LLM API и интеграция
Нейросеть для ресторана и кафе: где она работает
В ресторане нейросеть берёт на себя витрину и обратную связь: описания блюд для меню и агрегаторов, ответы на отзывы, тексты акций и сведение жалоб по сменам. Сто двадцать блюд, двести отзывов, двенадцать акций и четыре разбора смен — около 1,5 миллиона токенов в месяц, то есть единицы рублей на недорогих позициях каталога. Есть ровно одна вещь, которую отдавать нельзя ни при каких условиях: состав, аллергены и калорийность модель не сочиняет. Эти поля переносятся из технологической карты дословно, потому что здесь ошибка — не неточность в тексте, а риск для здоровья гостя.
Ниже — четыре сценария, таблица источников для карточки блюда, разбор того, чем отзыв на площадке отличается от жалобы в зале, расчёт месяца работы заведения на сто посадочных мест и порядок запуска на одном разделе меню.
Почему аллергены не пишет модель
Этот раздел первый, потому что он единственный, где цена ошибки измеряется не деньгами.
Гость с аллергией на орехи читает описание соуса. Если в карточке блюда орехов нет, а модель добавила «с ореховыми нотками» ради красоты текста — это просто плохой текст. Если в карточке орехи есть, а модель их при сокращении описания потеряла — это вызов скорой.
Языковая модель не отличает декоративное прилагательное от обязательного поля. Для неё «сливочный» и «содержит молоко» — слова одного порядка. Поэтому правило формулируется технически, а не морально:
Состав, перечень аллергенов, вес порции и пищевая ценность приходят в запрос отдельным блоком из технологической карты и переносятся в текст без изменений. Не сокращаются, не перефразируются, не выводятся из названия блюда. Модель пишет вокруг этого блока, а не внутри него.
Практически это значит, что карточка блюда состоит из двух частей. Одна — фиксированная, собранная из техкарты вашей системой. Вторая — художественная, и вот её пишет модель. Склеиваются они кодом, а не запросом «не забудь указать состав».
И проверка перед публикацией: скрипт сверяет список аллергенов и цифры в готовом тексте с техкартой. Не совпало — текст не уходит в меню. Это пять строк кода, и они дешевле любого разбирательства. Сколько вообще может стоить неотловленная ошибка модели, разобрано отдельно — цена ошибки нейросети.

Что откуда берётся в карточке блюда
| Поле | Источник | Пишет ли модель |
|---|---|---|
| Название | меню | нет |
| Состав и аллергены | техкарта | нет |
| Вес, калорийность, БЖУ | техкарта | нет |
| Цена | учётная система | нет |
| Описание для меню | карточка + подача | да |
| Описание для агрегатора | то же, короче | да |
| Пост в соцсети | то же + повод | да |
| Ответ на отзыв о блюде | отзыв + факты смены | черновик |
Правая колонка — вся статья в сжатом виде. Модель работает только там, где стоит «да», и всё, что стоит «нет», приезжает к ней готовым.
Описания блюд для меню и агрегаторов
Первый сценарий и самый объёмный по количеству текстов.
Одно блюдо живёт в нескольких местах сразу, и требования везде разные. В печатном меню — две строки, потому что дизайн. В агрегаторе доставки — до трёхсот знаков, и первые сорок решают, откроют ли карточку. В соцсети — свободная форма, но с поводом. На сайте — развёрнуто.
Разумный порядок работы: у вас хранится один канонический текст описания, а варианты под площадки порождаются из него. Тогда изменение рецептуры правится в одном месте, а не в четырёх, и вы не получаете ситуацию, когда в меню блюдо с одним гарниром, а в доставке с другим.
Что задаётся в промпте по каждой площадке: предел длины в знаках, запрещённые конструкции, обязательный порядок блоков, нужен ли призыв к действию. Общая механика близка к товарной — приёмы из разбора описаний товаров переносятся, а особенности выкладки в агрегаторы разобраны в материале про маркетплейсы.
Три запрета, специфичных для еды:
Никаких превосходных степеней и обещаний вкуса. «Самый нежный», «тает во рту» — это ожидание, которое гость сверит с тарелкой через двадцать минут. Проигрывает описание, а вместе с ним заведение.
Никаких выдуманных происхождений. «По старинному рецепту», «фермерский», «дикий лосось» — это утверждения о факте. Если в карточке этого нет, в тексте быть не должно.
Никакой отсебятины про подачу. Если блюдо подаётся без соуса отдельно, описание не должно его обещать.
Отдельно про фотографии: в каталоге есть позиции, которые генерируют изображения, — на 15 сентября 2026 года это 11 моделей из 53. Для фонов акций, обложек анонсов и оформления сторис они годятся. Для карточек блюд — нет: гость сравнивает картинку с тем, что ему принесли, и сгенерированное фото здесь вводит в заблуждение.
