餐饮经营Agent能力白皮书（2026.8）

CHINARESTAURANTOPERATINGAGENT·WHITEPAPERCHINARESTAURANTOPERATINGAGENT·WHITEPAPER中国餐饮经营Agent能力白皮书V0.2从“会回答”到“经营判断辅助”，再到“能持续参与经营”发布机构北京餐鸟科技有限公司研究与测评餐饮AI经营能力测评项目组研究发起祁忠（面总老祁）版本日期2026年8月27日研究前言发布说明AI正在进入餐饮经营。越来越多产品开始以“AI助手”“老板助手”“经营助手”“智能体”“Agent”等不同名称进入餐饮行业。一个产品使用了“Agent”这个名称，并不能证明它已经具备真实经营能力；一个产品没有使用“Agent”这个名称，也不意味着它没有向餐饮经营Agent发展的可能。当AI开始进入餐饮经营以后，我们应该用什么方法判断它到底会不会经营、能不能用于真实经营，以及哪些事情还不能直接交给AI？本白皮书研究“餐饮经营Agent及具有餐饮经营Agent发展方向的AI/经营助手”，重点关注已经进入真实餐饮经营判断链，或正在向这一方向发展的产品。判断一个产品是否进入研究范围，不以名称为依据，而看它是否实际触及C1｜经营测量｜账算得明白、C2｜经营分析｜关系看得懂、C3｜异常发现｜问题找得到、C4｜经营诊断｜原因判得准、C5｜预测模拟｜未来算得出、C6｜决策优化｜动作定得好中的一项或多项。截至2026年8月27日，本项目已完成餐剑、窄门餐谋、红餐AI、奥琦玮老板助手、袋鼠参谋、食悟AI六个产品的V0.1.1统一标准化直接测评。本轮采用统一冻结的题目、数据、顺序和评分规则；产品原始回答先封存、后审计；产品自我声明不直接作为能力得分；没有取得充分真实运行证据的能力标记为“待验证”。本研究不是国家标准、官方行业标准、产品认证规则或产品排行榜。六个样本不是对中国餐饮AI市场的随机代表性抽样，而是按研究目的筛选形成的目的性测试样本。本轮结论只对应测试当时的时间、版本、入口、账号权限与测试环境。本轮主要直接验证在规定数据、口径和任务条件下的C1-C6六项条件性经营判断能力；A1-A4四项Agent运行能力仍需进入真实系统与跨周期运行环境验证。“待验证”表示证据尚未形成，不等于0分，也不等于产品没有这项能力。V0.2的目标不是宣布一套最终标准，而是提出一套可以讨论、测试、复查、接受反例检验并持续修订的餐饮经营Agent能力框架。V0.2的目标不是宣布一套最终标准，而是提出一套可以讨论、测试、复查、接受反例检验并持续修订的餐饮经营Agent能力框架。版本说明：本版为V0.2正式发布版，已基于两轮外部红队审计完成修订；第二轮聚焦复核同时完成“研究背景与外部参照”及参考资料[1]—[12]的原始来源核验。研究前言摘要“会回答餐饮问题”和“能够持续参与一家餐厅的真实经营”不是同一件事。本白皮书尝试回答三个问题：在规定数据和任务条件下，什么样的经营判断能力已经达到可用线？这些能力距离真实门店环境还有多远？距离真正能够持续参与经营的Agent，还有多远？本研究把餐饮经营Agent拆成五个层面：G｜经营目标与约束回答“为什么干、什么不能碰”；D｜四项运行底座条件回答“有没有条件干”；C｜六项经营能力回答“会不会经营”；A｜四项Agent运行能力回答“能不能持续参与经营”；T｜可信约束回答“什么时候必须停、问人、降级或把决定交还给人”。本研究采用0—5级有序能力等级，3级定义为“真实经营辅助可用线”。3级并不意味着AI可以独立经营，而是指：在限定任务和明确输入边界内，该项能力的核心结果已经可以进入真实经营辅助，且未出现足以使核心结论失去使用价值的严重错误；重要经营判断仍由人最终复核。6统一标准化直接测评产品样本100%6统一标准化直接测评产品样本100%C1｜经营测量达到3级可用线16.7%C4｜经营诊断达到3级可用线经营能力样本均值达到3级可用线C1｜经营测量｜账算得明白3.336/6｜100%C2｜经营分析｜关系看得懂2.833/6｜50%C3｜异常发现｜问题找得到3.20*5/5｜100%*C4｜经营诊断｜原因判得准2.331/6｜16.7%C5｜预测模拟｜未来算得出2.333/6｜50%C6｜决策优化｜动作定得好2.172/6｜33.3%*C3有1个样本因测试入口无法完整承载冻结数据，正式状态为“待验证”，不记0分；均值和通过率按5个有效样本计算。0—5级属于有序能力等级，样本均值只用于描述本组六样本在某项能力上的阶段性位置，不作为精确等距量表，也不用于单个产品总分排名。核心局限性：本轮C1-C6验证的是“条件性经营判断能力”——即测试者已经按冻结协议提供规定经营数据、口径和任务条件后，产品能否正确完成相应经营判断。它不同时证明产品能够自动取得、清洗、融合并持续维护这些数据，也不等同于完整的端到端餐饮经营Agent能力。核心局限性：本轮C1-C6验证的是“条件性经营判断能力”——即测试者已经按冻结协议提供规定经营数据、口径和任务条件后，产品能否正确完成相应经营判断。它不同时证明产品能够自动取得、清洗、融合并持续维护这些数据，也不等同于完整的端到端餐饮经营Agent能力。基于截至2026年8月27日的六样本标准化直接测试，本轮样本中已经出现从信息回答向结构化经营判断辅助延伸的明确迹象。最先表现出较稳定测试结果的是经营测量、经营分析和异常发现；更困难的下一步，是原因诊断、动态预测、持续决策，以及真实的数据获取—主动发现—系统执行—结果闭环。基于截至2026年8月27日的六样本标准化直接测试，本轮样本中已经出现从信息回答向结构化经营判断辅助延伸的明确迹象。最先表现出较稳定测试结果的是经营测量、经营分析和异常发现；更困难的下一步，是原因诊断、动态预测、持续决策，以及真实的数据获取—主动发现—系统执行—结果闭环。研究前言读者 建议重点阅读指南读者 建议重点餐饮老板/经营者 定义与边界→六项经营能力→3级可用线→六样本发现→经营者“五验”总体模型→D/C/A/T→严重错误与可信传导→测试方法→“下一步应该补什么”总体模型→D/C/A/T→严重错误与可信传导→测试方法→“下一步应该补什么”产品经理/技术团队阶段验证媒体/投资机构/行业组织行业研究者 建议阅读全文，并重点看方法、样本边界、匿名规则、R0—R4阶段验证媒体/投资机构/行业组织研究前言研究背景与外部参照本白皮书不是在通用Agent标准之外重新发明一套技术标准，而是聚焦“餐饮经营业务能力”这一中间层。外部政策、标准和行业研究用于帮助理解Agent定义、可信治理、通用评测、餐饮数字化底座与AI应用场景；它们不是对本白皮书C1—C6六项经营能力框架的官方背书，也不能替代本项目自己的直接测试证据。截至本版冻结日期，已经可以确认几条重要外部背景：三部门《智能体规范应用与创新发展实施意见》将智能体界定为具备自主感知、记忆、决策、交互与执行能力的智能系统，并强调安全、可靠、可信贯穿研发与应用全过程[1]；全国标准信息公共服务平台显示《人工智能智能体评测指标与方法》项目登记号20262604-Z-469仍处于起草阶段，不能表述为已经发布的国家标准[2]；上海市人工智能行业协会发布的T/SAIAS059—2026已经形成通用数字智能体评测框架[3]。