鸿蒙 + Flutter 下美食探索场景为什么 AI 推荐比传统搜索更自然

适合谁看

在做内容探索型产品的人
想知道 AI 推荐到底解决了什么产品问题的人
不想把 AI 功能做成"只是换个搜索框"的开发者
想理解搜索和 AI 推荐如何在鸿蒙端协同的人

问题背景

传统搜索并不是没用。它非常适合：

我知道关键词
我知道要找哪个对象
我只想快速定位结果

但美食探索场景有一个天然难点：用户很多时候并不知道具体想找什么。

他更可能说的是：

想吃点鸡蛋做的，但别太单调
最近下雨，想来点热乎的
有没有适合第一次尝试的异国吃法

这类输入如果完全按传统搜索框理解，往往会很别扭。

项目中的真实场景

食界探味当前已经同时具备两种路径：

路径	入口	适合场景
普通搜索页	`app/lib/features/search/`	已知目标，精确关键词
AI 助手页	`app/lib/features/ai_assistant/`	模糊意图，探索发现

AI 助手背后通过 4 个工具把模糊问题转成真实菜品结果：

search_dishes --- 多维度条件搜索
get_random_dish --- 随机推荐惊喜
get_dishes_by_ingredient --- 同食材全球吃法
get_dish_detail --- 菜品详情

探索页上两种入口并存：

复制代码

// explore_screen.dart

// 搜索入口 --- 精确查找
SearchEntryBar(horizontalPadding: horizontalPadding),

// AI 入口 --- 模糊探索
if (AppConfig.enableAi)
  AiEntryCard(
    onTap: () => context.push('/ai-assistant'),
  ),

这说明当前 AI 推荐并不是脱离搜索存在，而是在补搜索不擅长的那部分语义理解。

核心实现

先说结论：

在美食探索场景下，AI 推荐之所以更自然，不是因为它更"智能"这个抽象词，而是因为它更适合承接模糊、带情绪、带场景的用户意图。

一、传统搜索更像"定位已知目标"

搜索的优势非常明确：输入关键词 → 快速匹配 → 返回结果列表。

食界探味的传统搜索页实现：

复制代码

// search_screen.dart

void _onQueryChanged(String text) {
  _debounce?.cancel();
  _debounce = Timer(const Duration(milliseconds: 300), () {
    ref.read(searchProvider.notifier).search(text);
  });
}

300ms 防抖后触发搜索，结果直接渲染为菜品列表。这在下面这些场景里很好用：

我就想搜"寿喜锅"
我就想找"牛肉"
我知道自己要什么

但一旦用户输入开始带上情绪、场景、模糊偏好，传统搜索就会开始显得很硬。

二、AI 推荐更适合承接"模糊意图"

食界探味当前 AI 助手的系统提示词里，已经把意图理解写得很明确：

复制代码

// ai_explore_coordinator.dart → _systemPrompt

const _systemPrompt = '''
你是「食界探味 AI 探味助手」，帮助用户从食材出发探索全球吃法。

## 工作流程
1. 理解用户意图：提取食材、口味偏好、排除项、场景等信息
2. 调用 search_dishes 工具检索匹配菜品
3. 如果用户想随机探索，调用 get_random_dish
4. 如果用户想看某道菜的详情，调用 get_dish_detail
5. 如果用户想看同食材的其他吃法，调用 get_dishes_by_ingredient

## 风格
- 温暖、有趣，像朋友推荐美食
- 极简，话越少越好，点到即止
''';

AI 助手不是在机械匹配词，而是在先把用户那句自然语言还原成更结构化的意图。比如用户说"想吃鸡蛋做的，但别太家常"，AI 会理解为：

食材: 鸡蛋
避免: 家常口味
需要: 有特色的做法

然后调用 search_dishes 工具：

复制代码

// search_dishes_tool.dart → parametersSchema

'ingredients': { 'description': '食材名称列表，如 ["鸡蛋", "番茄"]' },
'flavorTags': { 'description': '偏好的口味标签，如 ["鲜", "甜"]' },
'avoidTags': { 'description': '排除的口味标签，如 ["辣"]' },
'region': { 'description': '地域偏好，如 "亚洲"、"欧洲"、"美洲"' },

