## 概述
这个n8n工作流模板将用户提交的食物照片转换为详细的、友好的AI生成营养报告，并通过聊天消息无缝发送回去。它结合了OpenAI的视觉推理、基于Postgres的记忆功能和与Blooio的实时消息传递，创建了一个无需手动输入的卡路里和营养追踪器。
## 工作原理
### 1. Webhook触发器
工作流从通过Blooio接收消息开始。这个webhook监听用户提交的内容，包括任何图片附件。
### 2. 图像验证和提取
条件检查验证附件的存在。如果找到图像，使用Code节点提取其URL并准备进行处理。
### 3. 通过AI代理进行图像分析
图像被传递给基于OpenAI的代理，使用自定义系统提示：
– 识别餐食
– 估计份量大小
– 计算卡路里、宏量营养素、纤维、糖和钠
– 用健康和置信度评分对餐食进行评分
– 以聊天式、类人总结格式响应
### 4. 内存集成
Postgres内存节点存储用户交互以便回忆和上下文连续性，允许基于累积消息生成日/周/月报告。
### 5. 响应聚合和总结
消息被第二个AI代理聚合并总结为单个简洁消息，通过Blooio发送回用户。
### 6. 消息发送
最终消息使用Blooio发送消息API发布回原始对话。
## 使用案例
– 基于用户上传图像自动分析餐食
– 无需手动输入的日/周/月饮食总结
– 集成到消息应用中的虚拟食物日记
– 医疗保健、健身和健康应用的营养伴侣
## 重要须知
⚠️ 这使用具有图像功能的GPT-4，根据您的OpenAI定价层级可能会产生更高的使用成本。请查看OpenAI的定价。
该模型使用视觉推理和估计来确定营养信息 – 结果是估计值，不应替代医疗建议。
Blooio用于发送/接收消息。您需要有效的API密钥和设置了webhook交付的项目。
需要Postgres数据库进行长期内存（可选但推荐）。您可以使用任何内存节点。
## 如何使用
– 包含的webhook可以通过将Blooio链接到前端聊天UI来手动或编程触发
– 您可以使用包含模拟Blooio有效负载的手动POST请求测试流程
– 想使用不同的消息应用？用您喜欢的消息API（例如Twilio、Slack、Telegram）替换Blooio节点
## 要求
– 具有GPT-4 Vision或等效多模态支持的OpenAI API访问
– 具有传入和传出消息API访问权限的Blooio账户
– 可选：用于随时间跟踪消息上下文的Postgres DB（例如通过Neon）
## 自定义此工作流
### 提示调整
调整AI代理节点中的系统提示以适应特定饮食（例如生酮、糖尿病）、年龄组或区域特定食物。
### 分析仪表板
将您的Postgres内存连接到数据可视化工具，用于随时间变化的营养趋势。
### 多语言支持
调整响应提示以将消息翻译成其他语言或区域方言。
### 图像预处理
在将图像发送到模型之前插入预处理节点以调整大小、裁剪或增强清晰度以获得更好的结果。
评论(0)