把菜品照片发进来问这个辣不辣模型识别图像内容后结合你提供的菜品成分信息作答问过敏原也一样把菜品的配料表喂给模型它答出来的就是具体到成分的回答而不是建议咨询服务员。搭的时候建议这样分层高频固定问题营业时间、停车、配送范围用文本问答直接兜住涉及菜品成分的问题把菜单数据作为上下文传入让模型基于事实回答需要查实时库存时用函数调用把问题转发给点餐系统答今天还有/售罄打烊复盘订单和反馈扔给 LLM 做顾客行为分析 菜单卖得怎么样以前靠老板翻 POS 单或者看外卖平台的月报粒度粗、还慢。generative-ai 的数据分析示例给了另一条路gemini/use-cases/applying-llms-to-data/bigquery_generative_ai_intro.ipynb。这份笔记本演示的是 BigQuery 内置的 AI 函数——不用把数据搬来搬去直接在 SQL 里调用 Gemini。订单表、评论表已经存在 BigQuery 里的话这个场景几乎零迁移成本用AI.GENERATE让模型给每条评价提取结构化结论比如推荐了哪道菜抱怨了什么评论瞬间变成可以筛选的字段按菜品聚合这些字段一周下来哪道菜被点名最多、差评集中在哪个环节一目了然用AI.FORECAST对销量时间序列做趋势预测为下个月的备料量提供参照复盘的产出直接反哺两件事卖不动的菜该不该下架、该不该调整价格档位下一次上新时菜单排序怎么摆。上手最短路径4 个动作克隆仓库git clone https://gitcode.com/GitHub_Trending/ge/generative-ai用 Jupyter 打开gemini/nano-banana/nano_banana_recipes.ipynb运行 Recipe 10 的单元格把提示词换成你店里的菜品清单等一张自己的菜单图出来接着跑客服示例gemini/use-cases/customer-support/customer_support_gemini_genai_sdk.ipynb发一句这个菜辣不辣和一张菜品图试试多模态应答最后打开gemini/use-cases/applying-llms-to-data/bigquery_generative_ai_intro.ipynb把表名换成你店里的订单数据体验一下 SQL 里直接调 Gemini 的复盘方式三个场景对应三样东西菜单图生成、顾客咨询应答、订单复盘分析。示例都写在仓库里照着跑一遍哪个环节能帮你省下时间当天就能看出来。【免费下载链接】generative-aiSample code and notebooks for Generative AI on Google Cloud, with Gemini Enterprise Agent Platform项目地址: https://gitcode.com/GitHub_Trending/ge/generative-ai创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考