智能硬件
研究面向餐饮场景的自研与集成硬件方案，让感知设备在高温、高湿、高强度的后厨环境中长期稳定运行。
传菜口智能终端 研究方向
研究传菜口一体化智能设备的形态与交互，集成摄像头、传感器与边缘计算单元，实现出品自动留档、出餐计时与异常提醒。
边缘计算盒子 研究方向
探索低功耗边缘计算设备在门店的部署方式，让视觉识别模型在本地运行，减少对网络的依赖，保障数据隐私与实时性。
物联网设备互联 研究方向
研究后厨设备（冰柜温控、油烟监测、水电计量）的统一接入协议，让经营数据与设备状态在同一平台上汇聚分析。
图像识别筛选
研究面向餐饮出品与食材的视觉模型，让机器"看懂"菜品的分量、外观与新鲜度，辅助出品标准化管控。
出品标准比对 研究方向
研究菜品图像与标准图库的相似度比对算法，识别分量不足、摆盘偏差等问题，为出品质量提供客观量化依据。
食材新鲜度识别 研究方向
探索基于图像的食材色泽、形态变化识别，辅助验收环节快速筛选异常食材，降低食安风险。
小样本模型训练 研究方向
研究小样本学习与数据增广技术，让新菜品、新门店只需少量照片即可完成模型适配，降低部署成本。
AI Agent
研究能够自主理解任务、调用工具、执行流程的智能体架构，让 AI 从"会聊天"进化为"能干活"。
任务规划与工具调用 研究方向
研究 Agent 的任务拆解与工具编排能力，让 AI 能自主查询数据、调用业务接口、生成并派发任务单。
多 Agent 协同 研究方向
探索多个专职 Agent（数据分析、巡检、采购）之间的协作机制与消息协议，模拟真实门店的分工体系。
流程自动化闭环 研究方向
研究"发现异常 → 分析原因 → 生成方案 → 执行跟踪"的自动化闭环，让日常管理动作由 AI 先行处理再人工确认。
企业知识库
研究企业级知识的沉淀、组织与检索技术，让连锁餐饮的经验资产可积累、可复制、可传承。
语义检索与 RAG 研究方向
研究检索增强生成（RAG）在 SOP、菜谱、培训资料上的应用，让员工提问时 AI 能引用企业自有知识精准作答。
知识自动沉淀 研究方向
探索从审批记录、巡检报告、客服对话中自动提取结构化知识的方法，减少人工整理成本。
多门店知识分发 研究方向
研究总部与门店之间的知识版本管理与定向分发机制，确保各门店执行的是最新标准。
企业供应链
研究餐饮供应链的数字化与智能化，围绕"采购—仓储—配送—门店"全链条提升效率、降低损耗。
需求预测与补货 研究方向
研究基于销售数据、季节因素与天气的需求预测模型，为门店与中央厨房提供智能补货建议。
供应商协同网络 研究方向
探索供应商与餐企之间的订单、对账、溯源协同机制，减少沟通成本，提升供应链透明度。
损耗与成本优化 研究方向
研究供应链全链路损耗的度量与归因方法，通过数据分析定位浪费环节并给出优化方案。
供应链商城与选品 研究方向
研究整合各企业间的供应链数据，构建面向餐企的供应链商城，汇聚优质供应商与商品资源。通过跨企业的采购、价格与口碑数据对比分析，为企业智能选好品、买到更优性价比的货源。
供应链产品研究
依托专业厨师团队研究餐饮供应链商品的选品与推介体系，用"懂菜的人"帮餐饮企业选对品、上好菜。
专业厨师选品评测 研究方向
由资深厨师团队从口味还原度、出品稳定性、后厨操作适配性等维度对食材与半成品进行实测评测，替餐饮企业把好选品第一关。
新品推介与菜谱适配 研究方向
研究菜品流行趋势与门店菜单结构的匹配方法，由厨师团队为推介商品配套菜谱与出品建议，帮助企业快速上新、差异化经营。
选品数据反馈闭环 研究方向
跟踪推介商品在门店的实际动销与出品表现，反哺优化选品标准与推介策略，让每一次推介都更贴近门店真实需求。