菜单翻译把“炒饭”翻成“炸鸡饭”，评论回复把差评回成二次投诉：餐饮老板用AI最容易翻车的两件事
先卡术语表再谈翻译，别让AI替你猜菜名
去年有个开连锁川菜的朋友，菜单上了英文版，老外指着“Fried Chicken Rice”点了份“炸鸡饭”，端上来是扬州炒饭。他不服气，说这词是AI翻的。我让他把原始菜名调出来——中文写的是“鸡炒饭”。你品品，AI一点没翻错，它只是老老实实按字面拆成了“鸡+炒饭”和“炒+鸡+饭”两种可能，然后选了它认为更常见的那一种。
问题不在模型，在你没给它术语表。
菜单翻译这件事，很多人一上手就是“把这页菜单翻译成英文”，丢给通用大模型，出来一版看着挺顺的，直接印。这是最典型的翻车姿势。食品行业的语义歧义密度极高，比法律合同还阴险，因为合同错了有人较真，菜单错了顾客顶多骂一句难吃，你不会知道是翻译的锅。“炒饭”和“饭炒”在中文里没区别，到了英文里是 fried rice 和 rice fried 两个东西；“炒鸡”可以是炒鸡肉，也可以是“超厉害”的网络梗；一道“夫妻肺片”，直译过去能吓跑半个餐厅的客人。
正确做法是先卡术语表，再谈翻译。
术语表要卡三层。第一层是菜品名，中文名、标准英译、可选的拼音名，一个不能少。第二层是原材料，特别是那些容易串味的——鸡、牛、猪、虾、蟹、菌菇，每一样都给出统一的英文对应词，别让AI一会儿写 chicken 一会儿写 poultry。第三层是口味和做法，麻辣、微辣、清蒸、红烧、干锅、水煮，这些词的英译必须全店统一，不能这道菜叫 braised，那道菜叫 stewed。
南京有家做餐饮出海SaaS的独立开发者复盘过这套流程，他的原话是“菜单翻译用术语表加少样本组合，先让用户提交菜品名和原材料的术语表，再让AI按术语表翻”。他点名 chicken fried rice（鸡肉炒饭）和 fried chicken rice（炸鸡配米饭）这组经典混淆，说术语表能规避掉大部分低级错误。这个判断我认同，而且它不是理论——你只要把术语表喂进去，AI的翻车率立刻掉一个量级，因为它的自由度被锁死了。
这笔账你算一下。一份200道菜的菜单，人工翻译加校对，一个懂双语的运营，两天，算16个小时。用术语表+AI，运营先花两小时整理术语表，AI跑一遍十几分钟，再花两小时人工过一遍，总共四个多小时。省下来的十一个小时，就是术语表这一张A4纸换来的。而且术语表是一次性的，下次加菜、换季、开新店，直接复用，第二份菜单的翻译时间能压到一小时以内。
这里最容易踩的坑，是术语表只做中文到英文的单向映射。你得反过来也卡一遍：英文里哪些词不能用。比如“炒”在英文里至少有 stir-fry、sauté、pan-fry 三种常见写法，你得规定全店只用 stir-fry，不然同一道菜在两个平台上的英文名不一样，外卖平台搜不到，客人也懵。舍予AI智能体在做餐饮门店的AI助手时，我的建议是术语表要和门店的语气包放在同一层配置里管理，都属于“门店级资产”，不是每次调用临时拼提示词。今天拼一个，明天拼一个，翻车是早晚的事。
对OPC创业者来说，这里的机会很实在：帮餐厅建术语表，本身就是一门生意。你不需要做翻译，你只需要做一个能让老板用手机把菜名和食材录进去、自动生成标准化术语表、再一键喂给模型的小工具。一家店收几百块，一个连锁品牌收几千块，做的是重复复购的活。术语表这东西，餐厅自己不会整理，翻译公司不愿意整理，中间这块空白，正好是AI能啃下来的。
别让AI替你猜菜名。你猜它十次，它总有一次猜成炸鸡。把术语表先摆上桌，再让它动笔——这一步看起来慢，其实是全流程里最快的那一步。
评论回复要带门店语气包，不是让AI自由发挥