AI 把"别太家常"翻译成 avoidTags: ["家常"]，把"鸡蛋做的"翻译成 ingredients: ["鸡蛋"]，然后用结构化参数去查数据库。这一步就是 AI 推荐比传统搜索更自然的关键------它能理解自然语言背后的结构化意图。

三、四个工具分别解决什么类型的模糊意图

食界探味的 4 个工具不是随机设计的，它们分别对应 4 类不同的用户意图：

工具	解决的意图类型	示例输入
`search_dishes`	多条件组合探索	"想吃牛肉，清淡一点，不要辣"
`get_random_dish`	完全随机惊喜	"给我一个惊喜""随便推荐"
`get_dishes_by_ingredient`	同食材全球吃法	"牛肉在其他国家怎么做"
`get_dish_detail`	深入了解某道菜	"这道菜的详细介绍"

search_dishes 是最核心的工具，支持 5 个维度的条件组合：

复制代码

// search_dishes_tool.dart

Map<String, dynamic> get parametersSchema => {
  'properties': {
    'ingredients': { 'description': '食材名称列表' },
    'flavorTags': { 'description': '偏好的口味标签' },
    'avoidTags': { 'description': '排除的口味标签' },
    'region': { 'description': '地域偏好' },
    'limit': { 'description': '返回数量，默认 5' },
  },
};

这意味着 AI 可以同时处理"要什么"和"不要什么"------传统搜索很难同时表达"要牛肉"和"不要辣"。

get_random_dish 则解决了一类传统搜索完全无法处理的意图：

复制代码

// get_random_dish_tool.dart

String get description =>
    '随机获取一道菜品，适合用户说"随便推荐一个"或"给我一个惊喜"的场景。';

"给我一个惊喜"------这种输入用传统搜索根本无法处理，但 AI 可以理解它是"随机推荐"的意图。

四、AI 推荐在这里解决的是"表达门槛"

传统搜索要求用户先把问题收得很准：

复制代码

用户想表达："我想吃鸡蛋做的，清淡一点，适合一个人吃的"
传统搜索输入框：鸡蛋 清淡          ← 用户被迫精简
搜索结果：番茄炒蛋、蒸蛋羹         ← 匹配到的可能不是用户想要的

AI 推荐允许用户保持自然说话方式：

复制代码

用户想表达："我想吃鸡蛋做的，清淡一点，适合一个人吃的"
AI 助手输入框：今晚想吃点鸡蛋做的，清淡一点，一个人吃
AI 理解：食材=鸡蛋，口味=清淡，场景=一人食
AI 回复：为你找到了 3 道适合一个人的鸡蛋吃法：日式茶碗蒸、
         西班牙蛋饼、泰式蒸蛋。茶碗蒸最清淡，西班牙蛋饼更饱腹。

这种输入方式对用户来说更轻。而对产品来说，它降低的是用户表达意图的门槛。

AI 助手页面的欢迎页示例也体现了这一点：

复制代码

// ai_assistant_screen.dart → _WelcomeView

static const _examples = [
  '今晚想吃点热乎的',           // 场景 + 情绪
  '家里有鸡蛋，做什么好',        // 食材 + 开放式
  '来个异国风味的牛肉',          // 食材 + 地域偏好
  '不想吃辣，清淡一点',          // 排除 + 偏好
  '给我一个惊喜',               // 完全随机
];

这 5 个示例没有一个是"精确关键词"，全部是自然语言表达。它们在告诉用户：你不需要想好要搜什么，随便说就行。

五、搜索页如何智能引导到 AI 助手

食界探味还有一个很聪明的设计：当用户在搜索页输入了自然语言时，会自动提示"试试 AI 探味助手"：

复制代码

// search_screen.dart

static bool _looksLikeNaturalLanguage(String query) {
  if (query.length < 6) return false;
  const intentWords = [
    '想', '不要', '适合', '推荐', '来个',
    '有', '做', '吃', '喜欢', '清淡', '热乎',
  ];
  return intentWords.any((w) => query.contains(w));
}

