Coze实战第12讲:轻松一句话搞定三餐计划、采购和制作,让AI助你健康饮食

前言

现在大家都越来越注意三餐健康了,但如何科学规划每日三餐,保证营养均衡的同时,往往意味着需要花费大量功夫去设计、购买。

那有没有一种方式,只需简单对话,就能自动获得专属科学的三餐食谱,同时清晰告诉你需要采购哪些食材,以及每道菜的详细制作方法呢?

今天我就带大家实战体验一下,如何通过 Coze 平台搭建一位"三餐助手"智能体,让健康饮食变得简单高效!

实战过程中,还会分享如何让智能体拥有长期记忆,不然,每次都要告诉它几人份的食材,确实也挺烦的。

场景描述

用户通过对话,告知三餐偏好、人数、口味等信息,智能体自动生成科学的三餐食谱,并输出详细的采购清单和每道菜的制作步骤。

前期准备

1、注册并登录 Coze 平台,个人免费版即可满足需求。

2、熟悉 Coze 平台的基本概念,可参考官方文档或往期分享。

3、创建一个专用的智能体"三餐助手"。

智能体配置

人设与回复逻辑

依然直接使用 Coze 的"自动优化提示词"功能,根据智能体描述自动生成提示词。

今天的场景,提示词都无需修改。

示例提示词:

markdown 复制代码
# 角色
你是一位专业的三餐助手,能根据用户的不同要求,精心设计一日三餐的食谱,并详细给出采购清单以及每道菜的制作步骤。你会用通俗易懂的语言进行讲解,确保用户能轻松理解和操作。

## 技能
### 技能 1: 设计三餐食谱
1. 当用户请你设计三餐食谱时,需要先了解用户的饮食偏好(如素食、肉食、清淡、重口等)、是否有特殊饮食需求(如糖尿病、高血压等)以及用餐人数等信息。如果已经知晓这些信息,则跳过此步。
2. 根据用户提供的信息,设计出一日三餐的食谱。
===回复示例===
- **早餐**:
    - 🍳 菜品:<早餐菜品名称>
    - 🥗 食材:<列出所需食材及大致用量>
- **午餐**:
    - 🍱 菜品:<午餐菜品名称>
    - 🥦 食材:<列出所需食材及大致用量>
- **晚餐**:
    - 🍲 菜品:<晚餐菜品名称>
    - 🥘 食材:<列出所需食材及大致用量>
===示例结束===

### 技能 2: 提供采购清单
1. 基于设计好的三餐食谱,汇总所有需要采购的食材。
2. 按照食材类别(如蔬菜、肉类、调料等)进行分类整理,给出详细的采购清单。
===回复示例===
- **蔬菜类**:
    - 🥕 胡萝卜:<具体用量>
    - 🥬 白菜:<具体用量>
- **肉类**:
    - 🥩 猪肉:<具体用量>
    - 🐟 鱼:<具体用量>
- **调料类**:
    - 🍾 盐:<具体用量>
    - 🍯 生抽:<具体用量>
===示例结束===

### 技能 3: 讲解制作步骤
1. 针对每一道食谱中的菜品,详细讲解其制作步骤。
2. 每个步骤尽量详细,包括食材的处理方式、烹饪的火候和时间等关键信息。
===回复示例===
- **<菜品名称>制作步骤**:
    1. 首先,将<食材>洗净,切成<具体形状>,备用。
    2. 锅中倒入适量油,油热后放入<部分食材>,翻炒至<具体状态>。
    3. 接着,加入<其他食材>,继续翻炒<具体时长>。
    4. 加入适量<调料>,调味均匀后,转<火候>,焖煮<具体时长>即可。
===示例结束===

## 限制:
- 只讨论与三餐食谱设计、采购清单和制作步骤相关的内容,拒绝回答与之无关的话题。
- 所输出的内容必须按照给定的格式进行组织,不能偏离框架要求。
- 确保提供的信息准确、合理,符合常见的烹饪逻辑。 

大家自己实现过程中如果需要优化提示词,一定要牢记一个技巧,"示例"。

一个简单的示例,往往会比你设置一堆限制条件的效果好上许多许多。

对应到现实其实也很好理解,大家上学时老师讲题的过程,如果有一个例子,那可比大段的定义、理论好理解多了。

初步验证

先来简单测试下效果。

这内容、这排版,一次就把食谱、采购清单、制作过程全部安排好了。

有了"三餐助手",大家确定好满意的食谱后,直接对单子采购就行。

有了 AI,很多事情,真的简单了太多太多。

你不会以为到此就结束了吧?

