本文是 Bloomi 参加 Rokid × GPASS AI眼镜智能体大赛的技术文档，基于蚂蚁百宝箱平台搭建。

## 一、产品概述

**Bloomi** 是一款面向女性的 AI 眼镜周期饮食照护智能体。核心能力是通过 AI 眼镜第一视角识别眼前食物，结合用户当前生理周期阶段与身体症状，给出温柔、具体、不制造焦虑的饮食建议。

区别于传统健康 App 的"控制逻辑"（计算卡路里、评判食物好坏），Bloomi 采用"照护逻辑"——不制造数字焦虑，不输出罪恶感，把决定权还给用户。

## 二、技术架构

| 层级 | 技术组件 | 说明 |
|------|---------|------|
| **交互层** | 语音唤醒 + 眼镜拍照采集 + TTS 语音播报 | 免手操作，第一视角闭环 |
| **意图层** | 百宝箱意图识别节点 | 4 大分支：拍照识物、周期咨询、症状记录、开心吃饭 |
| **视觉层** | Qwen-VL-Max-0408 | 识别眼镜第一视角中的食物/饮品名称 |
| **决策层** | Qwen3.6-plus + 结构化周期饮食知识库 | 融合周期档案、食物属性、用户场景生成建议 |
| **输出层** | 文本大模型生成 | 严格控制 40 字以内，适配眼镜语音播报 |

## 三、工作流设计

### 3.1 整体架构

Bloomi 基于蚂蚁百宝箱「工作流」模式搭建，核心链路为：

用户语音输入 → 意图识别分支 → ├─ 拍照识物：眼镜拍照 → VL 识别 → 大模型生成建议 → 结束 ├─ 周期咨询：读取周期档案 → 大模型回答 → 结束 ├─ 症状记录：记录症状 → 大模型确认 → 结束 └─ 兜底引导：通用回复 → 引导用户说出关键词

### 3.2 意图识别分支

采用百宝箱「意图识别」节点，配置 4 个核心意图：

| 意图 | 触发关键词 | 对应分支 |
|------|-----------|---------|
| 经期饮食咨询 | 来月径、经期、第一天 | 文本大模型（Ling-Flash-2.0） |
| 拍照识物 | 帮我看、拍照、眼前、看看 | 眼镜拍照采集 → VL 模型 → 大模型_1 |
| 症状记录 | 痛经、水肿、不舒服 | 文本大模型（Ling-Flash-2.0） |
| 开心吃饭 | 想吃、蛋糕、开心 | 文本大模型（Ling-Flash-2.0） |

**兜底机制：** 当用户输入不匹配任何意图时，进入通用引导分支，提示用户可用关键词，避免对话死循环。

### 3.3 拍照识物链路（核心链路）

用户说"帮我看看" → 触发「眼镜设备拍照采集」（GPASS 端侧 API） → 获取图片数据地址 → 输入「VL 模型」（Qwen-VL-Max-0408）识别食物名称 → 输入「大模型_1」（Qwen3.6-plus） 结合「周期饮食知识库」+「用户周期档案」生成建议 → 输出结果（TTS 语音播报）

关键设计：整个链路免手操作，从语音触发到语音输出，全程 3-5 秒。

### 3.4 周期引擎

**周期饮食知识库（硬编码结构化知识）：**

| 周期阶段 | 宜食 | 忌食 | 身体状态 |
|---------|------|------|---------|
| 经期 | 红糖姜茶、红枣、桂圆、菠菜、牛肉 | 冰饮、生冷海鲜、浓茶、咖啡 | 子宫内膜脱落，偏寒，需温补 |
| 卵泡期 | 豆浆、黑豆、鸡蛋、深海鱼、燕麦 | 过度加工食品、反式脂肪 | 雌激素上升，需补充植物雌激素 |
| 排卵期 | 牛排、坚果、三文鱼、西兰花 | 过度咖啡因、酒精 | 代谢旺盛，需补充能量和抗氧化物 |
| 黄体期 | 香蕉、燕麦、黑巧、南瓜 | 高盐、酒精、过多咖啡因 | 孕激素上升，易水肿和情绪波动 |

**用户周期档案（Demo 阶段硬编码，正式产品支持语音设置）：**
- 当前周期阶段：经期第一天 / 排卵期 / 黄体期等
- 当前症状：痛经 / 水肿 / 无
- 饮食偏好：无特殊 / 素食 / 低糖
- 禁忌：无 / 海鲜过敏 / 乳糖不耐

