一只柯基第三次进店，店员还在问「它上次洗的什么浴液」。客户不会当场发火，但心里会记一笔：这家店没把我家狗当回事。宠物店上 AI 的起点常常就在这里，把散在微信、纸质登记本、收银系统里的零碎信息，收拢成一份能查、能筛的档案。下面说清三件事：档案该记哪些字段、哪些环节可以交给工具、哪些必须由店里的人拍板。
先有字段，才谈得上记住
「记得住每只宠物」这句话落到操作层面，就是一张有固定字段的表。品种、年龄、体重、是否绝育、皮肤与过敏情况、性格特点（怕吹风、怕生人、护食）、上次服务项目与日期、常用浴液、主人联系方式与沟通偏好。字段设计有一条硬约束：店员在服务结束后的两分钟内能填完。填不完的字段，最后一定是空的。
结构化之后才有筛选能力。「三个月没来、体重超过二十公斤、上次做过药浴」这种条件，靠脑子想不出来，靠表格一筛就出来。字段名怎么定、提示词怎么写才能让它按你的口径输出，提示词的基本结构与写法里有更细的说明。
五个环节，谁管哪一段
把门店的日常拆成五段，能交给工具的部分和必须人盯的部分分得很清楚：
| 环节 | 能管 | 必须人盯 |
|---|---|---|
| 建档与补全 | 把聊天记录、纸质登记转成统一字段，缺项列成待补清单 | 判断某条信息是否可信，比如客户口述的过敏情况要不要写进档案 |
| 周期服务 | 按上次服务日期加周期，算出该联系的名单和对应话术 | 决定联系的频率，避免一个月三条消息把人推烦 |
| 商品推荐 | 按品种、年龄、体型、毛长筛出候选，附一句推荐理由 | 涉及皮肤、关节、肠胃的产品，不能按标签直接推 |
| 客户问答 | 营业时间、价格、寄养规则、洗护流程做成标准答复 | 宠物出现异常时的判断，一律转兽医 |
| 投诉处理 | 起草回复框架，把事实和情绪分开写 | 道歉的尺度、补偿的方案，只有店主能定 |
能自动化的都标了，真正难的是标不出来的那部分。凡是「说出去要负责」的格子，都留在人这边；工具负责把材料备齐，让人少花时间在翻记录上。
周期性的服务靠日期推算
洗澡的间隔通常是三到六周，驱虫按月，疫苗按年，这些是行业里常见的做法，具体到某只宠物要按体型、毛量和兽医建议调整，工具不该替你设一个默认值然后批量套用。可用的算法很朴素：上次服务日期加周期，得出该联系的名单。
名单出来之后还有两道人工筛：刚来过的不发，明确说过别打扰的不发。提醒文案要带具体信息，「豆豆上次洗澡是六月十二日，这周可以安排了」比「欢迎再来」有用得多。这类按条件自动触发的动作，和智能体怎么把多步任务串起来是同一套思路，只是规模小得多。
商品推荐和健康问答是两条线
推荐可以基于可观测的属性：体型、毛长、年龄、绝育与否。它筛出候选，附一句理由，店员再判断要不要推。健康类诉求是另一条线——掉毛、抓耳朵、走路瘸，这些属于转介场景，不该在货架前解决。写进员工手册的一句话就够：涉及身体状况，只做转介，不做解释。
这里有个容易忽略的风险。模型被问到「狗一直挠耳朵怎么办」，会给出一段听起来很专业的分析，甚至带上药名。模型编造细节时不会标注哪句是推测，店员如果照着说，性质就从服务建议变成了越界判断。
哪些判断留在店里
档案的准确性是第一处。客户口述的、店员记下的、系统里存着的，可能是三个版本，工具不会主动发现矛盾，除非你要求它做一致性核对，而核对结果仍然要人确认。历史聊天记录一次贴太多还会被截断，上下文装不下时它不会告诉你漏了哪段。
定价是第二处。套餐怎么组合、寄养按天还是按夜、节假日加价多少，取决于房租、人力、周边行情，这些数字不在模型的知识里，它给的价目只能当参照。客户关系是第三处：谁接受溢价、谁对价格敏感、谁只是路过，这些判断长在店员的日常接触里。
还有责任和数据。洗护过程中的意外、寄养期间的健康变化，担责的是门店；客户的手机号、住址、门禁信息属于个人信息，不要随手粘进公网工具。工具越方便，越容易在这两件事上松手。
一家小店从哪一步开始
顺序是先档案、再联系、最后推荐。倒过来做的结果很典型：档案里只有手机号，推荐就退化成群发广告，客户感受到的是打扰。判断有没有做对，看两个信号：老客户到店时店员还要不要重复提问；联系发出之后，实际到店的比例有没有变化。这两个信号一个月内就能看出来。
速查：宠物店用 AI 的四条
- 档案先定八到十个字段，控制在两分钟内填完
- 周期服务按上次日期推算，不按固定日历群发
- 健康类问题只做转介，不给判断、不报药名
- 客户个人信息不进公网工具，价目表由店主定
