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

项目初版完成后，看似功能完备，实际使用中却暴露出各种问题：按钮点了没反应、AI生成一直失败、保存的数据是空的……这篇文章完整记录了从发现问题到定位根因到修复验证的全过程，涵盖交互逻辑纠错、AI链路加固、数据完整性保障、历史生命周期管理、UI细节打磨五个维度。

项目初版完成后，看似功能完备，实际使用中却暴露出各种问题：按钮点了没反应、AI生成一直失败、保存的数据是空的……这篇文章完整记录了从发现问题到定位根因到修复验证的全过程，涵盖交互逻辑纠错、AI链路加固、数据完整性保障、历史生命周期管理、UI细节打磨五个维度。

很多人以为调用大模型API就是写一句"你是xxx助手"，然后让LLM自由发挥。但在真实产品中，LLM不是聊天玩具，而是业务流程的一环——它必须输出结构化数据、遵守业务规则、在模糊场景中做出正确决策。这篇文章基于"灶台导航"微信小程序的开发实践，从零讲起提示词工程（Prompt Engineering）的核心方法论。

很多人以为调用大模型API就是写一句"你是xxx助手"，然后让LLM自由发挥。但在真实产品中，LLM不是聊天玩具，而是业务流程的一环——它必须输出结构化数据、遵守业务规则、在模糊场景中做出正确决策。这篇文章基于"灶台导航"微信小程序的开发实践，从零讲起提示词工程（Prompt Engineering）的核心方法论。

功能说明应用场景语音识别将语音转为文字语音搜索、语音输入语音合成将文字转为语音步骤播报、语音提示实时翻译中英互译（暂不常用）国际化场景功能API说明获取识别管理器录音+识别一体化开始识别duration 最长60秒停止识别触发 onStop 回调文字转语音返回音频临时路径播放音频配合 TTS 使用。

要点说明数据结构分类 + 关键词 + 步骤 + 注意事项关键词匹配加权匹配 + 阈值判断上下文传递sessionId + 追问识别降级方案热门问题推荐AI 增强关键词失败时调用 AI通过关键词匹配 + AI 理解的组合方案，可以快速响应用户的应急查询需求。作者：「倒灶了队」项目：灶台导航 - 微信小程序更新时间：2026-05-25。

用户A创建了私人菜谱"妈妈的红烧肉"，用户B也有一道"秘制红烧肉"。私人菜谱的写入涉及两个存储：云数据库（主存储）+ Qdrant（向量索引）。私人菜谱向量检索是RAG系统从"通用"走向"个性化"的关键一步。标签让LLM知道这是用户自己的菜谱，推荐时可以优先提及。保存成功后，下次AI对话就能语义检索到这道私人菜谱。Qdrant的filter在向量搜索阶段就生效，，不会因为向量搜索失败而跳过私人菜谱

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。