核心用法
Nomtiq（小饭票）是一款注重隐私与个性化的餐厅推荐 Skill，主打"无排行榜、无广告"的纯净体验。用户通过自然语言触发（如"吃什么""附近好吃的"）启动对话，系统会结合用户的历史偏好、预算范围、地理位置进行智能推荐。核心交互模式为渐进式了解——随着使用次数增加，Skill 会构建用户的"口味画像"，包括喜欢的菜系、环境氛围、消费区间等维度。
显著优点
1. 反算法茧房设计：明确拒绝社交媒体噪声和付费榜单，推荐逻辑基于真实用户历史而非流量数据
2. 隐私优先架构：口味数据本地化管理，不上传云端或用于广告推送
3. 场景化推荐：特别设计了"隐藏菜单"模式，针对约会、纪念日等重要时刻提供带有冒险性质的惊喜推荐
4. 双语原生支持：中英文触发词和交互无缝切换，适合国际用户群
潜在缺点与局限性
- 冷启动问题：新用户需积累 5-10 次有效反馈才能形成较准确的口味画像
- 覆盖区域依赖：餐厅数据库更新频率未明确说明，二三线城市可能存在覆盖盲区
- 无实时信息：未接入餐厅实时排队、营业时间变动等动态数据
- 社交功能缺失：不支持多人协作决策或好友推荐同步
适合人群
- 厌倦网红打卡、追求真实用餐体验的都市白领
- 有固定社交聚餐需求、重视"氛围合适"而非"评分最高"的用户
- 跨文化工作环境中需要双语推荐服务的人士
- 注重隐私、不愿将饮食偏好数据交给大型平台的数据敏感型用户
常规风险
- 推荐偏差风险：算法可能过度拟合早期偏好，导致后期推荐多样性下降
- 数据持久化：本地口味画像若未备份，换设备或清除缓存后需重新训练
- 第三方依赖：餐厅信息源若来自未经验证的第三方数据库，可能存在位置或营业状态过时的问题