引言数字便利性几乎是所有企业的必需品。然而，在外出就餐时，我们还没有看到太多变化。虽然餐馆在COVID疫苗可用后采用了电子菜单，但大多数都是静态PDF或模拟在线订购的体验，而实际上用户是在餐厅里。实体菜单是可以的。它们完成了工作。但如果我们要真正改进它们，当前的方法错过了目标。它们提供的交互性和灵活性有限。搜索大多数菜单的方法要么是通读整个菜单，要么使用“命令+F”（这在大多数手机上也不太理想）。这就是我们看到真正改善的一个好窗口：语义搜索。用户可以以更微妙的方式与菜单互动，不需要确切知道他们想要什么，而是像与经验丰富的服务员交谈一样提出自然语言查询。在LlamaIndex和W&B Weave的帮助下，这就是我们今天要构建的内容。
我们将涵盖的内容为了构建这个应用程序，我们将整合几个关键功能：
-
语义搜索功能：我们希望用户根据上下文和意义，而不是精确的单词匹配来搜索菜单项。
-
用户友好的界面：一个简单且响应迅速的设计，使菜单导航变得无缝。
-
应用数据分析：分析用户交互和偏好的能力，为餐厅提供有关客户实际寻找什么的宝贵见解！
![8bb28bd0.png]()
技术概述将这些静态菜单转化为智能、可搜索的界面需要多步骤的方法。该项目旨在通过以下一系列步骤实现这一目标：
- 使用GPT-4进行数据标准化：过程从将传统菜单中多样化的非结构化文本转换为结构化、标准化的JSON格式开始。
- 创建向量索引：标准化后的数据随后被转换为向量。这个向量索引代表了菜单项的语义内容，促进了高效准确的语义搜索。
- 查询向量索引：有了索引，用户就可以执行自然语言查询。系统根据这些查询的语义含义检索最相关的结果，而不仅仅是关键词匹配。
- 使用GPT-3.5过滤返回结果：为了进一步细化搜索结果，我们将使用GPT-3.5来过滤结果。这确保最终呈现给用户的输出高度相关且精确。虽然向量索引可以根据语义内容有效地检索菜单项，但它可能仍然会返回与用户的特定查询不太相关的结果。GPT-