餐饮侧的外部研究则提供了另一层背景：国家信息中心《中国餐饮业数字化发展报告（2024）》从线上化、平台化、智能化三个内核及供应、加工、管理、销售全链条构建餐饮数字化指标体系[6]；中国烹饪协会2026年发布的AI餐饮调研基于2446份有效问卷，并提出推动工具从“应答”走向“分析”[7]；红餐产业研究院与红餐成长社发布《中国餐饮AI应用研究报告2026》，持续讨论餐饮AI的感知、决策、交互和执行场景[8]。通用Agent评测工程方面，美团技术团队公开提出Agent评测不能只停留在一次Demo或离线打榜，而要观察复杂系统在真实业务流程中的稳定交付，并强调结果、过程和业务场景的结合[11]。这些外部研究帮助我们确定“Agent不能只看一次回答”的研究方向，但本白皮书对餐饮经营能力的具体定义、评分和六样本结论，仍以本项目冻结协议和直接测试证据为主。目录目录发布说明 2摘要 3阅读指南 4研究背景与外部参照 4第一部分｜我们到底研究什么 7第1章｜为什么要重新定义“餐饮经营AI” 8第2章｜本白皮书研究什么、不研究什么 9第3章｜什么是餐饮经营Agent 10第二部分｜一个餐饮经营Agent应该具备什么 11第4章｜总体能力模型：G-D-C-A-T 12第5章｜D1-D4：四项运行底座条件 13第6章｜C1-C6：六项经营能力 14第7章｜A1-A4：四项Agent运行能力 15第8章｜T1-T8：可信约束 16第三部分｜我们怎样判断“能不能用” 17第9章｜一个错误为什么会一路传下去 18第10章｜0—5级与3级真实经营辅助可用线 19第11章｜严重错误、综合定级、置信度与待验证 20第四部分｜我们是怎么测的 21第12章｜统一标准化直接测评 22第13章｜Q0不评分与Q1-Q8测试任务设计 23第14章｜R0-R4：测试真实性层级 24第五部分｜我们在市场上寻找什么产品 25第15章｜市场扫描与样本选择原则 26第16章｜本轮6个点名样本：价值与下一步最值得增强 27第17章｜从点名测试到分项统计 29第六部分｜六个统一样本告诉了我们什么 30第18章｜能力分布与统计边界 31第19章｜五个阶段性发现 32第20章｜基于当前证据，我们明确不做哪些判断 33第七部分｜这意味着什么 34第21章｜餐饮老板判断一个AI，先做“五验” 35第22章｜如果想从AI助手继续走向餐饮经营Agent，我们建议下一步应该补什么 36第23章｜餐饮经营Agent可能怎样一步步成熟 37第24章｜下一阶段还需要验证什么 38第25章｜结语：我们希望推动的不是一张排行榜 39附录 40附录A｜六项经营能力0—5级行为评分尺 41附录B｜四项Agent运行能力0—5级行为评分尺 44附录C｜统一标准化直接测试任务模板 46附录D｜六样本证据、匿名规则与方法边界 47附录E｜餐饮经营者“五验”快速检查卡 48附录F｜术语表 49附录G｜V0.1.1统一测评协议与版本控制说明 50参考资料｜主要公开研究与标准 51内部证据来源 52V0.2版本说明 5301WHATWESTUDY我们到底研究什么从经营者每天面对的判断链出发，界定研究对象与边界。第一部分｜我们到底研究什么第1章｜为什么要重新定义“餐饮经营AI”餐饮行业并不缺少AI。写营销文案、生成菜单图片、智能客服、员工培训、巡店、点餐、会员营销、经营报表分析，都可以使用AI。问题是：当越来越多产品开始叫“AI店长”“老板助手”“经营智能体”“Agent”以后，我们到底应该用什么标准判断它是否真正进入了经营？店现在到底怎么样？发生了什么变化？哪里有问题？为什么发生？未来可能怎样？现在应该怎么办？本白皮书不从产品名称或技术术语出发，而从这条餐饮经营者每天都要面对的判断链出发。只要AI已经实际开始承担其中一项或多项任务，就进入我们的核心观察范围。第一部分｜我们到底研究什么第2章｜本白皮书研究什么、不研究什么本研究聚焦“经营判断型/经营决策型AI与Agent”，即围绕真实经营结果帮助经营者判断店怎么样、问题在哪里、为什么、未来会怎样、现在应该怎么办。类型主要回答的问题本版处理经营判断型/经营决策型Agent店怎么样？哪里有问题？为什么？未来怎样？现在怎么办？核心研究对象运营执行型/店长Agent决定以后怎么巡店、执行SOP、安排任务、培训、提醒和落实动作？原则上不作为本轮核心测评对象；若实际进入经营判断链，可进入候选池餐饮相关AI文案、图片、点餐、客服、识别、培训等观察，但不自动进入经营Agent测评一个叫“老板助手”的产品，只要真正进入经营判断链，也可能成为餐饮经营Agent候选；一个叫“Agent”的产品，如果主要做SOP执行和任务提醒，也不会因为名称自动进入本轮核心测评。第一部分｜我们到底研究什么第3章｜什么是餐饮经营Agent理想形态下，本白皮书所称“餐饮经营Agent”，是以餐饮经营目标和约束为导向，在可信数据和经营语义基础上，具备经营测量、经营分析、异常发现、经营诊断、预测模拟和决策优化等能力，并能够逐步通过持续数据获取、主动发现、系统执行和结果跟踪参与真实经营，同时在证据、权限和风险边界内保持人类最终控制的AI系统。本定义描述的是餐饮经营Agent的完整目标形态，不代表本轮六个测试样本已经具备上述全部能力；尤其A1-A4四项Agent运行能力仍需R3/R4层证据继续验证。这个定义包含三层：第一，它必须会经营；第二，它最终要能够持续参与经营；第三，它必须可信、可控。成熟Agent不是“自动做得越多越好”，而是知道什么可以自己做、什么需要先试、什么必须问人、什么证据不足时应该停止。02CAPABILITYMODEL一个餐饮经营Agent应该具备什么把“会不会经营”和“能不能持续参与经营”拆成可讨论、可验证的能力层。第二部分｜一个餐饮经营Agent应该具备什么G经营目标与约束为什么干、什么不能碰利润、现金、营业额、服务、复购等目标和红线D四项运行底座条件有没有条件干数据、语义、状态、工具与权限C六项经营能力G经营目标与约束为什么干、什么不能碰利润、现金、营业额、服务、复购等目标和红线D四项运行底座条件有没有条件干数据、语义、状态、工具与权限C六项经营能力会不会经营测量、分析、发现、诊断、预测、决策A四项Agent运行能力能不能持续干持续取数、主动发现、系统执行、结果闭环T可信约束什么时候必须停证据、不确定性、因果、权限、风险、追溯、人类控制、澄清需要特别说明：G-D-C-A-T首先是架构依赖关系，不等于产品研发资源必须机械按这个顺序投入。当前很多产品的自动化能力已经发展很快，但如果C1-C6经营判断还不稳定，就不应急于把更多高风险动作自动化。T｜可信约束贯穿D、C、A全过程，而不是最后才加。第二部分｜一个餐饮经营Agent应该具备什么第5章｜D1-D4：四项运行底座条件D1｜数据连接与质量不能只问“数据接进来了吗”，还要问是否完整、及时，有没有漏单、重复和明显异常，不同系统口径是否一致。