Ответы на отзывы на площадках
Второй сценарий, и он отличается от общения в зале принципиально. Отзыв на карте или в агрегаторе адресован не вам, а следующему гостю, который выбирает, куда идти. Поэтому вопрос не в скорости ответа, а в том, чтобы ответ был у каждого отзыва — включая сотню хороших, до которых у управляющего не доходят руки.
Что разумно отдать модели:
- черновики ответов на положительные отзывы, чтобы они не были под копирку;
- первую версию ответа на отзыв с конкретным замечанием — долго несли, шумно, остыло;
- разметку всего потока отзывов по темам.
Что не отдавать: отправку ответа на жалобу о качестве еды и на любое упоминание плохого самочувствия после визита. Такой ответ — позиция заведения, и его формулирует управляющий, который знает, что было в тот вечер на кухне.
И отдельный запрет: модель не признаёт вину, не обещает компенсацию и не приглашает «прийти к нам за наш счёт». Любое из этих предложений — обязательство, публично зафиксированное.
Разметка потока по темам — задача не генерации, а классификации текстов: каждому отзыву присваивается тема из вашего закрытого списка, а не свободный пересказ. Механика сведения в выводы разобрана в материале про анализ отзывов.
Тексты акций и сезонных предложений
Третий сценарий, самый быстрый по отдаче и самый простой по риску.
Бизнес-ланч, сезонное меню, завтраки до полудня, скидка на доставку в будни — у заведения таких поводов десяток-полтора в год, и каждый нужен в пяти видах: табличка на столе, пост, рассылка, текст для агрегатора, короткое сообщение для гостей в чате.
Здесь модель работает почти без ограничений, но с одной жёсткой проверкой: условия акции переносятся дословно. Даты, часы, что входит, что не входит, с чем не суммируется. Акция, в тексте которой потерялось «кроме выходных», оборачивается спором с гостем у кассы, и спор этот заведение проигрывает.
Полезный приём: просить у модели не один текст, а три варианта разной длины сразу. Стоит это почти столько же, а выбирать из трёх быстрее, чем переписывать один.
Отдельно стоит запретить слово «уникальный» и конструкции с тройным перечислением — они появляются сами и делают текст неотличимым от соседнего заведения.
Разбор обратной связи по сменам
Четвёртый сценарий, и он единственный здесь про управление, а не про тексты.
У заведения есть поток сигналов: отзывы на площадках, оценки в агрегаторе, сообщения в чате, комментарии, жалобы, записи администратора. По отдельности каждый сигнал — мелочь. Вместе за месяц они складываются в картину, которую средний балл не показывает.
Что делает модель: размечает поток по темам и привязывает каждую запись к дате и, где возможно, ко времени. Дальше вы смотрите не на «4,6 из 5», а на конкретное: «долгая подача» — 23 упоминания, из них 18 в пятницу и субботу после семи вечера. Это уже не оценка, а задача для расписания смен.
Несколько правил, которые делают разбор полезным:
Список тем закрытый и ваш. Скорость подачи, температура блюда, вежливость, чистота, ошибка в заказе, упаковка доставки, шум, счёт. Свободные формулировки не сводятся между месяцами.
Одна запись может попасть в две темы. Это нормально, и это надо разрешить явно, иначе половина сигнала теряется.
Модель не делает выводов о персонале. Она считает упоминания. Кто работал в ту смену и что с этим делать — определяет управляющий по графику.
Раз в месяц такой свод занимает у модели несколько десятков тысяч токенов и заменяет вечер ручного чтения. Как считаются такие объёмы, разобрано в материале как считать токены.
Сколько это стоит в месяц
Ставка у нас одинаковая на вход и на выход, поэтому цена считается умножением ставки на объём в миллионах токенов. Сценарий — заведение на сто посадочных мест с доставкой, один месяц.
| Операция | В месяц | Токенов за раз | Всего токенов | Цена, ₽ |
|---|---|---|---|---|
| Описание блюда в трёх видах | 120 | 2 200 | 264 000 | ставка × 0,264 |
| Черновик ответа на отзыв | 200 | 1 200 | 240 000 | ставка × 0,24 |
| Разметка отзыва по темам | 200 | 700 | 140 000 | ставка × 0,14 |
| Комплект текстов под акцию | 12 | 5 500 | 66 000 | ставка × 0,066 |
| Разбор обратной связи за неделю | 4 | 190 000 | 760 000 | ставка × 0,76 |
| Итого за месяц | — | — | 1 470 000 | ставка × 1,47 |
Ставки за миллион токенов на 15 сентября 2026 года у подходящих позиций:
| Позиция | Ставка, ₽ за 1 млн |
|---|---|
gpt-oss-20b | 0 |
deepseek-v4-flash | 1 |
qwen-3-7-max | 3 |
gemini-3-flash | 6 |
gpt-5-6-luna | 8 |
Доступ к каталогу даёт KeyDealer: один ключ на 53 позиции, оплата российской картой в рублях, без зарубежного счёта и без VPN. Для заведения это означает, что месяц описаний, ответов на отзывы и еженедельных разборов обратной связи стоит меньше одной средней доставки, а дешёвую позицию можно оставить на разметку, дорогую — на тексты меню.
