AI食光助手：面向厨房场景的眼镜智能体
我开发的这款“AI食光助手”是一款面向健康饮食与家庭备餐场景的智能眼镜应用，目标是把传统的“看菜谱、想菜谱”过程，升级为“看见食材、即时生成方案”的智能化体验，它的核心定位，不是简单的语音助手，而是一个能够理解用户当前环境、结合健康约束并提供操作指导的眼镜智能体。
AI食光助手
1. 产品背景与价值
当下很多用户在厨房中都会遇到同样的问题：冰箱里还有哪些食材、上顿剩下的菜还能不能吃、家人是否有血糖、过敏等健康限制、今天应该做什么菜才能兼顾省钱和营养。现有的菜谱App大多依赖用户手动输入，无法真正理解眼前场景，也很难把“食材识别、健康规则、烹饪建议”融合成一套连续体验。
基于这一场景，我设计了AI食光助手。用户只需戴上眼镜，看向冰箱、台面或食材篮，就能由系统自动识别食材和剩菜信息，再结合家庭成员的健康数据，快速生成适合当前情况的健康菜谱与烹饪建议。
2. 产品核心能力
这款智能体的核心能力可以概括为四点：
食材识别：识别冰箱中的蔬菜、肉类、豆制品、剩饭剩菜等常见食材。
健康适配：结合用户的健康偏好、过敏源、血糖管理需求等信息，筛选出更适合的菜谱方案。
剩菜再利用：对剩菜的状态进行判断，提供二次烹饪建议，减少浪费。
视觉引导：通过眼镜的显示界面，将切配、步骤说明和火候提示实时叠加给用户，降低操作复杂度。
3. 工作流设计
整个产品的工作流可以分为四个阶段：感知、理解、决策、执行。
感知阶段：
用户戴上眼镜后，摄像头实时采集厨房场景，系统识别食材、餐具和剩菜状态，并同步接入语音输入，理解用户的当前需求。理解阶段：
通过视觉识别与自然语言理解，将“眼前看到的食材”与“用户想要解决的问题”进行整合，形成结构化上下文信息。决策阶段：
智能体根据健康规则、营养均衡原则、剩菜可食用性和用户偏好，生成一套最优方案，例如“今天用剩余鸡肉和西红柿做一份低油清汤”“将剩饭和青菜一起做成营养煎饼”等。执行阶段：
将最终建议以图文提示的方式投射到眼镜界面，辅助用户完成切配、下锅和烹调步骤，提高操作准确性。
这种设计的重点，是把智能体从“单纯回答问题”变成“在真实场景中持续协助用户完成任务”。
4. 端侧插件
主要使用了gPass眼镜插件的眼镜设备拍照采集工具。
5. 技术方案说明
AI食光助手的执行可以分为四个阶段：感知、理解、决策、执行。
感知阶段：
用户戴上眼镜后，摄像头实时采集厨房场景，系统识别食材、餐具和剩菜状态，并同步接入语音输入，理解用户的当前需求。理解阶段：
通过视觉识别与自然语言理解，将“眼前看到的食材”与“用户想要解决的问题”进行整合，形成结构化上下文信息。决策阶段：
智能体根据健康规则、营养均衡原则、剩菜可食用性和用户偏好，生成一套最优方案，例如“今天用剩余鸡肉和西红柿做一份低油清汤”“将剩饭和青菜一起做成营养煎饼”等。执行阶段：
将最终建议以图文提示的方式投射到眼镜界面，辅助用户完成切配、下锅和烹调步骤，提高操作准确性。
这种设计的重点，是把智能体从“单纯回答问题”变成“在真实场景中持续协助用户完成任务”。
6. 开发步骤
下面是这个智能体从创建到发布的完整过程。
6.1 创建智能体
首先，我完成了智能体的基础配置，包括名称、所属行业和产品描述等信息，搭建了项目的初始框架。
6.2 搭建工作流
随后，我根据产品场景设计了完整的工作流，让系统能够从用户输入、环境识别到内容生成形成闭环。
6.3 编辑界面并进行测试
在工作流搭建完成后，我进一步完善了用户界面，并进行实际运行测试，验证交互流程是否顺畅。
6.4 发布到智能体广场
最后，我将该智能体成功上架到GPASS智能体广场，完成了从开发到使用的完整闭环。
7. 结语
AI食光助手的意义，不止于“给用户一个智能菜谱工具”，更在于把人工智能真正嵌入到日常生活场景中。通过眼镜这一形态，用户不需要手忙脚乱地翻找手机或搜索App，而是可以在做饭、备餐和整理食材时，直接获得实时的智能帮助。
这款作品体现了我对眼镜智能体的理解：它不仅是一个展示AI能力的产品，更是一个能够理解环境、辅助决策并提升生活效率的实用智能体。