垃圾数据进入以后，AI只会更快地产生错误经营判断。D2｜经营数据语义同一个“营业额”“实收”“食材成本”“人工成本”，在不同门店和系统中可能有不同含义。Agent必须理解数字在这家店的真实经营口径，而不是只认字段名。D3｜持续状态与记忆一个经营Agent不能每天重新认识这家店。它需要持续维护经营目标、基线、历史判断、已经采取的动作以及后续结果。聊天记忆不等于经营状态。D4｜工具与权限能不能调价、改排班、发券、下采购单，不是Agent自己说了算。技术能力和经营权限必须分开设计，每次执行还应留下必要记录。第二部分｜一个餐饮经营Agent应该具备什么第6章｜C1-C6：六项经营能力C1｜经营测量｜账算得明白回答“这家店现在到底经营得怎么样”。利润、成本率、保本、边际贡献等必须口径正确、关键成本不漏、前后数字闭合。一次算对还不够，多轮和新证据回来以后仍要保持稳定。C2｜经营分析｜关系看得懂回答“经营结果为什么变成现在这样——先从结构上看，哪些因素分别贡献了多少”。它首先解决利润桥和结构贡献，不直接等于因果诊断。C3｜异常发现｜问题找得到回答“老板不告诉AI哪里有问题，它能不能从连续经营数据里找到值得先管的异常”。高质量异常发现还需要排序、归并和控制误报。C4｜经营诊断｜原因判得准回答“为什么发生”。必须区分事实、相关关系、候选原因和已验证原因。证据不足时停在“无法确认”，本身就是成熟能力的一部分。C5｜预测模拟｜未来算得出回答“如果什么都不变会怎样，以及如果价格、人员、促销、营业时间改变会怎样”。真实经营模拟要处理固定成本、变动成本、阶梯成本、阈值、产能和需求变化。C6｜决策优化｜动作定得好回答“现在到底怎么办”。不仅要给建议，还要在目标和硬约束下做选择，说明优先级、投入、周期、指标、停止条件和回滚机制。第二部分｜一个餐饮经营Agent应该具备什么第7章｜A1-A4：四项Agent运行能力A1｜持续数据获取｜数据自己来不是成功读取一次报表，而是在授权范围内持续、稳定地取得经营数据。D1回答“有没有可用数据”，A1回答“能不能长期持续得到”。A2｜主动发现与提醒｜问题自己找C3是“给它数据以后能不能发现异常”，A2是“没人问的时候，它会不会自己启动、自己检查并把真正值得管的问题送出来”。固定日报并不足以证明高质量A2。A3｜系统执行｜动作能出去文字建议不等于执行。真正的A3是把经过授权的动作送入真实业务系统，并正确处理确认、权限、失败恢复、日志和回滚。A4｜结果跟踪与闭环｜结果会回来做完以后还要回来。关键分界是：2级——人把结果告诉它，它会重新判断；3级——Agent自己记得回来取得结果并发起复盘。基于截至2026年8月27日的六样本标准化直接测试，本轮没有取得足够R3｜真实经营系统环境和R4｜基于截至2026年8月27日的六样本标准化直接测试，本轮没有取得足够R3｜真实经营系统环境和R4｜真实动作与结果证据，因此六个样本的A1-A4运行能力统一保持“待验证”。这不是低分结论，而是证据边界。第二部分｜一个餐饮经营Agent应该具备什么可信约束 核心要求第8章｜T1-T8：可信约束可信约束 核心要求T1｜证据分级 不同强度的经营结论，需要不同强度的证据。不知道或证据不足时，应明确表达不确定，而不是补出一个确定答案。不知道或证据不足时，应明确表达不确定，而不是补出一个确定答案。T2｜不确定性T4｜权限控制 Agent只能在经营者授权范围内执行动作。T4｜权限控制 Agent只能在经营者授权范围内执行动作。T5｜风险降级 高风险、低置信度或异常情况下，应降低自动化程度并转人工确认。T6｜可追T6｜可追溯 重要判断和动作应能追溯到数据、口径、依据和执行过程。数据缺失、口径冲突或目标不清楚时，应先确认，而不是自行补全关键前提。T8｜澄清确认不知道，就说不知道。证据不够，就停在假设。高风险动作，把最终决定交给人。T7｜人类最终控制 数据缺失、口径冲突或目标不清楚时，应先确认，而不是自行补全关键前提。T8｜澄清确认不知道，就说不知道。证据不够，就停在假设。高风险动作，把最终决定交给人。03USABILITY&TRUST我们怎样判断“能不能用”用等级、严重错误与可信传导，回答一项能力什么时候才可以进入真实经营辅助。第三部分｜我们怎样判断“能不能用”第9章｜一个错误为什么会一路传下去真实经营是一条连续判断链：先把账算清楚，再分析结构，再判断问题和原因，再预测未来，最后决定动作。因此，上游错误可能向下游传导。一个利润计算错误，可能进一步污染经营状态判断、原因诊断和最终行动。结果可信传导：错误只污染它实际影响的部分，但任何下游结论都必须回看上游事实、计算和判断是否可靠。结果可信传导：错误只污染它实际影响的部分，但任何下游结论都必须回看上游事实、计算和判断是否可靠。字段状态含义结果可信传导可用上游关键数据和判断基本可靠，可在限定任务中用于经营辅助结果可信传导条件性可用存在尚未确认的关键前提或受上游问题影响，需要限定使用或人工复核结果可信传导不可信严重错误足以改变最终经营方向，不应直接进入行动证据状态已验证本轮形成了满足协议条件的直接证据证据状态待验证本轮没有形成足够合规证据；不是0分，也不是“没有能力”第三部分｜我们怎样判断“能不能用”第10章｜0—5级与3级真实经营辅助可用线等级能力含义经营使用理解0级未表现出该项能力在已经具备测试条件的情况下，没有形成有效能力行为1级出现部分相关行为，但核心任务明显失败不能用于真实经营辅助2级已有能力雏形，但关键结果或边界仍不稳定可以参考，但不能作为主要经营依据3级达到真实经营辅助可用线在限定任务和输入边界内可进入真实经营辅助；重要判断仍需人复核4级较稳定、较完整在明确边界内可以较放心使用，并明显减少人工重算重做5级高稳定、高完整复杂、多变量、不完整信息下仍高度可靠，并知道何时停止、降级或转人3级不是“AI已经可以独立经营”，而是“这项能力已经可以进入真实经营辅助”。3级首先要求核心任务完成、关键数字和方向没有被严重错误翻转；允许存在局部问题，但这些问题必须可识别、可限制或可通过经营者复核控制。第三部分｜我们怎样判断“能不能用”第11章｜严重错误、综合定级、置信度与待验证代码名称定义SE1方向性错误盈利/亏损、正向/负向、改善/恶化等核心经营方向发生反转SE2决策翻转错误错误足以改变做/不做、继续/停止、选A还是选B等最终经营动作SE3关键经营量严重失真利润、成本、现金、保本点、目标缺口等关键经营量发生实质失真，并污染后续判断SE4一般局部错误存在错误或越界，但没有直接翻转核心经营方向；影响稳定性和高等级判断红灯规则｜严重错误如何约束下游能力规规则 处理红灯1｜本题核心结论 出现SE1｜方向性错误、SE2｜决策翻转错误或SE3｜关键经营量严重失真时，该题核心结论不得标记为“可用”。如果严重错误的输出被实际作为后续分析、预测或决策输入，且下游没有独立纠正，则所有依赖该错误输入的下游结论不得达到3级可用线。