行业资讯
打工人的救星！我用Doubao-Seed-Evolving开发了个“做饭助手“，从外卖党变身厨房小能手
一、打工人的真实困境每天下班的你18:30 下班路上 大脑今晚又吃外卖吗 我第5天了真吃腻了…… 大脑那自己做 我不会做啊做什么 大脑一片空白 我算了还是外卖吧想自己做饭的障碍不知道做什么菜打开菜谱网站眼花缭乱看了步骤还是不会做到一半发现缺食材最后还是失败又点外卖结果外卖费每月1000元身体越来越差厨艺还是零基础生活质量没什么改善我也是这样直到遇到了 Doubao-Seed-Evolving。二、转折一个下午我做了个做饭助手为什么选豆包 Seed Evolving看到豆包推出的Seed Evolving模型两个特性打动了我1. 1M超长上下文2. 长程任务能力我想这不就是我需要的开发做饭私教最佳利器吗我的目标很明确做一个助手它能快速回答今天做什么菜- 3秒给答案根据我的水平推荐- 新手友好循序渐进超详细的步骤- 手把手教不怕失败考虑时间和预算- 工作日30分钟周末可以复杂点自动生成购物清单- 买菜不迷茫记录成长轨迹- 看到自己进步目标1个月从外卖党变会做饭的人三、开发实战第一步登录火山方舟开通Agent Plan第二步设置API Key第三步接入Claude Code找到 C:\Users用户名.claude\settings.json文件打开编辑并保存如下第四步配置 MCP 做饭工具项目的mcp.json里配置了做饭 MCP 服务{mcpServers:{howtocook:{command:npx,args:[-y,howtocook-mcp],disabled:false,autoApprove:[]}}}这一步非常关键。以前如果要做“做饭助手”可能要自己准备菜谱数据库、写查询逻辑、维护分类和步骤。现在项目把这部分交给 MCPAgent 只需要知道有哪些工具什么时候该调用工具。第五步我的第一个使用提示词我是一个完全不会做饭的打工人想从零开始学做饭。 个人情况 - 厨艺新手只会煮泡面 - 口味喜辣、不吃香菜 - 时间工作日30分钟周末1小时 - 预算每餐≤15元 - 目标1个月学会20道家常菜 需求 1. 每天推荐做什么菜符合我的水平 2. 超详细的新手教学每一步都要清楚 3. 循序渐进的学习路径从简单到复杂 4. 常见错误提示避免翻车 5. 自动生成购物清单 6. 记录我的学习进度和成就 数据 [菜谱查询和推荐通过 howtocook-mcp 工具完成] 请帮我开发一个Agent CLI技术栈用兼容openai api mcp Streamlit。四、开发过程Round 1: 先搭出Agent主循环Doubao-Seed-Evolving 先实现了一个通用 Agent 框架这个部分主要落在agent/core.pyAgent.run()负责多轮 ReAct 推理_message_to_dict()负责保存模型的 tool callsToolRegistry负责统一执行工具create_agent()负责按配置创建 Agent我的反应这样比单独做一个菜谱查询脚本更灵活因为它以后还可以接更多工具。Round 2: 接入命令行入口项目保留了一个最适合调试的入口agent_cli.py。可以进入交互模式python agent_cli.py-v也可以单次提问python agent_cli.py查询宫保鸡丁的做法python agent_cli.py今天吃什么1个人想吃微辣不要香菜python agent_cli.py --max-steps25请为2个人生成一周晚餐计划和购物清单-v模式会打印工具调用过程所以可以看到 Agent 有没有真的调用 MCP 菜谱工具。Round 3: 接入 Streamlit 做饭助手界面为了让非技术用户也能用项目又做了app.py这个 Streamlit 页面。