一、最終效果預覽

輸入示例

冰箱剩余：雞胸肉?200?g，西藍花?100?g，淡奶油?50?ml，檸檬?半個  
需求：低脂、高蛋白、無麩質(zhì)，烹飪時間?<?15?分鐘

輸出示例（JSON）

{
  "title": "檸檬奶油雞胸一口盅",
  "difficulty": "簡單",
  "time_minutes": 12,
  "calories_kcal": 315,
  "protein_g": 42,
  "ingredients": [
    {"item":"雞胸肉","weight":"200g","note":"切2cm丁"},
    {"item":"西藍花","weight":"100g","note":"焯水30s"}
  ],
  "steps":[
    "1. 熱鍋噴橄欖油，雞丁雙面煎2分鐘",
    "2. 倒入淡奶油50?ml和檸檬汁，小火1分鐘",
    "3. 加入西藍花翻勻，鹽胡椒調(diào)味"
  ],
  "tiktok_script": "鏡頭1：雞胸變色拉絲…（省略200字）",
  "confidence": 0.97
}

實測：廚房小白 12?分鐘端盤，朋友圈點贊?87?個！

二、系統(tǒng)架構一圖秒懂

Spoonacular API → 數(shù)據(jù)清洗 → 指令微調(diào) → LoRA?7B?ChatGLM → FastAPI → 微信/小程序

三、環(huán)境準備：5 分鐘搞定

# 創(chuàng)建環(huán)境并安裝依賴
conda create -n ai-chef python=3.10 -y
conda activate ai-chef
pip install llama-factory==0.7.1 transformers==4.40.0 spoonacular==3.0

• GPU：RTX?4090?24?GB / A10G
• CUDA：12.1

四、數(shù)據(jù)工程：讓模型先“品”10?萬道菜

1. 數(shù)據(jù)來源

   • Spoonacular recipes/random：隨機?50?k 道
   • Kaggle RecipeNLG（中文清洗版）：?10?k 道
   • 小紅書熱門筆記：爬取?5?k 條 + 人工脫敏

2. 字段 & 指令格式

   {
    "instruction":"請根據(jù)剩余食材和用戶偏好生成菜譜",
    "input":"食材：雞胸200g、檸檬半個；偏好：低脂 < 15min",
    "output":"{完整 JSON 菜譜}"
   }

3. 數(shù)據(jù)增強

   • 食材同義替換：雞胸?去骨雞腿，淡奶油?椰漿
   • 時間擾動：±20%
   • 過敏原標簽：無麩質(zhì)/無堅果

五、LoRA 微調(diào)：11?GB 顯存 30?分鐘收斂

model_name_or_path: THUDM/chatglm3-6b
stage: sft
finetuning_type: lora
lora_rank: 64
lora_alpha: 128
dataset: chef_10k
template: chatglm3
num_train_epochs: 2
per_device_train_batch_size: 1
gradient_accumulation_steps: 32
learning_rate: 3e-4
bf16: true
output_dir: ./chef-lora

llamafactory-cli train recipe.yaml

• TensorBoard：eval_loss?1.65 → 0.87
• 評測：ROUGE?L?0.82，人工 4.7/5

六、推理部署：FastAPI + 微信小程序

from fastapi import FastAPI
from peft import PeftModel
from transformers import AutoTokenizer, AutoModel

app = FastAPI()
tok = AutoTokenizer.from_pretrained("THUDM/chatglm3-6b", trust_remote_code=True)
base = AutoModel.from_pretrained("THUDM/chatglm3-6b", trust_remote_code=True, torch_dtype="auto", device_map="auto")
model = PeftModel.from_pretrained(base, "./chef-lora")

@app.post("/cook")
def cook(req: dict):
    prompt = tok.build_prompt(req['ingredients'], req['preference'])
    response, _ = model.chat(tok, prompt, max_length=1024)
    return {"recipe": response}

• 微信云函數(shù)：512?MB 內(nèi)存，冷啟動?2?s
• 微信云托管：自帶 CDN，圖片秒開

七、高級功能：讓 AI 更懂你

1. 實時熱量 & 宏量計算：對接 CalorieNinjas API
2. 過敏原替換引擎：HashMap 級聯(lián)映射
3. 抖音 15?秒短視頻腳本：Jinja2 模板
4. 語音播報：Edge?TTS 自動生成 20?s 語音

八、踩坑日記 & 調(diào)參錦囊

九、倉庫 & 一鍵復現(xiàn)

?? GitHub：github.com/yourname/ai-chef-lora

• data/：10?k 樣本
• train.sh：一鍵微調(diào)
• api/：FastAPI 服務
• mp-cloud/：微信云托管模板

十、未來迭代方向

1. 圖像識別：冰箱拍照 → OCR 食材 → 菜譜
2. 多模態(tài)口播：接入 Bark 語音，生成“郭德綱”口播
3. 個性化味道：RLHF 定制“媽媽味” embedding