如果严重错误的输出被实际作为后续分析、预测或决策输入，且下游没有独立纠正，则所有依赖该错误输入的下游结论不得达到3级可用线。红灯2｜下游传导同一项能力在多个独立核心任务中重复出现SE1-SE3时，该能力原则上不得评为3级及以上，除非存在更强、更新且能够证明问题已修复的直接复测证据。红灯4｜重复严重错误红灯3｜独立纠正 如果下游任务重新取得正确数据，或独立重算并明确纠正上游错误，不机械继承封顶；但必须记录此前严重错误，并下调同一项能力在多个独立核心任务中重复出现SE1-SE3时，该能力原则上不得评为3级及以上，除非存在更强、更新且能够证明问题已修复的直接复测证据。红灯4｜重复严重错误能力综合定级不是题目简单平均。需要看核心直接证据、是否出现SE1-SE3、错误是否污染核心任务、同类行为是否重复，以及不同场景下是否稳定。一个单轮Q7得到4级，不代表C6｜决策优化｜动作定得好综合能力就一定是4级；如果Q8在新证据回流后持续决策失败，综合能力必须反映这种不稳定。正式能力输出应同时记录“能力等级＋证据置信度＋使用边界”。等级回答“能力到了哪里”，置信度回答“我们有多确定”。如果某项能力只有一道有限覆盖的直接题，即使表现很好，也可能只能形成中等置信度。04EVALUATIONMETHOD我们是怎么测的统一题目、数据、顺序与评分规则，让不同产品的直接输出能够被复查和比较。第四部分｜我们是怎么测的第12章｜统一标准化直接测评本轮不是开放式体验评价，也不是根据宣传材料推断能力。V0.1.1统一标准化直接测评采用同题、同数据、同顺序、同评分规则，原始回答先封存、后审计。首个正式样本开测后，本轮题目、数据、标准答案和评分门槛不得临场修改。不同产品面对相同经营场景和关键数据。除协议预设多轮题外，不给产品追加评分提示。Q0产品自我定位与Q1-Q8能力实测分开。产品错误、测试者错误和运行环境错误分开记录。历史测试只用于纵向对照，不能反向修改本轮冻结结果。第四部分｜我们是怎么测的第13章｜Q0不评分与Q1-Q8测试任务设计Q0先问产品“你是谁、服务谁、需要什么数据、你说自己能做什么、不能做什么”，但Q0不评分。产品自我声明只能作为“声明—实证”对照，不能直接变成能力得分。题目主要测试内容主要能力Q0｜产品定位与能力声明产品怎么定义自己、数据怎么进入、权限与边界不评分，只做声明—实证对照Q1｜完整经营结果判断利润、成本率、保本等确定性经营测量C1｜经营测量｜账算得明白Q2｜缺数与补数缺关键数据时是否停手；补数以后能否继承并重算C1＋D3观察Q3｜利润变化拆解能否形成闭合利润桥，识别主要变化来源C2｜经营分析｜关系看得懂Q4｜无提示异常发现不给问题提示，从连续数据自己找主要异常C3｜异常发现｜问题找得到Q5｜促销与因果判断多个同期变化时能否守住因果边界C4＋T1-T3Q6｜情景模拟价格、单量、平台费、阶梯人工联动C5｜预测模拟｜未来算得出Q7｜多方案约束决策在利润目标、投入上限、服务红线下真正选方案C6｜决策优化｜动作定得好Q8｜第60天新证据改判题面设定的第60天经营结果与原预测不同后，重新计算、反思和调整C4＋C5＋C6；仅形成A4前置认知证据特别说明：Q8使用的是题面设定的“第60天新证据”，不是六家产品分别真实运行60天后的真实门店结果。它测试新证据回流后的认知改判能力，不能直接证明A4｜结果跟踪与闭环达到3级。第四部分｜我们是怎么测的第14章｜R0-R4：测试真实性层级层级中文名称含义R0｜仿真经营题场景仿真人工设计经营情境和数据，验证基础能力R1｜真实经营问题问题真实任务来自餐饮经营中真实存在的判断问题R2｜真实经营数据数据真实使用真实门店、真实周期、真实经营数据R3｜真实经营系统环境系统真实Agent进入POS、外卖、供应链、排班、财务等真实系统R4｜真实动作与结果结果真实建议或动作真正进入经营，并观察后续真实结果本轮Q1-Q8主要位于R0｜仿真经营题与R1｜真实经营问题层。统一冻结数据保证了六样本可比较性，但不能被表述成六家分别在真实门店R2数据环境中的长期实战。更准确地说，本轮测试比较的是产品在结构化、统一输入条件下完成标准化经营任务的能力；它不能替代真实门店中对脏数据、模糊问题、数据冲突、持续运行和真实行动结果的验证。V0.1.1优先解决“可比较性”，不是一次性解决全部“真实性”。对C类能力的解释边界：本报告所有C1-C6等级，都以“规定经营数据和口径已经由测试者提供”为前提。实际经营中的数据获取、清洗、融合、语义对齐和持续状态维护属于另一组更难的系统能力，因此本报告对C类能力的评价不应被视为对同等水平A类运行能力或端到端Agent能力的评价。对C类能力的解释边界：本报告所有C1-C6等级，都以“规定经营数据和口径已经由测试者提供”为前提。实际经营中的数据获取、清洗、融合、语义对齐和持续状态维护属于另一组更难的系统能力，因此本报告对C类能力的评价不应被视为对同等水平A类运行能力或端到端Agent能力的评价。05MARKET&SAMPLES我们在市场上寻找什么产品点名样本保持透明，量化结果强调能力分布而不是产品排行榜。第五部分｜我们在市场上寻找什么产品第15章｜市场扫描与样本选择原则本项目不是先选6个产品再设计规则，而是先定义餐饮经营Agent，再寻找已经进入经营判断链的候选产品。市场扫描不等于市场穷举；截至研究冻结日期，我们只能说明“通过公开渠道已经发现并能够确认的一组候选产品”，不能声称已经找全中国全部餐饮AI。公开市场已经出现不同路线。例如，客如云官方AI产品体系中将“老板助手”定位为“数据驱动决策、一眼看透经营”，并公开经营日报，智能分析诊断等部分功能仍标注“后续上线”；银豹官方餐饮AI页面则公开“AI经营”，强调全渠道数据自动抓取、智能清洗、经营趋势和决策辅助。这些公开信息可以证明产品方向，但不能替代统一直接测试证据。正式进入本轮测试样本需要满足公开、可执行的纳入标准，而不是依据产品名气、企业规模或预期成绩临场选择。样本纳入标准1.研究对象匹配：产品公开定位、实际功能或产品交互已经进入至少一项C类经营判断任务，而不只是营销、客服、SOP或单纯执行工具。2. 存在真实可访问产品入口：研究者可以实际进入产品并直接提交测试任务，而不仅依据宣传材料或演示视频。3.可以取得原始输出：测试过程能够保存产品对统一题目的直接回答，形成可复核证据。4. 能够执行冻结协议的大部分核心任务：若单项因入口、长度、权限等客观条件无法完成，该项记录“待验证”，不能临时改题。5.产品处于公开可使用，或研究者可以合法获得测试权限的状态。样本排除标准只有媒体报道、宣传材料或演示，没有可实际交互入口。主要功能不进入餐饮经营判断链。无法形成可保存、可复核的原始回答。测试环境受污染且无法重新建立有效测试。产品长期不可用、明显故障，或无法完成冻结协议的最低核心要求。市场份额、品牌知名度、融资规模和企业大小不作为纳入的必要条件。上述标准降低了临场选择空间，但仍不能消除目的性取样和公开可访问性带来的选择偏差；市场上仍可能存在未公开、封闭部署或本研究尚未发现的更强系统。