上一节讲菜单翻译，坑在词。评论回复的坑不在词，在人。
一条差评摆在那儿：“菜太咸，等了四十分钟。”你让 AI 直接回，它给你来一段：“非常抱歉给您带来不愉快的用餐体验，我们高度重视您的反馈，已第一时间反馈给相关部门，期待您的再次光临。”老板看一眼觉得挺客气，客人看一眼直接更来气。
这不是回复，这是差评升级成二次投诉的模板。
问题出在“自由发挥”这四个字。调研材料里那个做餐饮 AI 工具的独立开发者写得很实在：评论回复的提示词要携带门店语气和语言检测，用户在设置里勾选“热情”还是别的档位。这就是语气包。它不是让 AI 学你说话，是把门店的语气参数提前钉死，别让模型自己揣摩。
语气包至少三块，缺一块就翻车。
- 语气档位。街边粉店和商场日料，回同一句“不好意思”都不是一个味儿。热情、克制、街坊感，做成勾选项，老板自己拍。中英文分开——海外门店的中差评，拿中文语气包去套，出来的东西老外看着更别扭。
- 硬约束。不承诺赔偿，不报具体处理时间，不解释后厨流程，不跟客人辩论。这几条写死在提示词里，不给模型留空子。
- 差评分层。口味、等待、服务、恶意差评，四类骨架不一样。一锅端的回复，等于告诉所有客人“我们没看你说了什么”。
硬约束为什么这么要紧？看那条幻觉陷阱。有团队让 AI 分析竞品销量，它张嘴就来“友商 Q3 增长 127%”，人家财报实际下滑 8%。放文案里是丢脸，放评论回复里就是替你承诺“下次免单”“当事员工已开除”。AI 写得越自信，你赔得越实在。
所以这块的人工介入点只有一个，但绝不能省：AI 起草，人按发送键。
内容流水线那套逻辑我认——盲目全自动是灾难，人和机器各守一段。评论回复里，机器守的是把话说到位，人守的是别让它替老板签字。每天十分钟扫一遍当天回复，改的是词，拦住的是钱。
这里最容易踩坑的地方，是老板以为“语气”是玄学。不是。语气包就是一张配置表，勾选项加禁用词，写一次能用一年。对 OPC 创业者来说，这也是个机会点——通用大模型回不了带门店味儿的差评，谁把语气包做成开箱即用的模板库，谁就吃下这批不敢用 AI 的餐饮客户。
舍予 AI 智能体把自己定位成“老板的第一支 AI 战队”，这话我认。但战队上工前得先发话术本。你把门店语气包喂进去，它才是你的兵；你不喂，它就按全网平均值发挥，最后骂的不会是 AI，是你的招牌。
数字拉出来看，回复这条线上省下的其实是老板和店长每天那十几分钟的情绪消耗，不是工作量。真正的成本账，下一节再算——按心情付费，才是最容易出血的地方。
给AI设一条成本红线，按调用量而不是按心情付费
充了会员就随便用，是老板用AI最典型的亏钱方式。
我见过不止一家店，AI工具按月付费，头一周新鲜，第二周开始拿它当搜索引擎使，第三周拿它写通知、写活动方案、写给房东的消息。月底拉一次用量，评论回复和菜单翻译加起来只占了两成，剩下八成全是"自由发挥"。
这笔账你算一下：AI不是你请的员工，它不按心情干活，也不会因为你今天心情好就少烧钱。它按调用量走。
先把调用量拆成具体动作。
一家门店，点评、外卖、团购几个平台的差评量是能数的，一天几条、一周几十条，写在纸上。菜单翻译是一次性动作，SKU定了，改版以季度计。这两件事的真实用量，跟你店里翻台率一样是可以数的。
数出来，按次数给预算。评论回复一天限多少次调用，菜单翻译按批次走——一次翻译一百个SKU就是一次批处理，千万别拆成一百次单条请求。这是最容易踩坑的地方：token单价本身不贵，贵的是你把上下文塞满了菜名、语气规则、历史回复、评分标准，一条请求顶十条的量。
技术上做法很朴素：一个统一网关，后面挂成本配额。
