继老乡鸡菜谱之后,真正的AI菜谱来了,告别今天吃什么的烦恼...

01 引言

在老乡鸡菜谱开源之后,很多粉丝朋友觉得菜谱的过程过于简单,甚至不能称之为菜谱。小编又在GitHub上发现了一个通过AI生成各种菜系、菜谱的神仙框架「一饭封神」。

「一饭封神」提供了页面,通过执行食材和菜系,即可生成菜谱,并生成配图。还可以进行营养分析、酒水搭配等操作。对于那些整天不知道吃什么的人来说,简直就是福音。

02 简介

一个基于 AI 的智能菜谱生成平台,支持中华八大菜系 + 国际料理,提供营养分析、酒水推荐、菜谱效果图生成等全方位烹饪指导。

GitHub地址:https://github.com/liu-ziting/what-to-eat

官网地址:https://eat.lz-t.top/

2.1 🚀 核心功能

  • 智能菜谱生成 - 基于食材和菜系偏好生成专业菜谱
  • 营养分析 - 详细营养成分分析和健康评分
  • AI 效果图 - 一键生成精美菜品图片
  • 酒水搭配 - 专业侍酒师推荐
  • 酱汁设计 - 定制化调料配方
  • 收藏管理 - 保存和管理喜爱的菜谱
  • 料理占卜 - 趣味性饮食运势
  • ⚙️ 配置管理 - 动态配置 AI 模型参数,支持多服务商切换

2.2 🛠️ 技术栈

  • 前端框架: Vue 3.4 + Composition API + TypeScript 5.3+
  • 样式方案: Tailwind CSS 3.4+
  • 构建工具: Vite 5.0+
  • AI 服务: 零一万物 Yi-Lightning + 智谱 AI CogView-3-Flash
  • 部署平台: Vercel + Netlify

2.3 🎯 本地部署

# 克隆项目
git clone https://github.com/liu-ziting/what-to-eat.git
cd what-to-eat

# 安装依赖
npm install

# 配置环境变量
cp .env.example .env
# 编辑 .env 文件,添加你的 AI API 密钥

# 启动开发服务器
npm run dev

# 🎯 首次启动后,点击导航栏的 ⚙️ 图标可以动态配置AI模型参数

本地部署需要添加自己的AI的API秘钥,官网提供了可视化服务,我们可以直接使用。

03 一睹为快

在首页,我们分别可以看到主页、美食盲盒、满汉全席、玄学厨房、酱料大师,以及更多。

3.1 生成菜谱

主要分三步:

  • ① 选择食材
  • ② 选择菜系
  • ③ 交给大师

小编这里随便选了三个食材:牛排、鹅肉、油菜

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

3.2 成品展示

成品包括了详细的制作步骤、烹饪技巧、营养分析、酒水搭配以及最终的效果。

3.3 美食盲盒

生成随机的食材,也可以通过偏好设置限制食材的范围。

然后就可以通过上面的步骤生成美食食谱了。

3.4 其他

还有满汉全席、玄学厨房、酱料大师使用方法大同小异。通过引入其他的东西来限制食材以及菜系,最后生成不同的结果。

04 技术实现

技术当然绕不来大模型AI,选择合适的大模型,配合合理的提示词,生成稳定的模板。

我们可以看到菜谱默认使用的是deepseek-chat,而文生图使用的是cogview-3-flash。可以在这里配置适合自己的大模型。作者也是做到了可配置化。

调用大模型并不难,难就难在提示词,通过合理的提示词才能生成符合要求的结果。

05 小结

liu-ziting/what-to-eat 或许不是一个技术上天翻地覆的项目,但它完美地体现了编程的初衷:用技术改善生活,哪怕只是解决一个微小的烦恼。这也算大模型AI的一个完美落地。

【四轴飞行器】非线性三自由度四轴飞行器模拟器研究(Matlab代码实现)内容概要:本文围绕非线性三自由度四轴飞行器模拟器的研究展开,重点介绍基于Matlab代码实现的四轴飞行器动力学建模与仿真方法。研究构建了考虑非线性特性的飞行器数学模型,涵盖姿态动力学与运动学方程,实现了三自由度(滚转、俯仰、偏航)的精确模拟。文中详细阐述了系统建模过程、控制算法设计思路及仿真结果分析,帮助读者深入理解四轴飞行器的飞行动力学特性与控制机制;同时,该模拟器可用于算法验证、控制器设计与教学实验。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的高校学生、科研人员及无人机相关领域的工程技术人员,尤其适合从事飞行器建模、控制算法开发的研究生和初级研究人员。; 使用场景及目标:①用于四轴飞行器非线性动力学特性的学习与仿真验证;②作为控制器(如PID、LQR、MPC等)设计与测试的仿真平台;③支持无人机控制系统教学与科研项目开发,提升对姿态控制与系统仿真的理解。; 阅读建议:建议读者结合Matlab代码逐模块分析,重点关注动力学方程的推导与实现方式,动手运行并调试仿真程序,以加深对飞行器姿态控制过程的理解。同时可扩展为六自由度模型或加入外部干扰以增强仿真真实性。
基于分布式模型预测控制DMPC的多智能体点对点过渡轨迹生成研究(Matlab代码实现)内容概要:本文围绕“基于分布式模型预测控制(DMPC)的多智能体点对点过渡轨迹生成研究”展开,重点介绍如何利用DMPC方法实现多智能体系统在复杂环境下的协同轨迹规划与控制。文中结合Matlab代码实现,详细阐述了DMPC的基本原理、数学建模过程以及在多智能体系统中的具体应用,涵盖点对点转移、避障处理、状态约束与通信拓扑等关键技术环节。研究强调算法的分布式特性,提升系统的可扩展性与鲁棒性,适用于多无人机、无人车编队等场景。同时,文档列举了大量相关科研方向与代码资源,展示了DMPC在路径规划、协同控制、电力系统、信号处理等多领域的广泛应用。; 适合人群:具备一定自动化、控制理论或机器人学基础的研究生、科研人员及从事智能系统开发的工程技术人员;熟悉Matlab/Simulink仿真环境,对多智能体协同控制、优化算法有一定兴趣或研究需求的人员。; 使用场景及目标:①用于多智能体系统的轨迹生成与协同控制研究,如无人机集群、无人驾驶车队等;②作为DMPC算法学习与仿真实践的参考资料,帮助理解分布式优化与模型预测控制的结合机制;③支撑科研论文复现、毕业设计或项目开发中的算法验证与性能对比。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注DMPC的优化建模、约束处理与信息交互机制;按文档结构逐步学习,同时参考文中提及的路径规划、协同控制等相关案例,加深对分布式控制系统的整体理解。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

智_永无止境

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值