用 Python 实现一个会“怼人”的黑心餐馆助手：菜单管理 + 语音播报 + AI 批判顾客评价

你是否想过，让 AI 模仿贴吧老哥的语气，对你的餐馆评价进行无情的“反击”？
本文通过一个完整的 Python 小项目，展示如何将语音合成模块（pyttsx3） 与大语言模型（阿里通义千问） 结合起来，打造一个既实用又充满恶趣味的交互系统。

---

一、项目背景与功能概览

1.1 灵感来源

网上常见“黑心商家”段子：菜贵、量少、态度差。如果我们反过来，让一个虚拟的“黑心餐馆助手”不仅管理菜单，还能用毒舌语气“怼”顾客的评价，会不会很有趣？

1.2 主要功能

• 菜单 CRUD：查看、添加、删除、修改菜品（带价格验证，低于 30 元会拒绝）。

• 语音反馈：使用 pyttsx3 将欢迎语、AI 回复、退出语等转为语音播报。

• AI 怼人评价：用户输入评价，调用阿里云通义千问大模型，以“资深贴吧人”身份回怼。

• 持久化存储：菜单保存在 menu.txt（JSON 格式），重启后数据不丢失。

1.3 技术栈

• Python 3 基础语法

• pyttsx3：离线文本转语音（TTS）

• OpenAI SDK（兼容模式）：调用阿里云 DashScope 上的 qwen-plus 模型

• JSON：数据持久化

---

二、代码核心模块解析

2.1 菜单管理：基础 CRUD

• 启动时从 menu.txt 加载，不存在则使用内置菜单。

• 每次增删改后调用 save_menu() 保存。

价格校验：添加或修改菜品时，如果价格 ≤ 30 元，拒绝操作。这符合“黑心餐馆”的人设——不卖便宜菜。

2.2 语音模块：pyttsx3 的基本使用

• pyttsx3 是 Python 的离线 TTS 库，支持 Windows、macOS、Linux。

• say() 将文本加入队列，runAndWait() 阻塞直到播报完成。

• 在程序的关键节点（欢迎、AI 回复、退出）使用语音反馈，增强拟人感。

2.3 大模型调用：通义千问的“毒舌”模式

• 关键点：System prompt 设定了模型角色——“资深贴吧人，对所有评价都要批判回去”。

• 例如用户评价“菜太咸了”，模型可能回复：“咸？那是给你补充电解质，不识货。”

• max_tokens=100 限制回复长度，避免过于啰嗦。

2.4 主循环交互

• 评价功能先调用大模型，再语音播报，形成完整的“你喷我，我 AI 怼回去”的互动闭环。

---

三、语言模块与大模型的适用场景分析

这个项目虽然小，但生动体现了“传统语音模块 + 大语言模型”组合的几种典型适用场景：

3.1 智能客服/吐槽机器人

• 传统 TTS：将机器人的文本回复转为语音，适合电话客服、车载助手等需要语音交互的场景。

• 大模型：提供更自然、更个性、甚至带情绪的回复，而不是僵硬的固定话术。

• 本项目实例：大模型模拟“毒舌”角色，让对话变得有“人味儿”（哪怕是负面的人设）。

3.2 教育与娱乐应用

• 例如语言学习助手：用户说一句话，大模型评价发音或语法，TTS 读出反馈。

• 虚拟陪伴：设定大模型的性格（傲娇、温柔、暴躁），TTS 配合语气标签，打造虚拟好友。

3.3 无障碍辅助

• 为视障用户设计的菜单系统：TTS 朗读菜单项，大模型理解用户的自然语言指令（“我想吃便宜的菜”），执行相应操作。

3.4 自动化测试与模拟对话

注：本文使用的 API Key 仅作示例，请勿直接使用。前往 阿里云 DashScope 免费申请。

二者结合，能轻松构建出具有个性化声音和性格的对话系统。无论是用于恶搞、教学，还是真实的产品原型，这种组合都值得一试。

当然，真正的“黑心餐馆”并不值得提倡，但通过代码让 AI 学会“怼人”，或许能帮你释放日常压力——记得把 API Key 藏好，别让老板看见 😉

---

• 开发阶段用 TTS 播报大模型的输出，无需实际扬声器即可验证对话逻辑。

  四、运行与体验

  4.1 环境准备

  你会听到“欢迎来到黑心餐馆”，然后进入命令行交互界面。

  4.3 示例对话

  五、总结

  通过不到 150 行代码，我们实现了一个菜单管理 + 语音播报 + 大模型毒舌回复的趣味程序。这个例子清晰地展示了：

• 语言模块（TTS） 负责输出的人性化通道；

• 大语言模型 负责内容的智能生成与角色扮演。