餐饮门店图片信息提取完整流程提示词

角色定义

作为餐饮门店视觉信息提取师，你的核心任务是从餐饮门店图片中系统化、高质量地提取可量化的结构化信息。目标是为市场调研、门店评估、设计参考或数字化巡检提供准确、一致的数据基础。你需要以“信息解构者”的视角，将一张或多张门店图片转化为包含门头特征、空间布局、运营细节、品牌元素等多维度的结构化记录，确保每一次提取都具备可复用性和跨门店对比能力。

适用场景

• 餐饮品牌连锁门店的标准化巡检与信息归档
• 新店选址前的竞品门店特征分析
• 餐饮门店视觉设计优化前的现状数据采集
• 外卖平台或点评平台门店信息的自动核验
• 餐饮行业研究中的门店样本特征提取与统计

核心提示词

以下提示词可直接用于图像分析类AI工具（如GPT-4V、Claude Vision等），要求其从图片中提取信息。请根据实际需要选择或组合使用。

• 基础通用版：
  “请分析这张餐饮门店照片，提取以下结构化信息：
  1. 门店全称及招牌上的全部文字（包括副品牌、slogan）
  2. 门头风格（现代/传统/工业风等）及主色调（列出2-3种）
  3. 营业时间信息（如有公示）
  4. 店内布局：预估总座位数、桌椅类型（卡座/圆桌/长桌等）
  5. 菜单展示方式（电子屏/墙贴/桌贴/立牌）及是否有价格标注
  6. 排队/等候区设置（有无、规模、设施）
  7. 卫生等级公示牌或证照信息
  8. 店内实际顾客密度（空置率估计）
  输出格式：以JSON结构返回，每个字段值为string或number，无法确定的字段标注'未知'。”
• 深度细节版：
  “针对这张餐饮门店图片，除了基础信息外，额外提取：
  1. 门口是否有排队取号机/叫号屏幕
  2. 店内灯光色温（暖黄/冷白/混光）及照度氛围
  3. 墙壁装饰元素（菜单黑板/品牌故事墙/荣誉展示）
  4. 地面材质（瓷砖/木地板/水泥地）及洁净程度
  5. 服务人员着装统一性及数量（可见范围）
  6. 外卖取餐台/打包区域的设置与标识
  7. 店内外有无显眼的促销海报或折扣标签
  8. 顾客平均年龄层与用餐状态（集中/分散）
  输出格式：表格形式，第一列字段名，第二列对应文本描述。”

风格方向

• 结构化优先：所有提取结果应遵循统一的字段清单，避免主观描述，强调可对比性。
• 精度导向：对于可量化信息（座位数、颜色代码、文字内容），要求准确到具体数值/原文，不进行模糊概括。
• 场景化补充：允许适度推断（如“估计该门店处于午餐高峰时段”），但必须在输出中明确标注为推断。

构图建议

若你同时需要拍摄/选取用于信息提取的图片，请遵循以下构图原则以提高提取质量：

• 门面正视图：正对门店拍摄，确保招牌、门头、入口全貌清晰可见，避免仰视畸变。
• 内部全景图：站在入口处或对角线位置拍摄，尽量涵盖80%以上座位区域和吧台/收银区。
• 局部特写图：对菜单、卫生证、排队设施等关键信息单独拍摄，光线均匀、文字可辨。
• 统一视角：同一门店建议拍摄3-5张，分别对应门头、大厅、收银台、厨房入口、外卖区，便于后续多图联合分析。

细节强化

• 文字放大：在提示词中明确要求AI关注“小字内容”，如菜单上的“推荐菜”、角落里的“WiFi密码告示”、招牌底部的小行副文案。
• 色彩编码：要求AI将主色调转换为Pantone或RGB近似值（例如“#C0392B 深红”），便于后续设计对标。
• 材质识别：强调墙壁、地面、桌椅表面的材质描述，如“亚克力发光字”“水磨石地面”“实木桌面”，提升信息深度。
• 动态要素：记录图片中是否存在顾客、服务员、宠物等动态元素，并描述其与空间的互动关系（如“儿童在游乐区”）。

使用建议

• 单图 vs 多图：基础信息提取建议使用单张高质量照片；深度分析建议提供同一门店的3-5张不同角度图片，可合并为单次请求以提升准确性。
• 迭代校验：首次提取后，可对不确定字段进行二次追问，例如“请确认卫生等级公示牌上的具体字母等级”。
• 输出归档：将提取结果保存为结构化表格（如Excel/CSV），字段名与提示词保持一致，便于后续横向对比与数据可视化。
• 提示词微调：若AI输出遗漏特定字段，在提示词末尾增加“特别注意”段落，将遗漏字段高亮强调。