因此，本轮6个样本属于按研究目的筛选形成的目的性测试样本，而非随机代表性抽样。未进入本轮测试，不代表产品能力较弱；没有形成直接测试证据，也不能解释为相关能力不存在。第五部分｜我们在市场上寻找什么产品第16章｜本轮6个点名样本：价值与下一步最值得增强餐剑已经表现出的价值：在本轮标准化经营任务中，经营计算、结构拆解和单轮方案推演表现相对突出，呈现出经营参谋型AI特征。下一步最值得增强：优先增强C4｜经营诊断｜原因判得准，以及复杂多轮经营中的状态保持、新证据重算和持续改判能力。窄门餐谋已经表现出的价值：除行业数据库能力外，在本轮标准化经营任务中，异常发现和经营诊断表现相对突出，呈现出行业数据＋经营诊断型助手特征。下一步最值得增强：优先增强C2｜经营分析｜关系看得懂中的利润结构拆解稳定性，以及复杂阈值和多变量模拟的准确性。红餐AI已经表现出的价值：在本轮标准化经营任务中，基础经营测量和收到数据后的异常扫描表现出一定经营辅助潜力，具备从行业信息服务继续向经营分析辅助延伸的基础。下一步最值得增强：优先增强C2｜经营分析｜关系看得懂、C5｜预测模拟｜未来算得出和C6｜决策优化｜动作定得好，使行业信息能力进一步进入真实门店经营判断链。奥琦玮老板助手已经表现出的价值：在本轮标准化经营任务中，基础经营测量和异常发现表现较好；结合其餐饮数字化系统数据基础，呈现出依托系统数据向经营辅助延伸的产品特征。下一步最值得增强：优先增强C4｜经营诊断｜原因判得准、关键阈值执行和目标硬约束下的C6｜决策优化｜动作定得好，把系统数据优势进一步转化为经营判断优势。袋鼠参谋已经表现出的价值：除市场和行业数据能力外，在本轮标准化经营任务中还表现出较强的经营测量、利润结构拆解和方案推演能力，呈现出市场数据＋经营分析型助手特征。下一步最值得增强：下一步应补充连续经营数据下异常发现能力的直接验证，同时增强C4｜经营诊断｜原因判得准中的证据边界。食悟AI已经表现出的价值：在本轮标准化经营任务中，经营测量、结构分析和明确规则下的模拟表现较好，呈现出经营参谋＋餐饮知识应用型AI特征。下一步最值得增强：优先增强复杂因果判断、目标硬约束下的C6｜决策优化｜动作定得好，以及新证据回流后的动态重算稳定性。本章刻意不公布各产品的具体C1-C6等级。产品点名解决“到底测试过谁”的透明度问题；公开量化结果则只呈现各项能力的分布、样本均值和3级通过率，避免形成能够跨能力追溯到单一产品的完整“能力指纹”。第五部分｜我们在市场上寻找什么产品第17章｜从点名测试到分项统计进入量化能力比较后，公开版不再提供A—F跨能力单样本矩阵。六个产品仍公开点名，但量化章节只按每一项能力展示有效样本数、等级分布、达到3级比例和描述性均值。这样做不是回避测试责任，而是把讨论重心从“谁第一”转回“哪项能力发展到什么阶段”，同时降低小样本下通过能力指纹反向识别单一产品的可能。由于0—5级是有序能力等级、不同能力经营风险并不等权、严重错误不能被其他高分平均覆盖，本白皮书不生成单个产品简单总平均排名。06FINDINGS六个统一样本告诉了我们什么六个统一样本提供的是阶段性证据，不是对整个市场的平均水平外推。第六部分｜六个统一样本告诉了我们什么第18章｜能力分布与统计边界公开版只展示每项能力的总体分布，不提供能够把同一产品六项能力串联起来的跨能力单样本矩阵。样本均值只用于描述本组六样本在某一项能力上的阶段性位置，不作为精确等距统计量，也不用于单个产品总分排名。33.3%33.3%C6｜决策优化50%C5｜预测模拟100%*16.7%C3｜异常发现C4｜经营诊断50%C2｜经营分析100%达到3级“真实经营辅助可用线”的样本比例｜本轮标准化直接测试C1｜经营测量经营能力有效样本数等级分布达到3级可用线描述性均值C1｜经营测量｜账算得明白63级×4；4级×26/6｜100%3.33C2｜经营分析｜关系看得懂61级×1；2级×2；4级×33/6｜50%2.83C3｜异常发现｜问题找得到53级×4；4级×15/5｜100%*3.20*C4｜经营诊断｜原因判得准62级×5；4级×11/6｜16.7%2.33C5｜预测模拟｜未来算得出61级×1；2级×2；3级×33/6｜50%2.33C6｜决策优化｜动作定得好61级×1；2级×3；3级×22/6｜33.3%2.17*C3有1个样本因测试入口无法完整承载冻结数据，正式状态为“待验证”，不进入该项均值和通过率计算。只看均值会丢失分布信息。例如C2｜经营分析｜关系看得懂平均2.83，但实际呈现的是“一半样本已经很强、另一半仍明显低于可用线”的分化，而不是所有产品都接近3级。C1｜经营测量｜账算得明白则不同：不仅均值较高，而且6/6全部过线，说明本组样本的一致性更强。第六部分｜六个统一样本告诉了我们什么第19章｜五个阶段性发现发现一｜C1｜经营测量｜账算得明白，在本轮标准化任务中表现最为稳定在本轮标准化经营任务中，C1｜经营测量｜账算得明白的6个样本均达到3级或以上，是表现最稳定的一项能力，显示出较明确的经营辅助潜力。但这一结论以测试者已经提供规定数据和口径为前提，多轮状态和新证据重算仍可能暴露稳定性问题。发现二｜C2与C3在本轮标准化任务中正在形成第二层经营辅助价值C2已经出现明显强样本，同时分化显著；C3在5个有效样本中全部过线。更准确地说，在结构化、已经提供的连续经营数据条件下，这5个样本都能够达到“发现主要异常”的3级可用线；这不等于真实门店脏数据环境下同样稳定，也不等于A2｜主动发现与提醒。发现三｜C4｜经营诊断｜原因判得准，是本组六样本最集中的共同瓶颈5/6样本停留在2级，仅1个样本过线。常见问题不是完全不知道因果边界，而是先承认证据不足，随后又为了把答案讲完整而补原因、补参数、把相关关系升级成因果。发现四｜C5｜预测模拟｜未来算得出与C6｜决策优化｜动作定得好已经出现可用样本，但持续做对明显更难明确规则下的What-if已有3/6过线；最终决策只有2/6过线，且C6是本轮描述性样本均值最低的经营能力。Q8进一步显示，单轮会做方案与新证据回来以后还能持续正确判断，是两种不同难度。发现五｜A1-A4｜四项Agent运行能力仍需要真实环境验证本轮标准化聊天测试没有取得足够的R3/R4运行证据，因此不能把产品自述的自动取数、主动提醒、执行或闭环直接写成已验证3级，也不能因为没测到就判0级。基于本组六样本在当前标准化任务中的表现，一个值得继续验证的现象是：困难可能正在从“会不会算”转向“算清楚以后，能不能守住证据边界、忍住不乱解释”。第六部分｜六个统一样本告诉了我们什么第20章｜基于当前证据，我们明确不做哪些判断不能把六样本均值外推成“中国餐饮AI平均水平”。不能把均值最高的能力理解为经营上最重要的能力。不能把六项能力简单平均后宣布哪个产品“最好”。不能把“待验证”写成0分或“没有能力”。不能把一次测试写成产品永久能力结论。不能把R0/R1标准化测试表现好，直接写成已经能够接管真实门店。