AI菜品研发课程复盘：一个学员用12版配方把新品周期压到9天

AI菜品研发这件事，说白了不是让模型替你想菜名，而是把老师傅嘴里那句「差点意思」翻译成能调的数字。我带的上一期口味测试课里，有个做卤味的学员老周，靠这套流程把一款夏季新品从想法做到上架，前后改了12版配方，打样周期从三周压到9天。下面把他的复盘摊开讲，翻车的地方也一并写出来。

一个学员的真实项目：12版配方是怎么走出来的

老周在苏州开了三家卤味店，夏天热卤卖不动，他一直想上一款冷吃的藤椒鸡爪。上课之前他的做法很原始：凭感觉抓料，一次打样二三十斤，卖不掉就分给员工当饭吃。

第一步不是开软件，是先列三张表

课程第一天我让他别急着敲键盘，先把三件事写清楚：现有原料清单和每斤成本、店里能做的工艺（有没有恒温锅、能不能真空封口）、目标客群的咸淡偏好。老周花了两个晚上整理，把二十多种香辛料按「前香、中味、后回味」分了类。这一步做完，他才开始让模型出配方。

第四版才敢端出去给人尝

前三版都在纸面和小锅上推演。第一版麻味压过了头，第二版咸度偏高，第三版回甜太重。改到第四版，老周才拿去做第一次小规模试吃。他自己说，前三版就是花几十块钱买方向，比一次打三十斤划算太多。

他复盘时给出的几个数

老周自己统计过：配方版本12个，实际打样5次，每次约3斤，单次打样成本从过去的两百多降到八十块左右。新品上架首月，这款鸡爪占到他三家店凉菜销量的三成。这些数字不算漂亮，但都是他自己记账记出来的。

什么是AI菜品研发？它到底在算什么

AI菜品研发的本质是把「口感」拆成可量化的参数，再让模型在约束条件里找组合。听着玄，落到操作上就是几个输入加一个输出，没什么神秘。

输入越具体，出来的配方越能用

• 成本边界：每份成品的原料成本不能超过多少钱，哪几种香辛料店里本来就有、必须优先用掉。
• 工艺限制：店里有没有低温慢煮设备，出品是当天卖完还是能隔夜，这些直接决定配方能不能落地。
• 口味坐标：把「麻辣鲜香」换成具体刻度，比如麻度7分、咸度5分、回甜2分，满分都是10分。

学员踩的靠前个坑：描述太笼统

老周第一次给的指令是「做一个麻辣鲜香、回味悠长的藤椒鸡爪」。这种描述模型没法用，因为「悠长」到底是几秒，谁也不知道。后来他把这句改成了具体的分数和工艺条件，第四版配方的可用度立刻不一样。这个坑我见过太多人踩，问题不在工具，在你没想清楚自己要什么。

口味测试为什么第一轮就翻车？

第四版配方在20人盲测里只拿到4.3分（7分制），离老周自己预期的6分差了一大截。问题不在麻度，出在咸度和回味上。

盲测是这么做的

老周找了20个熟客，样品编号，不告诉他们是新品。每人一小碟，吃完填三项：整体喜好、咸淡是否合适、吃完后嘴里还想不想再来一口。评分表上不写任何引导性的话，避免大家客气。

反馈怎么变成下一轮的约束

20份表收回来，13个人在「偏咸」上打了勾，还有8个人写「吃完嘴里发干」。老周把这两条翻译成新的约束条件：盐量下调8%，增加一点带果酸的原料收尾。第五版到第七版的调整都围绕这两条走，没有再全盘推翻重来。

这套方法普通小店能复制吗？

能，但有三样东西缺一不可，同时也有几种情况别硬套，不然白折腾。

需要的三样东西

靠前是稳定的原料，同一批香辛料换了产地，参数就得重调；第二是愿意配合试吃的熟客，哪怕只有十来个；第三是一本记下来的账，哪一版改了什么、分数怎么变，写下来才有得复盘。这三样都不花钱，花的是耐心。

哪些情况不管用

店里的招牌菜别碰。老周试过给卖了六年的老卤调参数，结果老客一尝就说不对味。另外，出品高度依赖师傅手感的店也不适合，比如靠一锅老汤续命的馆子，参数化反而会把那点说不清的东西弄丢。

复盘下来，哪几个动作值得参考抄走？

老周这套流程里，真正有价值的不是某个配方，而是几个可以反复用的动作。

• 先整理原料和成本表，再动工具。你对自己店里有什么都不清楚，模型给什么都白搭。
• 小批量打样，一次三斤以内。用几十块钱买方向，比用几百块买教训便宜。
• 盲测只问三件事：喜不喜欢、咸淡合不合适、还想不想再吃。问题越少，回答越真。
• 把测试结果写成下一版的约束条件，而不是推倒重来。老周后面八版配方，改动都没离开过那两条反馈。

如果你也想试，我的建议是从一道配菜开始，别一上来就动招牌。先花两个晚上把原料清单、成本和工艺限制写清楚，再让模型出三版小样，找十个人盲测一次。整套流程走完大概一周，成本可能还不到你一次正式打样的钱。想更稳一点，可以参照《中国食物成分表》里现成的营养和钠含量数据，把咸度这一项先校准，后面的调整会轻松不少。