AI 私人厨师 —— 基于 LangGraph 的多模态 RAG 智能体应用产品系统Vibe Coding

现代人普遍面临「今天吃什么」「冰箱里的食材怎么搭配」「有健康目标却不知道怎么吃」等日常决策难题。传统菜谱 App 只能按关键词检索,无法结合个人健康状况给出个性化方案。本项目旨在用大模型 + RAG 打造一个真正懂你的「私人厨师」:结合用户健康档案(如减脂、三高、过敏忌口等),通过一张冰箱食材照片或一句自然语言需求,自动生成个性化菜谱与营养建议,把「被动查菜谱」升级为「主动给方案」,落地于家庭健康饮食与生活服务场景。

1)多轮对话点菜:基于 LangGraph 的「Agent⇄工具」循环,大模型自主调度菜谱检索、健康档案读取等工具,支持带上下文记忆的连续对话;
2)拍照识菜:接入多模态大模型,上传冰箱食材照片即可自动识别并推荐可做菜品;
3)个性化菜谱与营养建议:结合用户健康档案(减脂/忌口/慢病等)生成定制食谱与营养分析;
4)RAG 菜谱检索:菜谱库向量化召回,保证回答有据可依、有效缓解大模型幻觉;
5)多对话模式:覆盖「随便做点什么」「按现有食材做」「按健康目标做」等不同场景;
6)用户健康档案管理:SQLite 持久化结构化的用户画像与饮食数据。

个人独立项目,从产品设计、智能体、检索、前端到云端部署上线全栈独立完成。
技术栈:后端 Python + FastAPI + LangGraph,前端 React + TypeScript;检索用 bge-small-zh 向量化 + NumPy 余弦相似度,从零实现 RAG(不依赖向量库黑盒);SQLite 持久化对话与用户数据;多模态大模型做图像识菜;单容器 Docker 同源部署到 ModelScope 创空间,国内可直接访问。
亮点:① 用 LangGraph 设计 Agent⇄工具循环,配合 SqliteSaver 实现多轮上下文记忆;② 手写 RAG 召回并设计检索失败回退;③ FastAPI + SSE 流式输出,前后端同源单容器部署。
难点:定位并修复 SSE 流经云网关被缓冲、导致后端返回 200 但浏览器 504 的问题(加 X-Accel-Buffering:no 响应头 + 开场心跳 + 构建时预热向量模型),以及多模态识别与工具调用的稳定性调优。