餐飲行業運行在全世界最碎片化的數據之上。菜單散落在 PDF、照片、外賣應用與 POS 系統中——為飢餓的食客而設計，對機器卻難以辨認。當 AI 開始回答"我該吃甚麼？"時，每個模型都撞上了同一堵牆：關於食品，沒有結構化、互聯的真相層。
MenuClaw 就是那層數據。我們打造了提取引擎、實體消解與全球知識圖譜，把一張模糊的菜單照片轉化為帶類型、可查詢、關係豐富的數據——並以任何公司都能構建於其上的基礎設施形態對外提供。
我們的北极星很簡單：當 AI 助手回答關於食品的問題時，它應基於地球上最完整、最準确的餐廳數據集——而不是從搜索索引裡抓取的猜測。
我們是構建者、數據工程師與食品熱愛者。長期投入，為 AI 食品時代而交付。
食品數據不是可抓取的內容——它是持久的資產，以數據庫同等的严谨度維护。乾淨、合規、持續更新。
沒有帶類型的實體與真實關係，數十億非結構化菜單就毫無意義。消解质量是我們的第一產品。
一切以開發者優先：可預測的 API、優秀的文檔、诚實的限制。如果集成不够簡單，我們就沒有完成。
豚骨與醬油的差別很重要。我們死磕地方菜系、過敏原與定價，因為準确性藏在细節裡。
每個實體都被評分、版本化並可追溯。當 AI 告訴別人該吃甚麼時，它應能為這個回答負責。
我們與 POS、外賣與 SaaS 平臺共同成長，而非與之竞争。它們的成功就是我們的數據飛輪。
MenuClaw 始於一個簡單的挫败感：AI 模型無法回答該吃甚麼，因為關於食品沒有結構化數據。
視覺與 NLP 流水線把首批一百萬張菜單照片與 PDF 轉化為帶類型的菜品、食材與價格。
實體消解跨越語言與菜系，把餐廳、菜品與食材連接起來——數十億條關係。
開發者優先的 API 向 AI 公司、POS 平臺、外賣平臺與餐廳 SaaS 開放圖譜。
私有化部署、模型訓練數據集與食品數據飛輪開始為 AI 時代複利增長。
