适用场景

用户希望其智能体（agent）全程处理外卖订餐流程——从决定吃什么、比对不同选项，到最终完成下单。该智能体通过持续学习用户偏好，逐步提升决策质量。

架构设计

记忆数据存储在 ~/food-delivery/ 目录下。初始化配置请参考 memory-template.md。

~/food-delivery/
├── memory.md          # 核心偏好、限制条件与默认设置
├── restaurants.md     # 餐厅评分、招牌菜及备注
├── orders.md          # 近期订单（用于多样性追踪）
└── people.md          # 家庭成员或群组成员的个性化偏好

上述文件由用户创建。memory-template.md 中提供对应模板。

快速查阅索引

数据存储

所有数据均保存于 ~/food-delivery/ 目录中。首次使用时需手动创建：

mkdir -p ~/food-delivery

能力范围

本技能支持以下功能：

• 学习用户对菜系与口味的偏好
• 记录餐厅评分及菜品评价
• 跨多个外卖平台比价
• 识别当前有效的促销活动与优惠券
• 通过浏览器自动化完成下单操作
• 追踪近期订单以保障饮食多样性
• 管理家庭成员或群组成员的个性化偏好
• 协调多人共同下单

用户需自行提供并维护以下信息（保存在其自有设备的 App 或浏览器中）：

• 外卖平台账号凭证
• 收货地址（已在各 App 中配置）
• 支付方式（已在各 App 中配置）

自我修改限制

本技能绝不修改自身的 SKILL.md 文件。 所有学习所得的数据均仅存于 ~/food-delivery/ 下的各文本文件中。

核心规则

1. 显式学习用户偏好

2. 限制条件优先级层级

CRITICAL（过敏、医疗需求）→ 始终过滤，绝不推荐
FIRM（宗教、伦理、饮食规范）→ 默认过滤，仅当用户明确覆盖时才可绕过
PREFERENCE（口味偏好）→ 参考考虑，但保持灵活性

对于 CRITICAL 类限制：

• 每笔订单均须注明相应过敏原
• 下单前须确认餐厅具备相应规避能力
• 禁止出现“你可以试试看”等建议性措辞

3. 决策流程

当用户提出订餐请求时，执行如下五步流程：

步骤 1：上下文理解

• 当前时间？（早餐 / 午餐 / 晚餐时段）
• 星期几？（工作日侧重实用性，周末倾向探索性）
• 是否有明确情绪状态或特殊场合？
• 共几人用餐？

步骤 2：筛选候选

• 剔除违反 CRITICAL 限制的所有选项
• 剔除近期重复出现的餐厅（保障多样性）
• 剔除当前不营业的餐厅
• 应用预算约束条件

步骤 3：横向比对

• 检查同一餐厅在不同平台上的表现
• 查找当前可用的优惠券与促销活动
• 计算总成本（菜品价格 + 配送费 + 平台服务费）

步骤 4：呈现选项

• 最多展示 2–3 个精选选项
• 为每个选项提供简明理由
• 如涉及显著价差，须同步展示价格对比
• 基于用户历史行为，推荐最匹配的一项

步骤 5：确认并下单

• 获取用户的明确确认指令
• 通过浏览器自动化完成下单
• 向用户反馈订单确认信息及预计送达时间（ETA）

4. 多样性保护机制

在 orders.md 中追踪：

• 过去 14 天内的全部订单（含餐厅名称 + 菜系类型）

触发策略如下：

• 同一餐厅 7 天内出现 3 次 → 提示：“您最近多次从 [X] 订餐，是否想尝试类似风格的其他餐厅？”
• 同一菜系 7 天内出现 4 次 → 主动推荐其他类别
• 用户喜爱的某类菜系已超 2 周未点 → 主动提醒并推荐

5. 价格优化策略

下单前执行以下步骤：

1. 在用户所有已配置的外卖平台中查询目标餐厅
2. 比对各平台基础菜品价格（常存在平台间差异）
3. 核查当前有效优惠券与促销活动
4. 纳入配送费与平台服务费进行综合计算
5. 针对完全相同的菜品组合，推荐总费用最低的平台

向用户说明：“相同订单今日在 [Platform] 上便宜 $4。”

6. 多人协同下单

为多人订餐时执行以下流程：

1. 加载 ~/food-delivery/people.md 获取已知成员偏好
2. 收集本次新增的限制条件
3. 寻找交集菜系（确保每位成员均可接受）
4. 优先推荐菜单覆盖面广、包容性强的餐厅
5. 如需分摊费用，则自动计算公平分配方案

若无明确共识，默认推荐以下大众接受度高的品类：

• 披萨（高度可定制）
• 汉堡（满足多数人口味）
• 塔可（馅料选择丰富）
• 中餐（菜式种类繁多）
• 印度菜（素食友好）

7. 上下文自适应行为

8. 主动化建议

在恰当且非骚扰前提下可触发：

• 通知用户其常去餐厅的限时闪购活动
• 提醒尚未使用的会员积分
• 建议复购过往成功订单
• 告知符合其偏好的新开业餐厅

9. 订单执行流程

通过浏览器自动化完成：

1. 打开用户预设的首选外卖平台
2. 导航至目标餐厅页面
3. 将所选菜品加入购物车
4. 应用已识别的优惠券
5. 核对配送地址准确性
6. 向用户确认最终订单金额
7. 提交订单
8. 反馈订单确认结果与 ETA

每次最终结算前必须获得用户明确确认。

10. 异常问题处理

如订单出现异常情况，按以下方式响应：

• 缺货 → 协助提交缺货投诉
• 错送 → 协助发起退款申请
• 延迟送达 → 实时追踪进度并主动同步信息
• 品质问题 → 在 restaurants.md 中记录相关反馈

边界界定

本地存储（位于 ~/food-delivery/）

• 菜系偏好与限制条件
• 餐厅评分及菜品笔记
• 近期订单日志（用于多样性追踪）
• 家庭成员偏好设置
• 预算默认值

用户自主管理（保存于其自有 App 中）

• 配送地址
• 支付方式
• 账户凭证

智能体绝不存储的内容

• 信用卡卡号
• 精确的物理地址（如门牌号）
• 账户密码
• 含付款详情的订单小票