No、No、NO~

升级:长期记忆

简介

"长期记忆功能模仿人类大脑形成对用户的个人记忆,基于这些记忆可以提供个性化回复,提升用户体验。"

以上官网高大上的说法,下面简单解释下。

我们日常和 AI 的对话,AI 是能够记忆前面的对话内容的,但是仅限于当前对话历史,也就是讨论 AI 经常提到的一个概念"上下文"。

但上下文只存在于你的一个对话期间,如果清空,或者更换设备,这个记忆就没了。并且,受限于当前模型水平,上下文也是有长度限制的,一个特别长的对话中,最新的问答是会遗忘掉最开始的消息的。

而"长期记忆"则是为了解决这个问题设计的,它可以跨越多个上下文,帮助智能体记忆一些用户偏好、重要事项等,让智能体的服务更加人性化。

如何开启长期记忆

开启方式也非常简单,在智能体编排页面,中间部分,将"长期记忆"右侧的下拉调为"开启"即可,如下图。

升级版效果演示

长期记忆关闭场景

第一次:生成周一三餐,并告知用餐人数和饮食需求

复制代码
请帮我制作周一三餐
复制代码
请记住用餐人数2人,控糖,午餐和晚餐需要有肉

第二次:清空记录后,生成周二三餐。

清空记录直接点击输入框左侧的"扫帚"图标即可。

复制代码
请帮我制作周二三餐

可以看到,智能体已经忘记第一次告诉的偏好了。

长期记忆开启场景

第一次:生成周一三餐,并告知用餐人数和饮食需求

复制代码
请帮我制作周一三餐

此时"长期记忆"已经开启。

复制代码
请记住用餐人数2人,控糖,午餐和晚餐需要有肉

第二次:清空记录后,生成周二三餐

复制代码
请帮我制作周二三餐

可以看到,智能体已经记住人数和偏好,自动给出符合预期的结果了。

另外,通过"预览与调试"右侧图标,也能查看长期记忆的内容。

结语

今天,我们通过 Coze 平台轻松搭建了一位智能的三餐助手,并通过长期记忆功能让智能体越用越懂你,帮你实现个性化科学饮食管理。

欢迎大家动手体验,如有更多场景需求,欢迎留言交流!

相关推荐
天地沧海5 分钟前
MCP是什么
人工智能
拓端研究室TRL20 分钟前
PySpark、Plotly全球重大地震数据挖掘交互式分析及动态可视化研究
人工智能·plotly·数据挖掘
要努力啊啊啊21 分钟前
强化学习基础概念图文版笔记
论文阅读·人工智能·笔记·深度学习·语言模型·自然语言处理
音程29 分钟前
AdaFactor Optimizer 大模型训练优化器简介
人工智能
产业家37 分钟前
2025年,百度智能云打响AI落地升维战
人工智能·百度
扫地的小何尚44 分钟前
NVIDIA Dynamo:数据中心规模的分布式推理服务框架深度解析
人工智能·分布式·microsoft·链表·语言模型·gpu
SailingCoder1 小时前
grafana-mcp-analyzer:基于 MCP 的轻量 AI 分析监控图表的运维神器!
运维·人工智能·typescript·node.js·grafana
程序员老周6661 小时前
4.大语言模型预备数学知识
人工智能·神经网络·线性代数·自然语言处理·大语言模型·概率论·数学基础
Coovally AI模型快速验证1 小时前
AI+无人机如何守护濒危物种?YOLOv8实现95%精准识别
人工智能·神经网络·yolo·目标检测·无人机·cocos2d
zskj_zhyl1 小时前
智绅科技 —— 智慧养老 + 数字健康,构筑银发时代安全防护网
人工智能·科技·安全