OpenTable 如何通过 Qdrant 重塑餐厅发现
Daniel Azoulai
·2025 年 9 月 2 日
重塑餐厅发现：OpenTable 如何打造 AI 用餐助手 Concierge
认识到人工智能将重新定义餐厅发现
当生成式人工智能工具进入主流时，OpenTable 意识到食客寻找和选择餐厅的方式将发生改变。人们开始期望对话式、智能和上下文感知的助手，而不是静态的搜索框。
OpenTable 的高级机器学习工程师 Patrick Lombardo 回忆说，团队希望迅速行动。“我们很早就知道生成式人工智能将改变用户期望。Concierge 是一个机会，让我们能够改变食客发现餐厅的方式，同时构建支持未来人工智能体验的工具和基础设施。”
这个垫脚石就是 Concierge，一个由人工智能驱动的助手，旨在利用 OpenTable 的数据以自然语言回答与餐厅相关的问题。
明确设定准确性、领域焦点和速度的优先事项
为了 Concierge 取得成功，助手需要响应绝大多数用户问题，并且每个答案都必须反映实际情况。不正确的菜单项或过时的优惠可能会损害用户和餐厅的信任。
“首要目标是可回答性。我们希望确保模型能够回答大部分问题。第二重要的是准确性，即模型给出的答案是正确的。”OpenTable 机器学习科学家 Puyuan Liu 说
除了应用程序逻辑之外，团队还需要一个向量数据库，能够处理用于关键词扩展和精细过滤的稀疏嵌入。查询通常会将结果缩小到 60,000 多家餐厅中的一家，这对过滤性能提出了很高的要求。
选择 Qdrant 是因为它支持稀疏嵌入、过滤和部署。
Qdrant 之所以成为首选，有几个原因与 OpenTable 的优先事项直接契合。
首先，它对稀疏嵌入的处理是一个关键的差异化因素。Concierge 的检索通常需要过滤到单一餐厅，这使得集合实际上是稀疏的。许多向量数据库在这种条件下，HNSW 图的质量会下降，但 Qdrant 的优化避免了这种性能下降。
其次，Qdrant 提供了可靠的高精度过滤。在生产环境中，每个查询可能同时针对评论、元数据和其他结构化的餐厅数据。Qdrant 以可预测的性能处理了这些，这对于满足他们的延迟预算至关重要。
第三，Qdrant Cloud 提供了一种比自托管更简单的部署路径。
Patrick Lombardo 总结道：“创建 Qdrant Cloud 集群是项目中比较容易的部分之一。它就是能用。”
产品从一开始就在全球范围内推出，Concierge 可以在没有单独部署的情况下回答许多地区的餐厅问题。
实现稳定性并为未来创新奠定基础
Concierge 达到了其延迟目标，并在发布后无需大量调整即可保持高可回答性。在操作层面，Qdrant 成为技术栈中最稳定的组件之一。OpenTable 的首席软件工程师 Ant White 解释说：“自投入生产以来，它一直是技术栈中一个无摩擦的部分。”
Concierge 上线的重要经验
Concierge 正在继续为 OpenTable 的人工智能转型铺平道路。虽然它本身提供了一种积极的新用户体验，但它也为 OpenTable 提供了一个安全的环境，用于在将其整合到核心搜索之前完善检索基础设施。事实证明，稀疏嵌入与大量过滤相结合时非常有效，从而保持了检索的精确性和效率。
操作稳定性被证明是一个显著的优势。由于 Qdrant 顺利处理了检索，团队可以自由地专注于改进模型性能和用户体验，而不是解决数据库层面的问题。
以 Concierge 为基础，OpenTable 现在可以继续提供更丰富、更快、更智能的用餐体验，从对话式搜索到可视化菜品发现。
