AI点餐时代来了？
这一年，AI Agent 的热度一路走高。
从大洋彼岸的 OpenAI、谷歌等 AI 巨头，到国内的各类创业公司，大家都在摸索如何让 AI 真正帮人干活。相比需要学习复杂操作的传统应用，Agent 的最大魅力就在于无界面交互，只需一句自然语言指令，就能触发一整套自动化行动。
在这股浪潮中，美团也交出了自己的答卷。9 月 12 日，美团首个 AI Agent 产品「小美」正式开启公测。
与外卖 App 不同，小美没有繁杂的界面，只需说一句话，它就能帮你点咖啡、找餐厅，甚至为你规划好一整周的早餐菜单。
更重要的是，它还能持续学习你的口味偏好，为老人、小孩等特定人群提供更贴心的方案。
我们第一时间拿到了内测码，接下来就奉上一手实测，看看美团首个 AI Agent「小美」的体验究竟如何。
一手体验
点餐这事儿，大家都再熟悉不过了。
打开美团 App，进入外卖页面，搜个关键词，浏览商家列表，再点进具体餐厅看菜单，挑菜、加购、确认配送地址、支付…… 一顿操作下来，至少要跑完六七个步骤。虽然我们对此已习以为常，但整个流程依然耗费不少精力。
而到了「小美」这里，这个链路就被大大简化了。
就以点咖啡为例。当我们正马不停蹄冲向公司，或者在会议间隙，抑或是着急码字没时间打开 App 操作下单时，只需对小美语音输入提示词：我对咖啡因过敏，帮我找一家离我最近的瑞幸咖啡，点一杯饮品，不要咖啡。
「小美」会通过后台分析定位用户所在位置，获取符合条件的外卖门店，最终为我们推荐了楼下瑞幸咖啡店的柠檬茶。
点击「修改订单」按钮，我们便可以修改配送地址、添加备注，甚至调整茶饮的温度和糖度等。如果我们还想加单，选择「继续添加商品」即可。
搞定上述一切后，戳右下角的 OK，就进入支付界面。
整个操作丝滑流畅，它能根据用户的口味偏好和地理位置，实现从选品到支付的全自动操作，相当省时省力。
每天吃啥是个世纪难题，现在对着小美下个模糊指令：中午不知道吃什么，帮我随便点个减脂餐。
基于这一指令，小美会先进行深度思考，分析用户减脂需求核心指标，筛选低升糖、高蛋白餐品组合，再评估配送时效与餐品保鲜度、对比用户历史订单偏好。综合以上各种要素，列出了三种减脂餐选项。
每种减脂餐都显示了价格、食材、门店、评分、送达时间、起送价以及精美的图片，看哪个顺眼直接选，小美马上给出配送订单，检查信息无误后即可支付。
小美还有推荐、预订功能。比如设定一个场景：周一我要去青岛崂山，让它帮我在石老人浴场附近推荐并预订一个品牌连锁酒店的大床房，价格在每晚 500 元以内。
领到任务后，小美在目标地点附近搜罗了一圈，找到三家酒店，分别是最近距离的如家、性价比之选的汉庭以及品质优选全季酒店。推荐的每家酒店都标注了与石老人浴场的距离，入住与退房时间和各个房型的图片。
我们选择其中一家酒店并提出更多要求，比如窗子朝南的大床房，小美会查看酒店信息以及网友评论，在预算内给出更多选择，并温馨提醒可以和前台说明想要朝南的房间。
我们又让小美推荐个望京小街附近适合散步的地方。它的思路非常清晰，通过分析用户的核心需求，筛选出公园、林荫道等多种场所，还评估安全因素如是否有照明、监控、人流量情况，以及是否有座椅、厕所、饮水点等便利设施，最后结合实时天气推荐遮阳或避雨路线。
经过多番考量，小美挑选了距离最近、有文艺氛围、综合体验高的三处公园，在我们做出选择后，它就开始介绍大望京公园的概况以及当前的天气、人流量，并给出相应建议，甚至它还能提供导航路线图。
此外，它还能主动规划好一周早餐，并设置智能计划。比如我们让它规划下周工作日的早餐，8 点送到公司楼下外卖柜，并列出每天早餐分别订的哪家的什么餐食。
小美可以识别我们的规律性习惯，订哪家餐厅的哪个餐食整得明明白白，还能在关键时间点如每周开始前，主动触达用户进行确认，大大提升了我们处理周期性或规律性事务的效率。
一言以蔽之，小美通过简化传统点餐流程，利用语音指令和智能推荐，能够根据用户需求快速找到合适的餐品，并自动完成下单，大大提升了用户点餐效率和个性化体验。不仅如此，小美还具备跨场景服务能力，例如酒店预订和出行推荐。
不过小美在一些方面仍有待改进。比如在点外卖时，它可以自动使用我们在美团 App 上已领取过的优惠券或红包，但目前暂未上线自动膨胀功能，据了解开发团队正在全力优化。