当检测到搜索词像自然语言时：

复制代码

if (AppConfig.enableAi && _looksLikeNaturalLanguage(state.query))
  _AiSearchHint(
    query: state.query,
    onTap: () => context.push(
      '/ai-assistant?q=${Uri.encodeComponent(state.query)}',
    ),
  ),

这个设计的巧妙之处在于：

不替代搜索 --- 搜索页仍然正常展示搜索结果
智能识别 --- 通过关键词检测判断输入是否像自然语言
无缝引导 --- 点击后带着原始 query 跳转到 AI 助手
产品逻辑 --- 搜索无结果时也显示这个提示，给用户一条退路

比如用户在搜索页输入"今晚想吃点热乎的"：

复制代码

搜索结果：无（因为没有菜名叫"热乎的"）
提示：试试用 AI 探味助手理解你的需求 →

点击后跳转到 AI 助手，带着 query"今晚想吃点热乎的"，AI 会理解为"热的、汤类、暖胃"，然后推荐合适的菜品。

六、AI 输出不是替代搜索结果，而是"组织推荐方向"

食界探味的 AI 助手输出有一个关键设计：AI 不直接展示菜品详情，而是简短文字 + 菜品卡片。

系统提示词明确规定：

复制代码

你的文字回复下方会自动展示菜品卡片，用户可以点击卡片查看详情。
所以你的文字部分要非常简短，不要重复卡片上已有的信息。
推荐多道菜时，格式如下（整段控制在3-5句话以内）：
为你找到了N道XX相关的吃法：菜名A、菜名B、菜名C。
然后用1-2句话做一个整体点评或亮点提示。

这意味着 AI 在这里的角色是：

复制代码

用户 → AI 理解意图 → AI 调用工具 → AI 组织推荐语义 → 卡片展示真实菜品
              ↓
         不是：
         AI 编造内容 → 直接展示文本

AI 负责"把探索方向讲清楚"，真实内容仍然由菜品卡片和详情页承接。这比"让 AI 直接编一整页内容"更稳，也更适合真实产品。

七、为什么说它"更自然"，不是"更万能"

AI 推荐并不是要替代所有搜索。更准确的理解应该是：

场景	适合路径	原因
"我要找寿喜锅"	传统搜索	精确目标，直接匹配
"牛肉怎么做"	传统搜索	食材关键词，搜索能处理
"想吃点清淡的鸡蛋"	AI 推荐	模糊偏好，需要意图理解
"来个惊喜"	AI 推荐	随机推荐，搜索无法处理
"适合下雨天吃的热乎东西"	AI 推荐	场景 + 情绪，搜索无法理解
"有没有异国风味的牛肉"	AI 推荐	地域 + 食材组合，需要语义理解

食界探味当前同时保留搜索页和 AI 助手页，本身就说明了这一点。它们不是谁替代谁，而是在解决两类不同问题。

八、在鸿蒙端，语音输入让 AI 推荐更自然

这是鸿蒙端特有的优势。鸿蒙设备支持语音输入，用户可以直接用嘴说出模糊意图：

复制代码

用户对着鸿蒙手机说："想吃点鸡蛋做的，别太家常"
  ↓
鸿蒙 SpeechRecognitionPlugin 识别为文本
  ↓
Flutter SpeechRecognitionChannel 接收文本
  ↓
AI 助手理解意图：食材=鸡蛋，避免=家常
  ↓
调用 search_dishes(ingredients: ["鸡蛋"], avoidTags: ["家常"])
  ↓
推荐：日式茶碗蒸、西班牙蛋饼、泰式蒸蛋
  ↓
用户点击卡片查看详情