那位做出海餐饮AI工具的独立开发者就是这么干的——把模型调用抽象成一层统一网关，后面随时换供应商或换模型版本，业务代码不动。核心三件事：提示词工程、结果质量控制、成本配额。网关管"换模型不改代码"，配额管"谁也别乱花"。两样加起来才叫成本红线。
再往下是分级。
菜单翻译这种活，术语表锁死、少样本给足，小模型够用，没必要上最贵的旗舰。评论回复要读懂吐槽点、要带门店语气，可以走强一点的模型，但也不必每条都上顶配。简单任务小模型、复杂任务大模型，价差有多明显，你把自己的调用日志跑一遍就知道。
我要求每个判断都压在实测数据上，所以具体单价我不替各家编。你去官网拉价格，拿自己真实的调用量跑一周，把每次调用的token数乘上单价，那张表就是你的红线。
无限量包月是反过来的激励。
它让用的人失去成本感。反正不额外花钱，提示词就往长了写，上下文就往满了塞，一条回复调三次模型挑一个——这些动作在按量付费下你一眼就肉疼，在包月下根本看不见。
红线怎么落地？三件事：日配额、超限降级、熔断告警。日配额按数出来的真实用量加两成余量；超限自动切到便宜模型；到顶直接停，第二天再跑。宁可晚回一条评论，也别让账单失控。
这套东西不需要你招人。舍予AI智能体的定位是"老板的第一支AI战队"，战队要发军饷，军饷就得有账本。没有账本的AI不是员工，是个你不知道他每天在外面刷什么的亲戚。
数字拉出来，配额设下去，AI才从"每月一笔固定支出"变成"每单可算成本"。这笔账，你今天就能算。
把翻车点变成检查清单，每天十分钟人工过一遍
前面三节讲的都是同一件事：怎么让AI别自作主张。最后落到最土、也最管用的一步——把已经翻过的车一条条写进检查清单，每天人工过一遍，十分钟。
别指望提示词写完就一劳永逸。提示词管防呆，清单管兜底。防呆一定会漏，兜底不能漏。
清单不用长，五条就够。
- 菜名抽检。 每天随机抽五个菜，把译文再翻回来对一遍。Chicken fried rice 和 Fried chicken rice 就差一个词序，客人点的是炒饭，端上来是炸鸡配饭。抽到没进术语表的菜名，当天补进去。两分钟。
- 差评回复抽三条。 只看三样：人称对不对、有没有替老板承诺退款、有没有把责任推回给客人。把差评回成二次投诉，十次有八次栽在第三样。三分钟。
- 所有数字和来源过眼。 AI 写的东西里，凡是出现“增长XX%”“第X名”“X月X日”的，全部画出来人工核一遍。调研里有个现成的坑：让模型分析竞品销量，它张嘴就是“友商Q3增长127%”，财报实际是下滑8%。这种错犯一次，招牌就裂了。
- 看成本看板。 昨天的调用量、单次平均成本、哪个环节最烧钱。数字拉出来，比“感觉有点贵”靠谱一百倍。统一网关加成本配额，超红线自动降级到便宜模型。
- 语气和合规一票否决。 方言、外语、网络梗，门店语气包里没写的，一律不许出现。
十分钟怎么切？翻译两分钟，评论三分钟，数字三分钟，成本两分钟。剩下的零头，把今天发现的问题回填到术语表、语气包和提示词里。
这一步最容易被跳过。跳过一次，下个月同一个坑原样再踩一遍。舍予AI智能体给自己定的位置是“老板的第一支AI战队”，战队的纪律不是开会开出来的，是每天这十分钟练出来的。
我们见过把内容生产流程从五天压到八小时的团队，前提就一条：人工只做不可替代的动作。检查清单就是那个动作。AI省下的时间你全还给它，早晚出事。
所以别急着扩大调用量。先跑一周，每天记两个数：翻车次数、过清单花掉的分钟数。一周后拉出来看，翻车次数在不在往下走。往下走，再加量；不往下走，先修清单，别修模型。
AI替你省的是分钟数，清单替你守的是底线。这笔账你算一下：每天十分钟，换掉一次公开翻车，怎么算都不亏。