启动方式streamlit run app.py打开浏览器你会看到以下页面Round 4: 形成当前项目结构生成的项目cooking-agent/ ├── agent_cli.py # 命令行入口 ├── app.py # Streamlit 做饭助手 ├── mcp.json # MCP 服务配置 ├── requirements.txt # Python依赖 ├── agent/ │ ├── core.py # Agent主循环 │ ├── prompts.py # 做饭助手系统提示词 │ ├── config.py # 环境变量和配置加载 │ ├── clients/ │ │ ├── llm.py # OpenAI兼容模型客户端 │ │ └── mcp_client.py # MCP客户端管理 │ └── tools/ │ ├── registry.py # 工具注册表 │ ├── file_tools.py # 文件读写工具 │ ├── shell_tools.py# Shell工具 │ └── mcp_tools.py # MCP工具适配 ├── pages/ │ ├── 1_chat.py # AI对话页 │ ├── 2_recipes.py # 菜谱浏览页 │ ├── 3_today.py # 今天吃什么 │ ├── 4_shopping.py # 购物清单 │ └── 5_progress.py # 学习进度 ├── notes/ │ └── learning_record.csv # 本地学习记录 └── README.md项目地址https://gitee.com/blues_c/cooking-agent五、实际使用效果五个页面 Tab启动 Streamlit 后首页是直接把做饭助手拆成五个可用入口这五个 Tab 对应用户从“问问题”到“查菜谱”、从“决定今天吃什么”到“规划采购”、再到“记录自己学会了什么”的完整使用链路。Tab 1AI对话适合场景不知道怎么问直接像聊天一样说。打开第一个 Tab就能看到一个聊天输入框。用户可以直接输入我是完全不会做饭的新手从哪开始助手会走 Agent 的标准流程先理解用户问题如果需要菜谱数据就调用howtocook-mcp的菜谱工具如果只是通用做饭建议就直接结合系统提示词回答。实际返回的内容会更像一个私人教练而不是冷冰冰的搜索结果页面里还放了几个快捷提示比如这对新手很友好因为很多时候用户真正卡住的不是答案而是不知道第一句话该怎么问。Tab 2菜谱浏览适合场景我知道大概想吃哪类但还没确定具体菜名。第二个 Tab 是菜谱浏览页左侧可以按分类筛选页面里目前设置了这些分类用户可以选择“荤菜”也可以在搜索框里输入“鸡丁”“土豆”“番茄”等关键词再点击“查看菜谱列表”。比如我想找一道肉菜分类荤菜 搜索关键词鸡由 Agent 调用 MCP 菜谱工具返回匹配的菜谱列表。这个设计的好处是用户看到的是简单表单底层仍然复用同一套 Agent 工具调用能力。对使用者来说这个页面解决的是“菜谱太多不知道从哪翻”的问题。Tab 3今天吃什么适合场景下班路上脑子空白只想让助手帮我决定。第三个 Tab 是最贴近日常痛点的功能今天吃什么。页面先让用户选择几个人吃1人 / 2人 / 3-4人 / 5-6人 / 7-10人 / 10人以上高级选项里还能填口味偏好清淡、重口味、微辣、中辣、重辣、酸甜、麻辣、咸鲜忌口食材比如香菜、葱、姜过敏原比如海鲜、坚果例如我可以这样选择人数1人 口味微辣 忌口香菜 过敏原海鲜点击“摇一摇给我推荐”后Agent 会调用 相关 MCP 工具给出适合当前条件的推荐。它不只是随机扔一个菜名而是可以说明推荐什么菜为什么适合今天大概适合几个人需要哪些主要食材如果不想吃这道可以换什么这个 Tab 对“外卖党”尤其有用因为它把每天最烦的选择题缩短成一次点击。Tab 4购物清单适合场景周末想一次性规划下周吃什么顺便把菜买齐。第四个 Tab 是购物清单生成器。用户只需要填写用餐人数忌口食材过敏原然后点击“生成一周膳食计划”。比如用餐人数1 忌口食材 香菜 过敏原 海鲜Agent 会返回一周菜单和采购清单这个功能对新手很关键。很多人不是不会照着菜谱做而是每次做到一半才发现少了食材。购物清单页把“想吃什么”和“要买什么”连起来能明显减少翻车概率。