Spec v3:集團架構 + 開分店顧問 AI + V2 整合

為什麼現在做這個

三層 RBAC + Schema 設計

角色階層

Schema 變更

-- 1. group_members 加 restaurant_scope (區經理用)
ALTER TABLE group_members
  ADD COLUMN restaurant_scope UUID[] DEFAULT NULL;
  -- NULL = 全集團 (HQ tier)
  -- 有值 = 區經理只能訪問這幾家店

-- 2. helper function 升級認 scope
CREATE OR REPLACE FUNCTION public.get_my_restaurant_ids()
RETURNS SETOF UUID AS $$
DECLARE v_user_id UUID;
BEGIN
  v_user_id := public.get_my_profile_id();
  IF v_user_id IS NULL THEN RETURN; END IF;

  -- 既有: restaurant_members
  RETURN QUERY
  SELECT rm.restaurant_id FROM public.restaurant_members rm
  WHERE rm.user_id = v_user_id AND rm.status = 'active';

  -- 新增: group_members (HQ / 區經理)
  RETURN QUERY
  SELECT r.id FROM public.restaurants r
  WHERE r.group_id IN (
    SELECT gm.group_id FROM public.group_members gm
    WHERE gm.user_id = v_user_id
      AND (gm.restaurant_scope IS NULL OR r.id = ANY(gm.restaurant_scope))
  );
END;
$$ LANGUAGE plpgsql SECURITY DEFINER SET search_path = public;

HQ 視角 — 多出哪 6 大類功能

1. 集團儀表板

2. 商品策略（業界對標 Lightspeed Multi-Location Menu）

3. 中央採購 + 中央廚房（見 §5）

4. 員工調度

5. 財務整合

6. 行銷

你推測還能怎麼用 — 我列 6 個沒人想到的

區經理視角 — 巡店 + 區域目標

區域儀表板

巡店 (Field Visit) 系統

CREATE TABLE field_visits (
  id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
  group_id UUID NOT NULL REFERENCES restaurant_groups,
  restaurant_id UUID NOT NULL REFERENCES restaurants,
  region_manager_id UUID NOT NULL,
  visited_at TIMESTAMPTZ NOT NULL,
  checklist_responses JSONB,        -- {"廚房整潔": 5, "員工儀容": 4, ...}
  photos TEXT[],                     -- Supabase Storage URLs
  overall_score INT,
  issues JSONB,                      -- [{severity: 'high', desc: '...', assigned_to: UUID}]
  follow_up_at TIMESTAMPTZ,
  created_at TIMESTAMPTZ DEFAULT now()
);

區域目標管理

中央廚房 (Central Kitchen)

為什麼集團要中央廚房

Schema

CREATE TABLE central_kitchens (
  id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
  group_id UUID NOT NULL REFERENCES restaurant_groups,
  name TEXT NOT NULL,
  address TEXT,
  capacity_kg_per_day INT,
  active BOOLEAN DEFAULT true,
  created_at TIMESTAMPTZ DEFAULT now()
);

CREATE TABLE central_kitchen_products (
  -- 中央廚房做哪些半成品 / 成品
  id UUID PRIMARY KEY,
  kitchen_id UUID NOT NULL REFERENCES central_kitchens,
  -- 對應到 menu_items 或 ingredients
  source_recipe_id UUID REFERENCES recipes,
  produces_ingredient_id UUID REFERENCES ingredients,
  -- "300g 一袋的滷肉醬"
  unit_size NUMERIC, unit_label TEXT,
  cost_per_unit NUMERIC,             -- 中央廚房內部成本
  transfer_price NUMERIC             -- 賣給分店的價(內部轉撥)
);

CREATE TABLE central_kitchen_orders (
  -- 各店向中央廚房叫貨
  id UUID PRIMARY KEY,
  kitchen_id UUID NOT NULL,
  restaurant_id UUID NOT NULL,
  delivery_date DATE NOT NULL,
  status TEXT,                       -- pending / packed / shipped / delivered
  items JSONB                        -- [{product_id, qty, transfer_price}]
);

新增功能

⭐ 開分店顧問 AI Agent

為什麼 ChefsMate 能做這個而別人不能

1. 已 own 客戶銷售/客流/客單價/翻桌率 → 算營收 readiness
2. 已 own 員工排班/薪資/retention → 算團隊 readiness
3. 已 own 食材成本/利潤率/現金流(藍新/Stripe) → 算財務 readiness
4. 已 own NPS/取消率/回流率 → 算品牌 readiness
5. 有政府開放資料(假日/勞基法/商業司登記) → 算市場 readiness

5 維度評分演算法(第一版用 expert rule,後期 ML)

CREATE TABLE expansion_readiness_scores (
  id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
  restaurant_id UUID NOT NULL REFERENCES restaurants,
  computed_at TIMESTAMPTZ NOT NULL DEFAULT now(),

  -- 5 維度 (0-100)
  financial_score INT,            -- 現金流月數 / 毛利率 / 負債比 / 應收帳款週轉
  operational_score INT,          -- SOP 完整度 / 員工 retention / 出餐穩定度
  brand_score INT,                -- NPS / 客戶回流率 / 社群觸及
  team_score INT,                 -- 副店長 ready / 二廚 ready / 招募 pipeline
  market_score INT,               -- 商圈飽和度 / 競品密度 / 房租 ROI 預估

  overall_score INT,              -- 加權總分
  recommendation TEXT,             -- AI 生成的整體建議
  blockers JSONB,                 -- [{dim:'financial', issue:'現金流只夠 3 個月', severity:'high'}]
  next_actions JSONB,             -- [{action:'招募並訓練副店長', months_needed:6, cost:200000}]

  ai_provider TEXT,                -- 'chefsmate' / 'openai' / 'anthropic' / BYOA
  ai_model TEXT                    -- 'claude-opus-4-7' / 'gpt-4-turbo' / etc
);