基于截至2026年8月27日的六样本标准化直接测试，本轮样本中已经出现从信息回答向结构化经营判断辅助延伸的明确迹象。这个结论只针对标准化任务条件下的C类能力，不等同于已经具备真实门店端到端经营Agent能基于截至2026年8月27日的六样本标准化直接测试，本轮样本中已经出现从信息回答向结构化经营判断辅助延伸的明确迹象。这个结论只针对标准化任务条件下的C类能力，不等同于已经具备真实门店端到端经营Agent能力。07IMPLICATIONS这意味着什么把研究结论转成经营者可用的“五验”和下一阶段R2-R4第七部分｜这意味着什么第21章｜餐饮老板判断一个AI，先做“五验”第一验｜拿一份你自己知道答案的经营账，让它算给AI一份你自己掌握答案的营业额、食材、人工、房租、平台费用和其他成本，看利润、成本率和保本结果是否正确；如果口径不清，它会不会先问。主要验证C1｜经营测量｜账算得明白。第二验｜给它一段连续经营数据，不告诉它哪里有问题看它能不能找到真正重要的2—3个异常，并给出优先级，而不是把所有波动都说成问题。主要验证C3｜异常发现｜问题找得到。第三验｜问它“为什么”，再追问“证据在哪里”如果它给出“顾客不喜欢”“竞争加剧”“员工效率低”等原因，继续问：这是事实、相关关系、候选原因，还是已经验证的原因？看它会不会在证据不足时主动降级。主要验证C4｜经营诊断｜原因判得准和T｜可信约束。第四验｜给两个真实方案和硬约束，让它必须选一个把利润目标、投入上限、服务红线和两个可选方案给它，看它是否真正计算后做选择，并说明停止条件和回滚方式，而不是两边都说好。主要验证C6｜决策优化｜动作定得好。第五验｜如果它声称自己是Agent，停止主动提问，看它会不会回来在合法授权和安全边界内，不再主动发起问题，观察它是否能够持续取得数据、主动发现重要变化、按权限执行或请求确认，并在约定时间重新检查结果。主要验证A1—A4｜四项Agent运行能力。前四验主要看“会不会判断经营”，第五验才开始检验“是不是真的像一个Agent持续工作”。第七部分｜这意味着什么第22章｜如果想从AI助手继续走向餐饮经营Agent，我们建议下一步应该补什么从“会算”走向“持续稳定地算对”C1已经相对靠前，下一步重点是跨轮口径、历史基线、新证据重算和可追溯，而不是再证明一次“会不会加减乘除”。从“能够解释”走向“知道什么时候不能解释”把T1｜证据分级、T2｜不确定性、T3｜因果边界真正变成默认工作机制。成熟Agent不是每次都给确定答案。从“聊天记忆”走向“结构化经营状态”持续维护目标、基线、历史判断、已执行动作、原预测和后续结果，让昨天的问题、今天的行动和下个月的复盘属于同一个经营过程。从“给建议”走向“管理经营实验”C6应越来越强调小范围试验、明确期限、成功指标、停止条件和回滚，而不是直接给全面、永久、高风险的大动作。从老板主动发问走向Agent持续工作逐步补齐A1数据自己来、A2问题自己找、A3动作能出去、A4结果会回来。自动化越强，可信约束越要同步增强能力越强，边界越要清楚；自动化越深，错误成本越要提前控制。如果想从AI助手继续走向餐饮经营Agent，我们认为下一步真正需要补的，不只是更多知识和更多回答，而是更可靠的数据底座、更严格的证据纪律、更稳定的经营状态、更可验证的决策机制，以及持续获取—主动发现—执行—复盘的真实运行能力。如果想从AI助手继续走向餐饮经营Agent，我们认为下一步真正需要补的，不只是更多知识和更多回答，而是更可靠的数据底座、更严格的证据纪律、更稳定的经营状态、更可验证的决策机制，以及持续获取—主动发现—执行—复盘的真实运行能力。第七部分｜这意味着什么第23章｜餐饮经营Agent可能怎样一步步成熟从架构依赖关系看，更合理的成熟路径不是“先自动执行再补经营能力”，而是：阶段核心内容解决的问题第一层｜G经营目标与约束先知道为什么干、什么不能碰第二层｜D数据连接与质量、经营数据语义、持续状态与记忆、工具与权限有没有条件长期认识同一家店第三层｜C六项经营能力真正会经营第四层｜A持续取数、主动发现、系统执行、结果闭环真正以Agent方式持续参与经营贯穿全过程｜T证据、不确定性、因果、权限、风险、追溯、人类控制、澄清可信、可控地持续经营这不等于产品研发必须机械按G→D→C→A排期。现实中很多系统已经有数据连接和执行工具，当前更重要的研发优先级可能是先把C1-C6判断可靠，再扩大自动化权限。架构依赖顺序与研发资源优先级需要分开理解。未来愿景（不是本轮六样本直接测试结论）：本研究并不把“无人经营”视为餐饮经营Agent的唯一终点。一个更有现实价值、但仍需R2—R4进一步验证的方向是：当老板逐渐离开经营第一现场以后，仍然能够持续、及未来愿景（不是本轮六样本直接测试结论）：本研究并不把“无人经营”视为餐饮经营Agent的唯一终点。一个更有现实价值、但仍需R2—R4进一步验证的方向是：当老板逐渐离开经营第一现场以后，仍然能够持续、及时、低成本、可信地知道自己的店正在发生什么，并及时决定先管什么。成熟Agent未来可能真正缩短的是“经营变化发生”到“经营者知道、判断和行动”之间的时间距离。第七部分｜这意味着什么第24章｜下一阶段还需要验证什么R2｜真实经营数据：用真实利润表、POS订单、菜品、时段、人工、促销和异常周期，检验脏数据、缺数据与复杂口径。R3｜真实经营系统环境：真实接入POS、外卖、供应链、排班、财务，重点验证A1-A3。R4｜真实动作与结果：让部分可控动作进入真实经营，观察结果，并验证A4是否真的能自己回来复盘。增加更多产品、业态、规模和长期样本，并对同一产品升级版本做重复测试。引入更多评分者和必要的一致性校准，但不为了形式复杂化当前已经可复查的业务专家审计链。新增证据可能支持、修正甚至推翻V0.2当前的一些阶段性判断。这不是框架失败，而是这套框架应该允许发生的正常研究过程。第七部分｜这意味着什么第25章｜结语：我们希望推动的不是一张排行榜我们真正希望推动三件事：让餐饮老板知道怎样判断一个AI到底有没有经营辅助价值；让产品团队知道如果想从AI助手继续走向餐饮经营Agent，下一步应该补什么；让“餐饮经营Agent”逐渐从一个产品名称，变成一组可以讨论、测试、留下证据、复查并接受反例挑战的能力要求。餐饮经营Agent不会因为被叫作Agent就自然成熟。它需要把账算得明白，把关系看懂，把问题找到，把原因判准，把未来算出来，把动作定好；还需要数据自己来、问题自己找、动作能出去、结果会回来。更重要的是，它必须知道什么时候自己可以做，什么时候证据还不够，什么时候应该把最终决定交还给人。V0.2的目标不是宣布一套最终标准，而是提出一套可以讨论、测试、复查、接受反例检验并持续修订的餐饮经营Agent能力框架。V0.2的目标不是宣布一套最终标准，而是提出一套可以讨论、测试、复查、接受反例检验并持续修订的餐饮经营Agent能力框架。AAPPENDICES附录评分尺、测试模板、方法边界、术语与版本控制，构成可复查的研究底稿。