Tab 5学习进度适合场景我想记录自己已经学会了哪些菜。第五个 Tab 是当前项目里最有成长感的部分。它不是靠模型凭空记住用户进度而是把学习记录保存在本地文件。页面会展示四个统计项已学会 / 完成进度 / 学习中 / 还需学习默认目标是 30 天学会 20 道菜页面会根据 CSV 记录自动计算进度。用户可以手动添加一条记录也可以在表格里直接编辑已有记录或者下载 CSV 做备份。这个设计很务实它没有假装已经有完整的云端账号系统而是先用一个简单可靠的 CSV 把学过什么记下来。对个人项目来说这已经足够形成正反馈。五个 Tab 串起来的完整体验实际使用时我的路径一般是这样1. AI对话先问“新手从哪道菜开始” 2. 菜谱浏览查一下番茄炒蛋、青椒肉丝这类菜 3. 今天吃什么下班前让助手按人数和口味推荐 4. 购物清单周末生成一周菜单和采购清单 5. 学习进度做完后记录菜名、难度和心得这样一来项目就不只是“能回答菜谱问题”而是形成了一个闭环问问题 → 查菜谱 → 做决定 → 买食材 → 记录进步这也是当前版本最有价值的地方功能没有做得花哨但每个 Tab 都对应一个真实做饭场景。六、使用前后对比这个项目目前更适合描述为“做饭决策和学习流程变顺了”而不是夸张成完整生活改造报告。维度使用前使用后决定吃什么每天临时纠结在“今天吃什么”里按人数和偏好推荐找菜谱到处搜索、信息很散在“菜谱浏览”里按分类或关键词查询学做法直接看复杂步骤通过“AI对话”让助手用新手语言解释买食材想到什么买什么用“购物清单”生成一周计划记录进度做过就忘在“学习进度”里保存菜名、难度和心得实际效果可以概括成一句话它把“想吃什么、怎么做、买什么、学到哪了”这几件事串起来了。七、额外收获除了查菜谱项目更有价值的地方在于它提供了一个可扩展的 Agent 应用样板。对用户做饭门槛降低了不用先研究一堆菜谱网站直接从一个问题或一个按钮开始。对开发者Agent 主循环、工具注册、MCP 接入、Streamlit 页面都已经跑通后续可以继续换模型、换 MCP、加数据库。对展示案例它能清楚说明 Seed 类模型不只是聊天还能结合工具完成具体任务。对后续迭代学习记录、菜单规划、个性化推荐都已经有入口可以继续做成更完整的个人做饭助手。八、技术揭秘**Doubao-Seed-Evolving **的工作统计开发阶段对话轮次28轮生成代码2500行开发耗时一个下午2.5小时我的投入只是回答了几个配置问题与传统学做饭方式对比方式成本时间效果个性化看美食博主视频免费找半天⭐⭐❌买菜谱书¥50需要自己研究⭐⭐⭐❌报线下厨艺班¥2000固定时间⭐⭐⭐⭐⭐⭐请私教上门¥500/次需预约⭐⭐⭐⭐⭐⭐⭐⭐⭐做饭助手~¥10/月随时随地⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐核心优势完全个性化- 根据你的水平、口味、时间定制随时随地- 24小时在线教学循序渐进- 科学的学习路径即时反馈- 遇到问题马上解答成本极低- 每天几毛钱与Seed 2.1的实测对比我特意用Seed 2.1 Pro测试了相同需求维度Seed 2.1 ProSeed Evolving差异教学详细度⭐⭐⭐⭐⭐⭐⭐⭐更详细记忆连贯性会忘记之前的从不忘记质的飞跃个性化程度一般化推荐完全定制显著提升长程任务需要多次提醒完全自主更智能对话轮次41轮28轮-32%Token消耗52万38万-27%结论Seed Evolving在教学场景下表现明显更优秀。总结豆包Seed Evolving让我从外卖党变成了会做饭的人不只是学会了技能更是生活质量的全面提升。做饭不只是一项技能更是一种生活态度。以前的我觉得做饭是浪费时间不如点外卖方便。但用了豆包Seed Evolving做这个助手后我发现做饭可以很简单30分钟搞定做饭可以很有趣成就感满满做饭可以很省钱每年省5000做饭可以很健康身体明显改善做饭可以很社交朋友都来家里了最重要的是我找回了对生活的掌控感。不再是被外卖APP推送什么就吃什么而是我决定今天吃什么想吃什么就做什么。这才是生活本该有的样子。
郑州网站建设
网页设计
企业官网
