案例 01 · 智能冰箱：剩菜定制食谱与卡路里追踪器

> 📘 本案例有深度详解（含真实提示词与全程调试）：案例01 · 智能冰箱剩菜食谱与卡路里追踪器

【关键工具】 Bolt.new + Gemini Vision API

【70% Vibe】

这是一个几乎人人都用得上的生活小应用。你打开手机摄像头，对着冰箱里剩下的食材拍一张照片上传，AI 自动识别出"半颗西兰花、两个鸡蛋、一块豆腐"，然后即时生成一份搭配得当、还带卡路里估算的交互式食谱。整个前端——上传按钮、识别结果卡片、食谱排版——用 Bolt.new 一句话就能生成得相当漂亮。视觉识别这一步，则交给 Gemini 的 Vision API。从"想法"到"能在手机上点开的样子"，可能只需要十几分钟。

【30% Engineering】

光鲜的演示背后，有两道真实的坎。

第一道是多食材识别的置信度过滤。图像识别从来不是非黑即白，模型对每个识别结果都会给出一个"置信度"分数。如果你不加处理地把所有结果都显示出来，用户就会看到"冰箱里有一只长颈鹿（置信度 11%）"这种荒唐结果。你需要设定一个合理的阈值，把低置信度的噪声过滤掉，并设计好"什么都没识别到"时的兜底提示。这是典型的、AI 不会主动替你想的边界处理。

第二道是前端拍照权限的跨端兼容。"调用摄像头"这件事，在 iOS Safari、安卓 Chrome、微信内置浏览器里的表现各不相同——有的需要 HTTPS、有的弹权限框的时机不同、有的干脆不支持。要让你的应用在用户的真实设备上都能顺利唤起相机，需要细致地处理这些兼容性差异。这部分恰恰是"在我电脑上明明能用"却在别人手机上失灵的重灾区。