附录附录A｜六项经营能力0—5级行为评分尺C1｜经营测量｜账算得明白等等级 行为锚点0 无法完成基本利润、成本率、保本等计算，或结果与输入缺乏理解部分计算方法，但在多个独立任务中重复出现足以改变经营结论的核心金额、汇总、单位或口径错误。理解部分计算方法，但在多个独立任务中重复出现足以改变经营结论的核心金额、汇总、单位或口径错误。12 单轮封闭计算多数能完成，但跨轮、多成本、多口径、长链汇在明确口径和数据条件下，可稳定完成常见利润、成本率、保本、边际贡献等计算；跨轮数据基本正确继承，关键成本不漏，结果能闭合。在明确口径和数据条件下，可稳定完成常见利润、成本率、保本、边际贡献等计算；跨轮数据基本正确继承，关键成本不漏，结果能闭合。34 较复杂多步骤计算仍总体稳定，能主动核对口径、发现数字冲多来源、跨期、退款优惠、复杂分摊、阶梯成本等条件下仍高度稳定，并主动识别数据质量、单位、口径与异常风险。多来源、跨期、退款优惠、复杂分摊、阶梯成本等条件下仍高度稳定，并主动识别数据质量、单位、口径与异常风险。5C2｜经营分析｜关系看得懂等等级 行为锚点0 主要停留在数据复述，没有形成经营结构。1 大量建立错误或无依据关系，关键变量遗漏严重。1 大量建立错误或无依据关系，关键变量遗漏严重。能把真实经营问题拆解为主要变量、结构和关系，识别主要变化来源。3能把真实经营问题拆解为主要变量、结构和关系，识别主要变化来源。34 能在多变量、跨期、多渠道、多层级问题中稳定构造完整分析面对复杂经营系统仍能识别隐藏约束、交互关系、非线性变化和替代解释。面对复杂经营系统仍能识别隐藏约束、交互关系、非线性变化和替代解释。5C3｜异常发现｜问题找得到等等级 行为锚点0 只有经营者明确指出问题后才能分析，不能从数据中识别异1 重要异常明显漏报，或大量把正常波动判断成问题。1 重要异常明显漏报，或大量把正常波动判断成问题。2 能发现明显偏差，但主要依赖简单阈值，误报、漏报和优先级能基于目标、历史或合理基准稳定发现主要异常，并区分重要与次要问题。能基于目标、历史或合理基准稳定发现主要异常，并区分重要与次要问题。34 能结合异常幅度、持续时间、经营影响和置信度，有效过滤低在复杂动态数据中能够提前发现弱信号、组合异常和潜在经营机会，同时保持低误报、低漏报。在复杂动态数据中能够提前发现弱信号、组合异常和潜在经营机会，同时保持低误报、低漏报。5C4｜经营诊断｜原因判得准等等级 行为锚点0 不能形成有意义的原因分析。经常凭常识或语言推断直接给出确定原因，大量把相关、猜测或未经证实信息说成事实。经常凭常识或语言推断直接给出确定原因，大量把相关、猜测或未经证实信息说成事实。12 能提出合理候选原因，但实际输出中仍反复混淆事实、相关、能稳定区分事实、相关、假设和已验证原因；证据不足时明确停止在“无法确认”或“待验证假设”，并指出还需要什么证据。能稳定区分事实、相关、假设和已验证原因；证据不足时明确停止在“无法确认”或“待验证假设”，并指出还需要什么证据。34 能设计验证路径、寻找反证和替代解释，并随新增证据支持、面对多因素、混杂变量、反事实和长期经营变化时仍能稳定控制因果强度。面对多因素、混杂变量、反事实和长期经营变化时仍能稳定控制因果强度。5C5｜预测模拟｜未来算得出等等级 行为锚点0 无法进行基本趋势或情景推演。推演逻辑存在明显错误，变量改变后没有正确联动成本、产能、需求等关键条件。推演逻辑存在明显错误，变量改变后没有正确联动成本、产能、需求等关键条件。1等等级 行为锚点2 简单封闭线性情景可以推演，但复杂成本、多变量或长期场景在明确假设条件下能够完成常见趋势和What-if模拟，并能在关在明确假设条件下能够完成常见趋势和What-if模拟，并能在关键前提变化后正确重算。34 能建立多个情景和敏感性区间，识别关键变量、风险边界和预在高不确定、多变量、动态环境中仍能进行高质量概率与情景推演，并持续使用实际结果校准。在高不确定、多变量、动态环境中仍能进行高质量概率与情景推演，并持续使用实际结果校准。5C6｜决策优化｜动作定得好等等级 行为锚点0 无法形成实际经营行动建议。建议明显脱离数据、经营事实或资源约束，甚至可能产生重大经营风险。建议明显脱离数据、经营事实或资源约束，甚至可能产生重大经营风险。12 建议方向可能合理，但缺少优先级、证据、执行边界、停止条能把经营判断转化为明确、有限、可执行、可复盘的行动方案，具有基本优先级、试验周期、观察指标或停止条件。能把经营判断转化为明确、有限、可执行、可复盘的行动方案，具有基本优先级、试验周期、观察指标或停止条件。34 能比较多个方案，系统权衡收益、成本、风险、可逆性、服务在复杂多目标、资源受限和动态环境下稳定形成高质量行动组合，并根据结果持续重新配置优先级、资源和策略。在复杂多目标、资源受限和动态环境下稳定形成高质量行动组合，并根据结果持续重新配置优先级、资源和策略。5附录附录B｜四项Agent运行能力0—5级行为评分尺如果没有进行真实系统、真实持续运行或真实执行测试，不能因为产品自述“支持”就给A类能力评分；也不能因为测试条件没有提供就判0级。应记录为“待验证”。A1｜持续数据获取｜数据自己来等等级 行为锚点0 在测试条件和授权均具备的情况下，仍无法持续自动获得经营可以自动取得部分数据，但频繁中断、丢失、延迟或状态断裂。可以自动取得部分数据，但频繁中断、丢失、延迟或状态断裂。12 核心数据能够持续进入一段时间，但完整性、连续性、异常恢在明确系统和数据范围内，核心经营数据能够持续、稳定、及时更新，并能基本识别中断、缺失或明显异常。在明确系统和数据范围内，核心经营数据能够持续、稳定、及时更新，并能基本识别中断、缺失或明显异常。34 多数据源可以长期稳定同步，系统能主动识别延迟、中断、重在多系统、长周期、复杂状态变化下仍保持高连续性，并能够处理数据回补、版本变化、质量冲突和历史状态一致性问题。5在多系统、长周期、复杂状态变化下仍保持高连续性，并能够处理数据回补、版本变化、质量冲突和历史状态一致性问题。5A2｜主动发现与提醒｜问题自己找等等级 行为锚点0 完全依赖经营者提问，不会主动启动经营检查或发起有效提能自动提醒，但主要依靠固定规则或高频通知，误报、噪声和无价值提醒严重。能自动提醒，但主要依靠固定规则或高频通知，误报、噪声和无价值提醒严重。12 能主动发现部分明显问题，但主要依赖简单阈值，重要性排序能持续主动发现主要经营异常或机会，根据经营影响给出基本优先级，并在合理时间通知经营者。能持续主动发现主要经营异常或机会，根据经营影响给出基本优先级，并在合理时间通知经营者。34 能综合异常幅度、持续时间、经营影响、紧急程度和置信度排序，大幅过滤低价值提醒。能长期稳定进行高质量主动经营监测，提前发现弱信号、风险组合和经营机会，并根据后续结果与经营者反馈持续优化触发策略。能长期稳定进行高质量主动经营监测，提前发现弱信号、风险组合和经营机会，并根据后续结果与经营者反馈持续优化触发策略。5行为锚点等级A3｜系统执行｜动作能出去等等级 行为锚点0 只能提供文字建议、操作说明或方案，不能把动作送入真实业可以进行有限工具调用，但执行错误、权限边界、状态反馈或结果确认存在明显缺陷。