语音输入让"自然语言表达"变得更加自然------用户不需要打字，直接说就行。在鸿蒙设备上，这个体验链路是：

复制代码

嘴 → 鸿蒙语音识别 → Flutter AI 助手 → 工具调用 → 菜品卡片

比传统搜索的体验链路更短、更自然：

复制代码

想 → 打字 → 搜索框 → 关键词匹配 → 结果列表

而且语音输入天然支持更长、更复杂的表达。打字时用户可能会精简为"鸡蛋清淡"，但语音时用户会说完整句子"想吃鸡蛋做的，清淡一点，不要太家常"------这让 AI 能获取更丰富的意图信息。

九、TTS 播报让推荐结果可以"被听"

鸿蒙端的 TTS 能力让 AI 推荐的结果可以被语音播报：

复制代码

// ai_explore_coordinator.dart

Future<void> speakText(String text) async {
  final cleaned = _stripForTts(text);
  await TextToSpeechChannel.speak(cleaned);
}

用户看完 AI 推荐后，可以点击"语音播报"按钮，让鸿蒙 TTS 引擎把推荐文案读出来。这在以下场景特别有用：

用户在做饭时，不方便看手机
用户在开车时，想听 AI 推荐
用户视力不便时，语音推荐更友好

语音输入 + AI 推荐 + TTS 播报，形成了一个完整的"说话 → 听推荐"闭环：

复制代码

说话（鸿蒙 ASR）→ AI 理解 → 工具调用 → AI 组织推荐 → 听推荐（鸿蒙 TTS）

关键代码位置

文件	作用
`app/lib/features/search/screens/search_screen.dart`	传统搜索页 + AI 引导
`app/lib/features/ai_assistant/screens/ai_assistant_screen.dart`	AI 助手页 + 欢迎示例
`app/lib/features/explore/screens/explore_screen.dart`	探索页，两种入口并存
`app/lib/core/ai/ai_explore_coordinator.dart`	AI 流程编排 + 系统提示词
`app/lib/core/ai/tools/search_dishes_tool.dart`	多条件搜索工具
`app/lib/core/ai/tools/get_random_dish_tool.dart`	随机推荐工具
`app/lib/core/ai/tools/get_dishes_by_ingredient_tool.dart`	同食材查询工具
`app/lib/core/ai/tools/get_dish_detail_tool.dart`	菜品详情工具
`app/lib/core/platform/speech_recognition_channel.dart`	鸿蒙语音识别通道
`app/lib/core/platform/text_to_speech_channel.dart`	鸿蒙 TTS 通道

搜索与 AI 推荐的协作架构

复制代码

┌─────────────────────────────────────────────────────┐
│                     用户输入                          │
│                                                      │
│  "寿喜锅"          "想吃点热乎的鸡蛋"    "给我惊喜"   │
│     │                    │                   │       │
│     ▼                    ▼                   ▼       │
│  ┌──────────┐     ┌──────────┐        ┌──────────┐  │
│  │ 传统搜索  │     │ 智能检测  │        │ AI 入口  │  │
│  │ 关键词匹配│     │ 自然语言? │        │ 直接进入 │  │
│  └────┬─────┘     └────┬─────┘        └────┬─────┘  │
│       │                │                    │        │
│       ▼                ▼                    ▼        │
│  ┌──────────┐     ┌──────────┐        ┌──────────┐  │
│  │ 搜索结果  │     │ 搜索结果  │        │ AI 助手  │  │
│  │ 列表展示  │     │ + AI 引导 │        │ 意图理解 │  │
│  └──────────┘     └────┬─────┘        └────┬─────┘  │
│                        │                    │        │
│                        ▼                    ▼        │
│                   ┌─────────────────────────────┐    │
│                   │       AI 工具调用层           │    │
│                   │  search_dishes / random /    │    │
│                   │  by_ingredient / detail      │    │
│                   └──────────────┬──────────────┘    │
│                                  │                    │
│                                  ▼                    │
│                   ┌─────────────────────────────┐    │
│                   │    菜品卡片 + 详情页承接      │    │
│                   └─────────────────────────────┘    │
│                                                      │
├──────────────────────────────────────────────────────┤
│                  鸿蒙原生能力增强                      │
│                                                      │
│  语音输入（SpeechRecognitionPlugin）                   │
│    → 让模糊表达更容易，获取更丰富的意图信息             │
│                                                      │
│  TTS 播报（TextToSpeechPlugin）                       │
│    → 让推荐结果可以被听，支持不方便看手机的场景         │
│                                                      │
└──────────────────────────────────────────────────────┘

