拍照识别食材，AI 生成菜谱，语音智能体陪做饭。基于 FastAPI + 智谱 GLM-4V + DeepSeek + 百度 ASR。
--AIGC-/
├── 后端/ # FastAPI 后端
│ ├── app.py # 主程序（8 个接口）
│ ├── config.py # 配置文件（环境变量读取）
│ ├── requirements.txt # Python 依赖
│ ├── .env.example # API Key 模板
│ ├── .env # API Key（需自己创建）
│ ├── scf_bootstrap # 云函数部署脚本
│ └── __pycache__/
├── 前端/ # 多页 HTML 前端
│ ├── index.html # 首页入口
│ ├── food_app_home.html # 主页
│ ├── food_app_camera.html # 拍照识别食材
│ ├── food_app_loading.html # AI 识别加载页
│ ├── food_app_result.html # 识别结果 + 菜谱推荐
│ ├── food_app_recipe_view.html # 菜谱详情
│ ├── food_app_video_call.html # 糯糯语音做饭智能体
│ ├── food_app_detail*.html # 各类菜系详情页
│ ├── food_app_category.html # 分类浏览
│ ├── food_app_favorites.html # 收藏
│ ├── food_app_schedule.html # 日程
│ ├── food_app_settings.html # 设置
│ ├── food_app_splash.html # 启动页
│ ├── food_app_more.html # 更多功能
│ ├── game_app_complete.html # 结算页
│ ├── common.js # 后端地址配置
│ ├── navigation.js # 页面导航
│ ├── touch.css / touch.js # 触摸体验
│ ├── assets/ # 语音智能体素材
│ │ ├── agent_raccoon.png # 糯糯形象
│ │ └── agent_speaking.mp4 # 说话动画
│ ├── picture/ # 菜谱封面图
│ │ ├── italian Pasta.png
│ │ ├── Chicken Salad.png
│ │ ├── Beef Steak.png
│ │ └── Fish Curry.png
│ └── video/character-run.mp4 # 加载页动画
├── 图片/ # UI 设计稿
├── README.md
├── 项目文档.md
└── package.json
- Python 3.9+
- 浏览器 Chrome 或 Edge（语音功能必须）
- 操作系统 Windows / macOS / Linux 均可
unzip --AIGC--main.zip -d AIGC
cd AIGCWindows 用户直接右键解压到当前文件夹。
进入后端目录，创建 .env 文件：
cd 后端Windows：
copy .env.example .env
notepad .envMac/Linux：
cp .env.example .env
nano .env填入以下内容（将 your_xxx 替换为真实 Key）：
# 智谱 AI（拍照识别食材）
ZHIPUAI_API_KEY=your_zhipu_key_here
ZHIPUAI_MODEL=glm-4v
SERVER_HOST=0.0.0.0
SERVER_PORT=8085
# DeepSeek（语音智能体对话）
DEEPSEEK_API_KEY=your_deepseek_key_here
DEEPSEEK_API_BASE=https://api.deepseek.com
DEEPSEEK_MODEL=deepseek-v4-flash
# 百度短语音识别（语音转文字）
BAIDU_ASR_APP_ID=your_baidu_app_id
BAIDU_ASR_API_KEY=your_baidu_api_key
BAIDU_ASR_SECRET_KEY=your_baidu_secret_key
BAIDU_ASR_DEV_PID=1537
BAIDU_ASR_CUID=cooking-agent-local三个 Key 缺一不可。智谱用于拍照识别，DeepSeek + 百度 ASR 用于语音做饭智能体。
pip install -r requirements.txt如果下载慢，换国内镜像：
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simplepython app.py看到以下输出表示成功：
INFO: Uvicorn running on http://0.0.0.0:8085 (Press CTRL+C to quit)
验证后端：
浏览器访问 http://127.0.0.1:8085/api/ping
应返回：
{
"status": "ok",
"has_deepseek_key": true,
"has_baidu_asr_key": true
}三个 Key 状态都应为 true。如果有 false，检查 .env 对应 Key 是否填写正确。
新开一个终端，回到项目根目录（--AIGC-/）：
cd .. # 回到 --AIGC-/ 根目录
python -m http.server 8081浏览器访问：http://127.0.0.1:8081
不要直接双击 HTML 文件，
file://协议下麦克风权限无法使用。
验证项：
- 页面正常显示，顶部显示 "Hello, Amir-Zhen"
- 推荐卡片（Italian Pasta / Chicken Salad / Beef Steak / Fish Curry）显示菜品图片
- 页面可以上下滚动
- 点击卡片跳转到对应详情页
- 点击心形图标可收藏/取消收藏
- 底部导航栏固定在屏幕底部
点击搜索栏的相机图标 → 允许相机权限 → 拍照
流程：
- 拍照 → 自动跳转加载页（小浣熊跑动动画）
- 加载中调用智谱 GLM-4V 识别图片中的食材