### 3.5 容错与兜底设计

Bloomi 设计了三级容错机制：

| 场景 | 兜底策略 |
|------|---------|
| 用户输入不匹配任何意图 | 进入通用引导分支，提示可用关键词："你可以说'帮我看看'或'我痛经了'" |
| 眼镜拍照超时/失败 | 播报："我还没有收到眼镜画面，请对准物品停两秒，再说一次哦" |
| VL 模型识别失败 | 大模型引导用户语音确认："我没太看清，你能告诉我这是什么吗？" |

## 四、端侧 / 云端插件运用

| 插件/能力 | 类型 | 用途 |
|----------|------|------|
| **眼镜设备拍照采集** | 端侧（GPASS API） | 获取 Rokid 眼镜第一视角画面 |
| **Qwen-VL-Max-0408** | 云端 | 视觉识别，提取食物名称 |
| **Qwen3.6-plus** | 云端 | 自然语言生成，融合知识库输出建议 |
| **TTS 语音合成** | 云端 | 将文字建议转为语音播报 |
| **意图识别** | 百宝箱内置 | 语音输入分类，路由到不同分支 |

## 五、核心创新点

### 5.1 三维决策引擎

构建「周期阶段 × 食物属性 × 用户场景」的实时决策矩阵。同一杯沙拉，在经期被建议"避开生冷"，在排卵期被鼓励"补充蛋白"——实现千人千面的饮食建议。

### 5.2 "三不"产品设计原则

1. **不计算卡路里**：避免数字焦虑
2. **不评判食物好坏**：没有"罪恶食物"
3. **不制造控制感**：把决定权还给用户

### 5.3 多模态融合决策

语音模态（意图识别）→ 视觉模态（VL 识物）→ 知识模态（周期饮食库）→ 决策输出（大模型生成），三模态融合实现"零摩擦"交互。

### 5.4 零摩擦交互范式

从"搜索式"到"感知式"：用户不需要打开 App、不需要输入症状、不需要描述食物，只需要看着眼前的食物说一句话，建议自然出现。

### 5.5 Prompt 知识工程

Bloomi 的核心技术壁垒之一并非底层模型自研，而是**垂直领域的 Prompt 知识工程**。

传统大模型在饮食建议上容易给出泛泛而谈的回复（如"注意饮食均衡"），缺乏针对女性生理周期的专业性和可执行性。Bloomi 通过**结构化知识注入 + 多维度约束模板**，将大模型输出从"通用聊天"提升为"精准照护"。

**结构化周期饮食知识注入： 在 Prompt 中硬编码四个阶段的宜忌食物、身体状态原理，形成知识锚点。

**多维度输出约束模板：
- 字数约束：回复严格控制在 40 个中文字符以内
- 语气约束：禁用"亲爱的"等客服用语，改用"宝""乖"等闺蜜口吻
- 结构约束：必须包含"确认食物 + 周期状态提示 + 具体替代食物 + 温柔收尾"
- 边界约束：禁止医疗诊断，禁止计算卡路里，禁止评判食物好坏

## 六、迭代过程

本项目在 10 天内完成从 0 到 Demo 跑通，累计发布 20+ 次进行迭代优化：

| 迭代次数 | 关键优化点 |
|---------|-----------|
| 第 1-5 次 | 跑通意图识别与拍照链路，解决 VL 模型识别稳定性 |
| 第 6-10 次 | 引入周期档案，解决"通用回复"问题，回复开始带周期信息 |
| 第 11-15 次 | 优化 Prompt 工程，语气从"客服感"转为"闺蜜感"，控制字数在 40 字以内 |
| 第 16-20 次 | 引入结构化周期饮食知识库，建议从"泛泛而谈"转为"具体可执行" |
| 第 20+ 次 | Rokid 眼镜端实拍测试，验证第一视角闭环 |

## 七、商业化路径

| 路径 | 模式 | 目标场景 |
|------|------|---------|
| C 端订阅 | 月付会员 | 解锁个性化周期档案 + 每日三餐建议 |
| B 端企业 | 员工福利采购 | 互联网公司/外企女性员工健康关怀 |
| 硬件生态*| GPASS 智能体商店 + 餐饮零售合作 | Rokid/雷鸟用户直接下载，轻食品牌"周期套餐"推荐 |

## 八、团队分工

| 角色 | 职责 |
|------|------|
| 卡卡Kadi产品/设计 | Bloomi 品牌定位、交互流程设计、Prompt 工程 |
| 阿Sir 智能体开发 | 百宝箱工作流搭建、意图分支配置、模型调优 |
| 卡米 测试/文档 | 眼镜端实拍测试、迭代验证、技术文档撰写 |

> Slogan：看见食物，理解身体，温柔选择。