常见坑

把 AI 推荐做成"换皮搜索框" --- 如果 AI 只是把用户输入原样丢给搜索，那就失去了语义理解的价值
让 AI 输出替代真实内容页 --- AI 编造的菜品信息不可靠，必须用工具调用真实数据
只强调模型回答，不把真实业务卡片接回来 --- AI 推荐的价值在于"组织方向"，真实内容仍需卡片承接
误以为 AI 推荐要取代搜索 --- 搜索适合已知目标，AI 适合模糊探索，两者互补
搜索页不引导到 AI --- 当用户输入自然语言时，应该主动提示"试试 AI 助手"
AI 欢迎页没有示例 --- 用户不知道能问什么，示例引导非常重要
鸿蒙端语音输入没有接入 AI --- 语音识别的结果应该直接喂给 AI 助手，而不是只给搜索框

可复用模板

搜索与 AI 协同思路

复制代码

传统搜索适合
  - 已知目标
  - 精确关键词
  - 快速定位

AI 推荐适合
  - 模糊意图
  - 场景表达
  - 灵感探索
  - 随机惊喜

协同方式
  - 搜索页检测自然语言 → 引导到 AI
  - AI 用工具调用真实数据 → 不编造内容
  - AI 输出简短推荐语 → 卡片承接真实内容
  - 详情页继续深入 → 形成完整链路

AI 系统提示词模板（探索型推荐）

复制代码

const systemPrompt = '''
你是[产品名]的 AI 助手，帮助用户从[核心维度]出发探索[内容类型]。

## 工作流程
1. 理解用户意图：提取[维度1]、[维度2]、排除项、场景等信息
2. 调用工具检索匹配内容
3. 基于真实数据给出有温度的推荐

## 输出格式
用纯文本回复，简短（3-5句话以内）。
内容下方会自动展示卡片，不要重复卡片上的信息。

## 风格
- 温暖、有趣，像朋友推荐
- 必须基于工具返回的真实数据
- 没有完全匹配时诚实告知
''';

搜索页自然语言检测模板

复制代码

static bool looksLikeNaturalLanguage(String query) {
  if (query.length < 6) return false;
  const intentWords = [
    '想', '不要', '适合', '推荐', '来个',
    '有', '做', '吃', '喜欢', '清淡',
  ];
  return intentWords.any((w) => query.contains(w));
}

// 检测到自然语言时引导到 AI
if (looksLikeNaturalLanguage(query))
  AiSearchHint(
    onTap: () => context.push('/ai-assistant?q=$query'),
  );

本篇总结

美食探索场景下，AI 推荐比传统搜索更自然，核心不在"模型更强"，而在它更适合承接模糊、带场景、带情绪的用户意图。

食界探味当前的设计之所以顺，关键在于：

搜索和 AI 互补 --- 搜索处理精确查找，AI 处理模糊探索
AI 不替代内容 --- AI 负责理解意图和组织推荐语义，真实菜品由卡片承接
工具调用真实数据 --- AI 不编造内容，4 个工具分别对应不同类型的意图
搜索页智能引导 --- 检测到自然语言时主动提示"试试 AI 助手"
鸿蒙语音增强 --- 语音输入让模糊表达更容易，TTS 让推荐可以被听

在鸿蒙设备上，"嘴 → 语音识别 → AI 理解 → 工具调用 → 菜品卡片 → 语音播报"形成了一个完整的闭环，比传统"打字 → 搜索框 → 关键词匹配"的链路更短、更自然。这不是 AI 替代搜索，而是 AI 补了搜索在模糊意图理解上的短板。