Decade-qiu/CookHero

CookHero是一个基于 LLM + RAG + Agent + 多模态的智能饮食与烹饪管理平台,支持智能菜谱查询、个性化饮食计划、AI 饮食记录、营养分析、Web 搜索增强,以及可扩展的 ReAct Agent / Subagent 工具体系,帮助厨房新手轻松成为“烹饪英雄”。

解决的问题

CookHero 是一个个性化饮食管理平台,将烹饪和健康目标转化为可执行的日常习惯。它解决了健康饮食计划困难、从文本或图像中追踪营养摄入量困难,以及难以获取针对特定饮食限制或健康目标(如减重或血糖控制)的专业烹饪指导等问题。

工作原理

该系统结合多种先进 AI 架构来管理营养和烹饪:

  • 智能体工作流:使用带有「工具中心」和专业子智能体系统的 ReAct(推理与行动)循环,实现自主决策并调用工具进行规划、搜索和分析。
  • 混合 RAG:结合向量搜索(Milvus)、关键词搜索(BM25)和重排序器(如 Qwen3-Reranker),从全球库和用户上传的个人菜谱中检索准确的食谱。
  • 多模态处理:集成视觉模型,从上传的图像中识别食材和菜肴,然后将结果输入饮食记录和营养估算系统。
  • 营养追踪:自动计算 AI 解析的饮食记录中的卡路里和宏量营养素,并与用户设定的目标进行对比。
  • 基础设施:基于 FastAPI、React、PostgreSQL、Milvus 和 Redis 构建的全栈架构。

适用人群

  • 寻求专业指导的厨房新手。
  • 关注健身、减重或血糖管理的人群。
  • 有食物过敏或特定饮食需求的人。
  • 健康意识强,希望有系统方式规划和追踪每周饮食的用户。

核心亮点

  • 智能饮食管理代理:一个 AI 代理,通过 Tavily 实现实时网络搜索,负责餐食规划、营养分析。
  • 自动饮食记录:通过文本或图像一键记录餐食,自动估算卡路里和宏量营养素。
  • 专家子代理系统:支持内置和用户自定义专家代理,每个代理拥有独立的系统提示。
  • RAG 质量控制:集成 RAGAS 框架,监控忠实度和答案相关性。
  • 安全层:使用 NeMo Guardrails 实现提示注入防护、速率限制和结构化审计日志。
  • MCP 支持:兼容 Model Context Protocol,支持工具扩展,包括 Amap 等集成。

相关

  • 项目
  • 项目
  • 项目
  • 项目
  • 项目