再者使用场景也相对局限，尚无法处理如电影票订购、安排一次周末家庭聚会等复杂模糊的需求。此外，尽管用户可通过语音与小美进行互动，但小美还无法进行语音回复，在一定程度上影响了对话体验的流畅性。
未来，小美或许应在个性化和主动服务能力上进行优化，进一步提升处理更复杂和模糊需求的能力，同时改进对话的自然流畅度，使其与用户的互动更加接近真实对话。
技术解读
AI Agent 在多个行业的应用中都面临着不同的技术难题。
金融行业要求模型具备对复杂数据的高精度分析能力，医疗行业需要 AI 在专业性和安全性上经得起考验，教育行业则强调持续的个性化反馈和学习规划。
相比之下，本地生活领域的挑战在于用户需求极度碎片化、实时性要求高、商户数据庞大且更新频繁，这让 AI Agent 的落地始终充满不确定性。
小美之所以能够快速、稳定地处理各种本地生活需求，自然离不开美团自研的 Longcat 模型。
作为一款 MoE 模型，Longcat 总参数量达到 5600 亿，能根据任务动态激活 186 亿至 313 亿个参数，平均约 270 亿，这意味着它能在保持大模型表现力的同时，推理效率更高，计算成本更低。更重要的是，它并非单纯的通用模型，而是结合了本地生活场景的数据进行专项优化，因而能够更精准地理解用户需求，并生成贴合场景的个性化响应。
落到用户体验上，小美带来的最大改变是交互路径被极度简化。用户无需面对复杂的界面或多层级的选择，只要一句自然语言指令就能直达结果。这种丝滑感的背后，依赖的是美团内部接口调用能力，省去了中间层的冗余步骤，让服务过程保持最原生的状态。
举个例子。当用户通过小美点餐时，它并不是进行一次模糊搜索，而是基于海量商家数据与用户偏好进行深度匹配，从而保证推荐结果的准确性和个性化。再比如餐厅预定，小美直接调用美团的内嵌系统获取实时信息，避免了用户反复确认的麻烦，体验上的即时性和便捷性更为突出。
支撑这一切的核心，是美团长期积累的本地生活垂直数据。与金融或医疗等行业的 AI Agent 更多依赖高专业度的数据集不同，本地生活场景需要应对的是动态更新的商户信息、用户口味的细分差异以及地域化消费习惯。正是这些真实而庞杂的数据，为小美提供了最真实、最准确的商家和行业画像，也让推荐和执行更加可信和高效。
当然，本地生活行业的复杂性也决定了 AI Agent 的落地不会一蹴而就。
小美虽然已经展示出令人期待的能力，但仍处在快速迭代中。研发周期短带来了敏捷上线的优势，也意味着产品还处在不断试探与成长的阶段。用户在体验过程中可能会遇到个别场景覆盖不足或响应策略有待优化的情况，这是行业特性所决定的必然现象。
结语
「小美」的推出，是美团在 AI Agent 赛道上的一次战略性落子。
与单纯的聊天机器人不同，它更强调能把事办好的执行力，试图把庞大的本地生活服务网络与新一代智能体形态结合起来。这种模式背后，是美团希望通过技术重构服务触点，让 AI 成为消费者与城市生活之间的智能接口。
「小美」的愿景是成为「每个人都能拥有的生活小秘书」，这一定位既凸显了产品差异化，也释放出一个信号：AI Agent 的价值，不在于陪伴对话，而在于深度嵌入现实生活、提升服务效率。它能否跑通商业模式、赢得用户习惯，还有待时间检验，但其战略意义已然显现。
放眼整个行业，AI Agent 正处于应用落地的关键窗口期。
前段时间，CB Insights 发布了《Top 20 AI Agent Startups by Revenue》榜单，首次按照年收入规模评选出全球营收表现最突出的 AI Agent 初创企业。
榜单显示，截至 2025 年 7 月，进入前 20 的公司平均成立时间不足 5 年，其中一半成立于近三年，但营收表现十分亮眼。头部企业如 Cursor 年营收已达 5 亿美元，Glean、Mercor、Replit 等也都突破 1 亿美元。整体市场预计到 2025 年底将达到 130 亿美元，较 2024 年几乎翻番。
我们从中也可以看到，海外 AI Agent 创业公司更多聚焦在效率与生产力提升上，而国内则更强调消费与生活场景。
未来，谁能率先打造出真正「有用、可依赖」的智能体，谁就有可能定义下一代超级入口。在这一进程中，「小美」无疑是一场具有实验性质的探索。
如果你希望抢先体验「小美」，可以在评论区留言，以获得邀请码。
]]>