Claude Code 多智能体工作流实战：智能餐厅搜索助手 DininingSpotClaw 解析

DininingSpotClaw是基于Claude Code子代理和技能系统构建的多智能体工作流项目，针对团队聚餐场景，通过自然语言输入自动完成餐厅搜索、验证和报告生成全流程，解决聚餐选址耗时费力的痛点，为智能化解决方案提供参考案例。

项目背景

DininingSpotClaw的设计初衷源于韩国开发者对团队聚餐场景的观察：韩国职场文化中회식（公司聚餐）是重要社交活动，但寻找合适餐厅需花费大量时间浏览平台、比较选项。

核心需求

用户用自然语言描述聚餐需求（如"잠실 25명 회식 10만원"），系统自动完成理解意图、生成搜索查询、收集信息、验证关键数据、评估适配性、输出结构化报告等全流程，无需人工干预。

项目采用模块化多智能体设计，分解为六个专业代理：

1. 需求解析代理：理解自然语言输入，提取关键参数（地区、人数、预算等），转化为标准化查询条件。
2. 搜索策略代理：生成多样化搜索查询组合（如"蚕室 25人 包间"等变体），覆盖不同平台索引方式。
3. 信息采集代理：执行网页搜索，从本地点评平台收集候选餐厅信息，处理网络请求与HTML解析。
4. 信息验证代理：验证候选餐厅的容量、价格、包间及自带酒水政策等关键信息，确保准确性。
5. 适配性评估代理：基于验证信息综合评分（匹配度、性价比、用户评价等），排序候选餐厅。
6. 报告生成代理：整合结果为结构化Markdown报告，含对比表格、详细信息及推荐理由。

项目通过Claude Code技能系统实现功能模块化，核心技能包括：

1. 搜索查询规划技能：封装需求转查询逻辑，支持精确匹配、模糊扩展等策略，最大化搜索覆盖率。
2. 报告格式规范技能：定义报告结构模板（餐厅信息字段、对比表格、评分展示等），确保输出一致性。
3. 验证规则技能：封装餐厅信息验证业务规则（人数上限、价格区间等），可灵活配置适应不同场景。

模块化设计使系统可扩展：新增平台或评估维度只需开发对应技能模块，无需改动核心流程。

用户输入自然语言请求（如"잠실, 송파의 25명 이상 회식이 가능한 1인당 10만원 정도의 식당 찾아줘. 홀, 룸, 대관은 상관없고 콜키지 정보도 있으면 같이 찾아줘."），系统自动执行以下流程：

1. 解析关键参数：地区（蚕室/松坡）、人数（25+）、预算（人均10万韩元）、空间类型不限、需自带酒水信息。
2. 生成多组搜索查询，覆盖不同平台与关键词组合。
3. 并行搜索收集候选餐厅信息。
4. 验证候选餐厅的容量、价格、政策等信息。
5. 评估适配性并排序。
6. 生成含对比表格与详细信息的Markdown报告。

全程无需人工干预，几分钟完成原本数小时的工作。

项目技术亮点包括：

1. 子代理协作：将复杂任务分解为专业子代理，通过清晰接口实现协作，可复用于其他多步骤自动化场景。
2. 自然语言转结构化查询：需求解析代理从模糊输入提取结构化参数，是AI应用的关键能力。
3. 多源整合与验证：从多个平台采集信息并交叉验证，保障信息准确度。
4. 可配置业务规则：技能系统封装规则，适应不同地区/场景需求变化。

这些设计为多智能体应用提供了可复用的参考模式。

局限

当前项目主要针对韩国本地餐厅搜索场景，依赖特定本地平台。

未来展望

• 支持多语言输入输出；
• 接入更多数据源（实时预订、交通信息等）；
• 增加用户偏好学习（记录历史选择）；
• 与企业内部系统集成（如报销流程）。

架构设计具有通用性，可适配其他地区的餐厅搜索需求。