《纽约时报》做菜 App 装上 AI：翻遍几十年读者评论，却差点让我少放一半黄油

晚上七点，站在冰箱前不知道吃什么，大概是全世界最普遍的决策困难。NYT Cooking 的新 AI 助手想解决的，就是这一刻——不是替你发明一道菜，而是把一份现成菜谱，改成你冰箱里现有条件能做出来的样子。

这个助手目前只对订阅用户开放，首发仅支持 iOS。它没有另起一个聊天入口，而是嵌在菜谱页面的一个小输入框里，提示语写着“Customize this recipe…”。你可以问“这个食材能用什么替代”，也可以直接说“把这份菜谱改成七人份，纯素，无麸质”。

一分钟速览

• NYT Cooking 上线 AI 助手，订阅用户可用，首发仅 iOS
• 训练语料包括菜谱本身、食材替换指南，以及几十年积累的读者评论
• 它不修改原菜谱，而是生成一份新的定制版本，原方保持不变
• 实测能给出实用替换建议，也会算错用量——把蛋糕黄油几乎减半

它凭什么比通用聊天机器人好用

答案在语料。通用模型知道“黄油可以用什么替代”，但它不知道 NYT Cooking 那几千份经过真人测试的菜谱里，编辑和读者已经踩过哪些坑。这个助手把《纽约时报》几十年的烹饪知识、官方食材替换指南，以及社区评论一起喂进了提示词和检索链路。

评论是关键。NYT Cooking 的老用户都有类似经验：一份菜谱下面几百条评论，真正有用的替换方案往往埋在第七十几条，夹在“这道菜让我认识了现在的丈夫”和“我家狗很喜欢”之间。工作日晚上的七点，没人有耐心翻完。AI 助手做的，本质上是把这堆非结构化经验，压缩成一句能直接执行的建议。

它也会犯错，而且错得很具体

测试者给出的评价相当克制：替换建议实用，烹饪指导靠谱，面对离谱要求也不会一味顺从。但在一个蛋糕配方上，它差点让测试者只放一半的黄油。

这个错误很有代表性。菜谱里的用量、份数、烘焙时间之间存在隐含约束，模型在“缩放”和“替换”同时发生时，容易顾此失彼。对做菜来说，少一半黄油的蛋糕不会中毒，只会难吃；但如果换成过敏原替换、肉类中心温度、发酵时长，同类错误的代价就完全不同了。

这也是所有垂直 AI 应用共同面对的问题：语言上的合理，不等于执行上的正确。越是接近物理世界，越需要把模型的输出重新锚定到可验证的规则上。

媒体做 AI 的正确姿势

NYT Cooking 的做法有几个值得借鉴的细节。第一，不改原菜谱。AI 生成的是副本，原文保持不变，这既保护了作者署名，也避免了“AI 改坏了经典配方”的信任崩塌。第二，入口极窄。不是万能助手，只解决“这份菜谱怎么适配我”这一个问题。第三，把订阅价值往前推了一步：AI 不是单独收费的噱头，而是让原有内容库更容易被用起来。

对媒体来说，这可能是比“AI 摘要新闻”更健康的方向。新闻是易耗品，菜谱是耐用品；把几十年的耐用品资产变成可对话的服务，既延长了内容寿命，也让订阅多了一个具体理由。

垂直 AI 的护城河是数据，不是模型

这个助手的模型能力未必比通用聊天机器人强，但它赢在三样东西：经过验证的菜谱、结构化的替换知识、以及真实用户几十年积累的经验。这三样都无法从公开互联网上轻易爬到。

接下来值得观察的是扩张节奏。iOS 首发意味着产品还在打磨；如果它走向 Android、走向更多语言，真正的考验会变成：当菜系从美式家常扩展到全球厨房，这套“评论 + 替换指南”的语料还能不能撑住准确性。至少现在，它是一个克制、具体、知道自己边界的产品——这在一堆号称万能的 AI 助手里，已经算稀缺品质。