- 识别完成跳转到结果页，显示识别出的食材
- 输入饮食偏好（如"少油低盐"），点击生成食谱
- 查看完整菜谱（菜名、用量、步骤、卡路里、评分）
验证项：
- 相机能正常打开
- 拍照后进入加载页，动画播放
- 食材识别成功，显示食材列表
- 食谱生成成功，包含完整的步骤和食材用量
- 食谱卡片封面图片正常加载
访问 http://127.0.0.1:8081/前端/food_app_video_call.html
流程：
- 看到"糯糯小浣熊"形象和待机界面
- 点击底部绿色"开始通话"按钮
- 浏览器弹出麦克风权限 → 点"允许"
- 糯糯自动播报欢迎语（中文 TTS 语音）
- 直接说话（如"我要做番茄炒蛋"）
- 说完停顿约 1 秒，系统自动识别并上传
- 百度 ASR 转文字 → DeepSeek 生成回复 → 糯糯 TTS 播报
- 对话历史显示在聊天区域
语音智能体特性：
- 实时 VAD：自动检测说话开始和结束，无需手动控制
- 语音回复：浏览器 TTS 播报，语速 0.96 倍，自然女声
- 文字降级：底部输入框可打字发送，不依赖语音
- 不存音频：后端仅在内存中处理，不保存任何音频文件
- 音量指示器：底部实时显示麦克风音量和峰值
验证项：
- 麦克风权限授权后能听到欢迎语
- 说话后能正确识别为文字并显示
- DeepSeek 回复内容合理（烹饪指导风格）
- TTS 语音播报清晰可听
- 对话历史正确累积
- 文字输入降级功能正常
- 点击"结束"跳转结算页
- 点击麦克风按钮可开关收音
| 页面 | 路径 | 验证 |
|---|---|---|
| 分类浏览 | food_app_category.html |
按菜系/口味筛选 |
| 收藏页 | food_app_favorites.html |
收藏的菜谱显示 |
| 日程页 | food_app_schedule.html |
饮食计划记录 |
| 设置页 | food_app_settings.html |
偏好设置 |
| 更多功能 | food_app_more.html |
入口导航 |
后端共 8 个接口：
POST /detect
Content-Type: multipart/form-data
参数: image (jpg/jpeg/png/webp, ≤10MB)
返回: {"ingredients": ["番茄", "鸡蛋"], "message": "识别成功"}
POST /api/chat
Content-Type: application/json
Body: {"message": "我想吃清淡的", "ingredients": ["鸡蛋", "番茄"]}
返回: {"reply": "推荐番茄炒蛋..."}
POST /api/generate-recipe-structured
Body: {"ingredients": ["鸡蛋", "番茄"], "preference": "少油"}
返回: {"summary": "...", "recipe": {"name": "番茄炒蛋", "ingredients": [...], "steps": [...]}}
GET /api/search-image?q=番茄炒蛋
返回: {"image_url": "https://...", "query": "番茄炒蛋"}
POST /api/cooking-agent
Body: {"message": "我要做番茄炒蛋", "history": [], "recipe_context": {}}
返回: {"reply": "太好了！我们先从打鸡蛋开始...", "model": "deepseek-v4-flash"}
POST /api/cooking-voice
Content-Type: multipart/form-data
参数: audio (WAV/16kHz/16bit/mono), history, recipe_context
返回: {"asr_text": "我要做番茄炒蛋", "reply": "好的！第一步...", "asr_engine": "baidu_short_speech"}
GET /api/ping
返回: {"status": "ok", "has_deepseek_key": true, "has_baidu_asr_key": true, "audio_saved": false}
GET /health
返回: {"status": "ok", "message": "烹小灵后端服务运行正常"}
Q: 启动后端报 "Address already in use"
A: 端口 8085 已被占用。关闭之前开的终端窗口，或修改 .env 中的 SERVER_PORT。
Q: 拍照后提示 "AI 服务调用失败"
A: 检查 .env 中 ZHIPUAI_API_KEY 是否正确填写，以及网络能否访问智谱 API。
Q: 语音智能体识别不到声音 A: 检查页面底部 RMS 数值：
- RMS 长期为 0.0000：浏览器没拿到麦克风音频，检查系统默认输入设备或浏览器权限
- RMS 有变化但不上传：声音太小，靠近麦克风或提高输入音量
- 上传后报 3301：百度认为音频质量差，靠近麦克风说完整一句
Q: 语音智能体提示后端连接失败 A: 确认后端终端仍在运行，访问 http://127.0.0.1:8085/api/ping 验证。
Q: 百度鉴权失败
A: 检查 .env 中 BAIDU_ASR_API_KEY 和 BAIDU_ASR_SECRET_KEY 是否正确（不要把 AppID 填到 API Key 位置）。
Q: 语音播报没声音 A: 使用 Chrome/Edge 浏览器，Firefox 不支持 Web Speech API。确保系统音量未静音。
Q: 手机上页面无法滚动
A: 已适配移动端，使用 100dvh 和 position: fixed 底部导航。若仍有问题请清除浏览器缓存。
电脑和手机连接同一 WiFi：
-
查看电脑 IP 地址：
- Windows：
ipconfig→ 找到192.168.x.x - Mac：系统设置 → 网络 → Wi-Fi → IP 地址
- Windows：
-
手机浏览器访问：
http://电脑IP:8081 -
语音功能需用手机 Chrome 打开，且允许麦克风权限。