Половина месячного объёма здесь приходится на одну строку — еженедельный разбор обратной связи, потому что в него едет весь поток сообщений. Экономится он просто: в модель отправляются только тексты отзывов и дата, без служебных полей площадки. Пересчёт объёма в деньги для любой другой ставки — в отдельном материале.
Как запустить за неделю
- Возьмите один раздел меню. Салаты или горячее — десять-пятнадцать позиций. Сравнивать описания между собой на маленьком разделе проще.
- Выгрузите техкарты в фиксированные поля. Состав, аллергены, вес, БЖУ. Это скучная часть и она же решающая.
- Соберите скрипт сверки. Сравнивает аллергены и числа в готовом тексте с техкартой. Без него в меню ничего не уходит.
- Составьте закрытый список тем для отзывов. Восемь-десять тем, своими словами, один раз.
- Неделю держите ответы на отзывы в режиме черновика. Управляющий нажимает «отправить». Так вы увидите, где модель обещает лишнее.
Чего мы не утверждаем
Мы не даём сведений о составе, аллергенах и пищевой ценности. Ни мы, ни модель. Источник один — технологическая карта.
Мы не заменяем управляющего в конфликте. Схема выше готовит черновики и считает упоминания, но решение по жалобе принимает человек.
Мы не сравнивали модели на ресторанных текстах. Своих замеров по этому сценарию у нас нет — проверяйте на своём меню и своих отзывах.
Что нужно, чтобы попробовать
Ключ заводится за минуту на keydealer.ru/login — почта и пароль, без документов и без зарубежной карты. Оплата российской картой в рублях, один ключ на весь каталог: на 15 сентября 2026 года это 53 позиции, из них 40 доступны, 42 текстовые и 11 генерируют изображения.
Платные текстовые модели доступны сразу на приветственном бонусе — одного раздела меню и недели отзывов для проверки хватит без пополнения. Пять бесплатных текстовых позиций открываются после первого платного пополнения и дальше не тарифицируются: на разметке отзывов по темам это разумная основа.
Что держать в голове
В ресторане текст обещает то, что гость через двадцать минут проверит вилкой. Это редкая для контента ситуация: обратная связь мгновенная и материальная, и потому любое приукрашивание возвращается отзывом.
Отсюда конструкция: фактическая часть карточки блюда собирается из техкарты и учётной системы и в модель едет как неприкосновенный блок, а модель пишет вокруг. Сверка готового текста с техкартой делается машинно, до публикации. В части аллергенов это не перестраховка, а единственный приемлемый режим работы.
Начинать разумно с одного раздела меню и недели отзывов в режиме черновика: расход укладывается в приветственный бонус, и сразу видно, где вы выигрываете время, а где проще написать самому.
Как мы проверяем факты и что храним из запросов — на странице о проекте и в llms.txt. Попробовать на своём меню: keydealer.ru/login.
Частые вопросы
Может ли нейросеть написать состав блюда?
Нет, и это не вопрос стиля. Состав, аллергены и калорийность берутся из технологической карты и переносятся в текст дословно. Придуманный состав — это риск для здоровья гостя, а не опечатка.
Почему одно описание блюда нужно в нескольких видах?
У меню, агрегатора доставки и соцсетей разные ограничения по длине и разная задача. Разумно хранить один канонический текст и порождать варианты из него, чтобы правка делалась в одном месте.
Стоит ли отвечать на отзывы на площадках автоматически?
Черновик — да, отправка — нет. На жалобу о качестве еды или о недомогании после визита отвечает управляющий: такой ответ читается как позиция заведения и может стать частью разбирательства.
Что даёт разбор обратной связи по сменам?
Сводит сотни отзывов и сообщений в темы и привязывает их к дням и часам. Так видно не средний балл, а конкретную проблему: долгая подача в пятницу вечером или холодная еда на доставке.
Можно ли генерировать фотографии блюд?
Не для меню и не для агрегаторов. Сгенерированное изображение блюда, которое гость получит другим, вводит его в заблуждение. Для фонов акций и оформления анонсов картинки годятся.
Сколько это стоит в месяц?
Сто двадцать описаний блюд, двести ответов на отзывы, двенадцать текстов акций и четыре разбора смен дают около 1,5 млн токенов в месяц — на недорогих позициях каталога это единицы рублей.