灶台导航的AI对话最初只依赖TF-IDF关键词匹配来检索菜谱，效果有限——用户说"家里有土豆和鸡蛋怎么办"，关键词搜索很难匹配到"土豆鸡蛋饼"这样的菜谱，因为词频重叠太少。要实现真正的语义理解，需要引入向量数据库，而Qdrant是目前最轻量的开源选择。

灶台导航的AI对话最初只依赖TF-IDF关键词匹配来检索菜谱，效果有限——用户说"家里有土豆和鸡蛋怎么办"，关键词搜索很难匹配到"土豆鸡蛋饼"这样的菜谱，因为词频重叠太少。要实现真正的语义理解，需要引入向量数据库，而Qdrant是目前最轻量的开源选择。

当 AI 服务不可用时，使用本地数据库的预设回复或关键词匹配作为后备方案。用户请求│▼调用 DeepSeek API│├── 成功 → 返回 AI 回复│└── 失败 → 降级方案│▼关键词匹配本地数据│▼返回预设回复要点说明配置管理API Key 存环境变量超时重试设置超时 + 指数退避重试错误降级AI 失败时使用关键词匹配上下文管理数据库存储对话历史成本控制缓存 + 限制历史长度通过合理的架构

当 AI 服务不可用时，使用本地数据库的预设回复或关键词匹配作为后备方案。用户请求│▼调用 DeepSeek API│├── 成功 → 返回 AI 回复│└── 失败 → 降级方案│▼关键词匹配本地数据│▼返回预设回复要点说明配置管理API Key 存环境变量超时重试设置超时 + 指数退避重试错误降级AI 失败时使用关键词匹配上下文管理数据库存储对话历史成本控制缓存 + 限制历史长度通过合理的架构