可以进行有限工具调用，但执行错误、权限边界、状态反馈或结果确认存在明显缺陷。12 能执行部分简单任务，但需要大量人工补充操作、反复确认，在明确权限范围内，能够稳定完成低至中风险真实经营任务，并保留必要的人类确认、执行状态和结果记录。在明确权限范围内，能够稳定完成低至中风险真实经营任务，并保留必要的人类确认、执行状态和结果记录。34 能跨多个工具完成较复杂经营工作流，正确处理权限、异常、在复杂动态经营环境下能够高度稳定地执行多步骤任务，根据风险动态降级或转人，并保持完整可追溯和可恢复能力。在复杂动态经营环境下能够高度稳定地执行多步骤任务，根据风险动态降级或转人，并保持完整可追溯和可恢复能力。5A4｜结果跟踪与闭环｜结果会回来等等级 行为锚点0 给出建议或完成执行以后不再跟踪结果。能记录或询问结果，但主要停留在结果复述，不能形成经营复盘。能记录或询问结果，但主要停留在结果复述，不能形成经营复盘。12 经营者把结果重新提供给Agent以后，它能够比较新旧证据、无需经营者重新发起任务，Agent能够按照设定节点主动取得无需经营者重新发起任务，Agent能够按照设定节点主动取得结果、与原预测比较，并据此继续、调整或停止。34 能主动发现行动副作用、预测偏差和原判断错误，分析偏差原能够长期积累“判断—行动—结果—修正”的经营经验，在不同情境中复用并校准，从而持续提高后续经营判断质量。能够长期积累“判断—行动—结果—修正”的经营经验，在不同情境中复用并校准，从而持续提高后续经营判断质量。5附录字段 作用附录C｜统一标准化直接测试任务模板字段 作用Trigger｜触发原因 为什么现在需要做这个经营判断Context｜Context｜经营背景 门店当前处于什么场景ExpectedBehavior｜预期正确行为 达到相应能力等级应表现出的正确行为，不要求固定措辞Input｜实际输ExpectedBehavior｜预期正确行为 达到相应能力等级应表现出的正确行为，不要求固定措辞ForbiddenBehavior｜禁止行为 哪些错误、编造或越界不能出现EvidenceEvidenceRequired｜证据要求 结论至少需要什么证据OutputRequirement｜输出要求 只有确有必要时才要求结构化输OutputRequirement｜输出要求 只有确有必要时才要求结构化输出公开白皮书只公布任务结构和能力映射，不公开内部标准答案、确定性计算底稿、评分锚点细节，也不公开能够追溯到具体产品的单产品分项能力得分。附录问题 V0.2规则附录D｜六样本证据、匿名规则与方法边界问题 V0.2规则六个样本是不是中国全部餐饮AI 不是。属于按研究目的筛选形成的目的性样本。能不能由六个样本推断整个中国市场水能不能由六个样本推断整个中国市场水平 不能。所有行业性表述必须保留六样本证据边界。不提供。实名章节说明产品价值与下一步增强方向；量化章节只公开每项能力的总体分布、通过率和描述性均值。公开版是否提供单产品分项得分是否公开六产品名称 不提供。实名章节说明产品价值与下一步增强方向；量化章节只公开每项能力的总体分布、通过率和描述性均值。公开版是否提供单产品分项得分为什么不再公开A—F跨能力矩阵 六样本规模较小、能力特征明显，跨能力单样本矩阵容易形成“能力指纹”并被反向识别，因此公开版改为分项统计。能否六项能力简单平均形成总排能否六项能力简单平均形成总排名 不能。0—5是有序等级，关键错误不能被其他高分平均掉。产品自述能不能当能力证据 不能。Q0只做声明—实证对照。“待验证”是不是0产品自述能不能当能力证据 不能。Q0只做声明—实证对照。测试环境故障怎么办 与产品能力错误分开记录；入口截断、测试者误发等不能直接扣产品能力分。按新的时间、版本、入口重新测试，不把旧测试视为永久判断。按新的时间、版本、入口重新测试，不把旧测试视为永久判断。产品升级以后怎么办A1-A4运行能力怎么办 必须进入真实运行条件另行验证；聊天问答不能替代运行实证。附录第一验｜拿一份你知道答案的经营账，让它算C1｜经营测量｜账算得明白1第二验｜给连续经营数据，不告诉它哪里有问题C3｜异常发现｜问题找得到2第三验｜问“为什么”，再追问“证据在哪里”第一验｜拿一份你知道答案的经营账，让它算C1｜经营测量｜账算得明白1第二验｜给连续经营数据，不告诉它哪里有问题C3｜异常发现｜问题找得到2第三验｜问“为什么”，再追问“证据在哪里”C4｜经营诊断｜原因判得准＋T｜可信约束3第四验｜给两个真实方案和硬约束，让它必须选一个C6｜决策优化｜动作定得好4第五验｜如果它声称自己是Agent，停止主动提问，看它会不会回来A1—A4｜四项Agent运行能力5附录术语 定义附录F｜术语表术语 定义条件性经营判断能力 在测试者已经提供规定经营数据、口径和任务条件后，产品完成C1-C6经营判断任务的能力。它不同时证明自动取数、数据清洗融合、持续运行、系统执行或端到端Agent能力。面向真实餐饮经营目标，在可信数据和明确权限基础上进行经营测量、分析、异常发现、诊断、预测与决策，并逐步具备持续获取、主动发现、系统执行和结果闭环能力的AI系统。面向真实餐饮经营目标，在可信数据和明确权限基础上进行经营测量、分析、异常发现、诊断、预测与决策，并逐步具备持续获取、主动发现、系统执行和结果闭环能力的AI系统。餐饮经营Agent主要围绕SOP、巡店、员工任务、培训、服务、开闭店检查和执行自动化；若不进入经营判断链，不属于本轮核心对象。运营执行型/店长Agent经营判断型/经营决策型Agent 主要回答“店怎么样、问题在哪里、为什么、未来会怎样、主要围绕SOP、巡店、员工任务、培训、服务、开闭店检查和执行自动化；若不进入经营判断链，不属于本轮核心对象。运营执行型/店长Agent3级真实经营辅助可用线 在限定任务和明确输入边界内，核心任务和主要结果基本可靠，可以进入真实经营辅助，但重要经营判断仍需人最终复核。上游数据、计算或判断错误可能继续污染诊断、预测和行动，因此最终结论必须沿证据链回看上游是否可靠。上游数据、计算或判断错误可能继续污染诊断、预测和行动，因此最终结论必须沿证据链回看上游是否可靠。结果可信传导对当前能力等级证据充分程度的描述，与0—5能力等级不是同一个概念。证据置信度待验证 当前测试没有形成足够、合规的直接证据；不表示该产品没对当前能力等级证据充分程度的描述，与0—5能力等级不是同一个概念。证据置信度统一标准化直接测试 题目、数据、流程和评分规则提前冻结后，对不同产品直接实施同一组经营任务。当前统一测试结果冻结以后，再用同一产品过去测试记录观察能力是否持续、改善或重复出现同类问题；不能反向修改当前冻结结果。当前统一测试结果冻结以后，再用同一产品过去测试记录观察能力是否持续、改善或重复出现同类问题；不能反向修改当前冻结结果。纵向历史对照附录附录G｜V0.1.1统一测评协议与版本控制说明本轮六样本标准化直接测试使用三份主冻结文件：①《餐饮经营Agent