AI 對話流程

1. POS 主控台側欄出現「想開分店嗎?」icon (對 starter/growth tier 才顯示)

2. 點下去 → 進「擴張顧問」對話介面
   AI: 「我看了你最近 6 個月資料,目前 readiness 是 62/100。
        最大的 blocker 是現金流和團隊。要不要我細講?」

3. AI 列具體 blocker:
   🔴 現金流:目前每月淨利 ¥80k,新店需 ¥1.2M 開辦 + ¥150k/月燒錢。
      你的緩衝期只夠 3 個月,建議再存 ¥900k 或找投資人。
   🟠 團隊:目前主廚一人 dependency,二廚未訓 lead。
      建議招募並訓練二廚 6 個月,讓本店 SOP 可不靠你跑。
   🟢 品牌:NPS 72(優),客戶回流率 45%(高於業界 30%)— 你有客群可以複製。

4. AI 提 12 個月 roadmap:
   M1-M3: 招募二廚 + 開始 SOP 文件化
   M4-M6: 二廚獨立帶班 1 個月,觀察出餐穩定
   M7-M9: 存夠開辦金 + 開始看店面
   M10-M12: 簽約 + 裝潢 + 開幕

5. 月度 review:
   每月 1 日,AI 自動跑分數,推播給老闆
   分數變化 + 是否在 roadmap 上 + 建議下個月重點

readiness >= 80 自動觸發升級流程

AI 智慧報告 V2 → V3 升級

V2 是什麼(回顧)

V3 新增能力

A. 集團維度查詢 (cross-store)

// 新 tool definitions (Anthropic Tool Use schema)
{
  name: "compare_stores",
  description: "比較集團內多家店的指標",
  input_schema: {
    type: "object",
    properties: {
      restaurant_ids: { type: "array", items: { type: "string" } },
      metric: { enum: ["revenue", "gross_margin", "customer_count", "table_turnover", "nps"] },
      period: { type: "object", properties: { from: "date", to: "date" } }
    }
  }
}

B. 戰術規劃 V3 — 修 tactic_plans 設計債

ALTER TABLE tactic_plans ADD COLUMN restaurant_id UUID REFERENCES restaurants;
ALTER TABLE tactic_plans ADD COLUMN group_id UUID REFERENCES restaurant_groups;
-- 舊資料回填(如果有的話):由現有 user_profile_id → restaurant_members → 第一家店
UPDATE tactic_plans SET restaurant_id = (...) WHERE restaurant_id IS NULL;
ALTER TABLE tactic_plans ALTER COLUMN restaurant_id SET NOT NULL;

-- 同步 tactic_plan_items(透過 plan_id → restaurant_id)和
-- tactic_plan_histories(同模式)

-- RLS
ALTER TABLE tactic_plans ENABLE ROW LEVEL SECURITY;
DROP POLICY dev_full_access ON tactic_plans;
CREATE POLICY tp_member_access ON tactic_plans FOR ALL
  TO authenticated
  USING (restaurant_id IN (SELECT get_my_restaurant_ids()))
  WITH CHECK (restaurant_id IN (SELECT get_my_restaurant_ids()));

C. 開分店顧問 (見 §6)

D. 中央廚房優化建議

BYOA — Bring Your Own AI 接入點

為什麼餐廳會想 BYOA

• 老闆已訂 ChatGPT Plus / Claude Pro,不想額外付 ChefsMate AI 訂閱
• 中型集團有 IT,用 Azure OpenAI 或 AWS Bedrock(企業合約 + data residency)
• 未來 LLM 價格戰激烈,鎖死 provider 是風險
• 合規:某些餐廳(連鎖外資)有資料不能傳出境要求 → 自架 LLM

設計:Provider Adapter Interface

// 1. restaurant_settings 加 ai_config column
interface AIConfig {
  provider: 'chefsmate' | 'openai' | 'anthropic' | 'gemini'
          | 'azure-openai' | 'aws-bedrock' | 'self-hosted';
  api_key_vault_id?: string;  // Supabase Vault 加密儲存
  model?: string;             // 'gpt-4-turbo' / 'claude-opus-4-7' / 'gemini-1.5-pro'
  endpoint?: string;          // Azure / self-hosted custom URL
  system_prompt_override?: string;  // 集團 brand-specific
  monthly_token_cap?: number; // 自我約束(避免突然爆量)
}

// 2. 抽象成 ProviderAdapter
abstract class AIProviderAdapter {
  abstract async run(messages: Message[], tools: Tool[]): Promise<ToolUseResult>;
}

class AnthropicAdapter extends AIProviderAdapter { /* V2 既有 */ }
class OpenAIAdapter extends AIProviderAdapter { /* GPT-4 function calling */ }
class GeminiAdapter extends AIProviderAdapter { /* Google function calling */ }
class AzureAdapter extends AIProviderAdapter { /* Azure OpenAI endpoint */ }
class BedrockAdapter extends AIProviderAdapter { /* AWS Bedrock invoke */ }

// 3. Edge function 統一入口
// supabase/functions/ai-report/index.ts
const adapter = await getAdapterForRestaurant(restaurant_id);
const result = await adapter.run(messages, tools);
return result;

Tool definitions 統一不變

Pricing 策略

訂閱層級對齊業界

12 個月實作 Phases

Open Questions(老闆要拍板)

與 V2 spec 的關係