AI厨师:一个用于每周膳食规划的免费系统提示词

发布日期
2024年12月19日
作者
Jacob Lloyd —— 项目完成后,在 AI 协助下撰写
阅读时长
约 9 分钟阅读
AI厨师:一个用于每周膳食规划的免费系统提示词

简单来说: 这是一条免费的复制粘贴指令,能将聊天式人工智能转变为贴心的膳食规划师。它能为你推荐一周的晚餐菜单,提供相应的食谱,还能生成按超市货架分类好的购物清单。使用它无需花费任何费用,就能轻松解决“今晚吃什么?”的难题。

只需一个系统提示词,就能把聊天模型变成一名“膳食规划师”——它会为你安排一周的晚餐菜单、提供相应的食谱,还会生成按超市货架分类的购物清单。我称它为 ProChef。它还有一顶小帽子呢。

简而言之:

  • 这是什么:这是一个系统提示词(“ProChef”),能让聊天式 AI 为你规划一周的膳食安排。
  • 需要付费吗:完全免费——它只是个提示词而已,并非像我在其他地方使用的 AI 代理服务那样需要持续付费的服务。
  • 需要什么条件:任何聊天模型均可。我在本地使用 Ollama 搭配 Open WebUI;不过普通的 ChatGPT 也完全能用。
  • 最终会得到什么:一周的晚餐计划、详细的烹饪步骤说明,以及按超市货架分类好的购物清单。

最终得到的结果

在Open WebUI中,我让ProChef推荐一些既新奇又健康的晚餐选项,它便给出了五种‘异国风味’食谱,从哈里萨酱三文鱼到越南柠檬草牛肉碗都有。
只需发送一条消息,就能获得五种晚餐选择。这是在Open WebUI中本地运行的DeepSeek R1-70B模型。

您告诉它自己的需求,它便会推荐几款菜肴;您从中挑选喜欢的,接着再索要相应的食谱与购物清单。这份清单按蔬菜、蛋白质、谷物及干货分类整理——正是这一点真正帮您在超市里节省时间。

所需条件

我的配置是本地环境:两块 RTX 3090 显卡以及一台 Threadripper 处理器,后端运行 Ollama,前端则使用 Open WebUI。如果你拥有 48 GB 的显存,完全可以照着我的配置来设置。

如果没有这么多显存也别担心。任何能接收系统提示词的工具都可以用;要是你选择的工具不支持这一功能,ChatGPT 也能处理作为初始消息粘贴进去的文本。

至于那个可选的厨师头像,我使用的是 getimg.ai。我没有获得任何赞助,也与之无关——只是我自己用的工具罢了。

设置模型

在 Ollama 上,下载 DeepSeek R1-70B。如果“在家运行一个 700 亿参数的大模型”听起来像是个大工程的话,那它确实如此——我在我的《本地运行 DeepSeek 的四步指南》中详细介绍了具体步骤。

在 ChatGPT 或其他托管服务上,使用默认模型即可。如果您的服务提供了专为食谱场景优化的模型,那当然也可以选用那个。

有一个设置很重要:在模型参数中,将上下文窗口大小设置为不超过您显卡显存容量的数值(对我而言,DeepSeek R1-70B 能处理的上下文长度约为 5,000 个标记;该模型本身几乎会占用全部 48 GB 显存,因此留给上下文的空间就很少了)。设置完成后记得保存即可。

ProChef系统提示词

友情提醒:这段提示词是我借助AI协助撰写的,因此其中出现了像“无缝的用户交互”这类根本没人会说出口的措辞。不过这些表述确实有效,所以保留了下来。请原封不动地复制下方框中的所有内容——包括最后的“重要提示”一行;之所以有这一行,是因为模型总是悄悄地把某些食材从购物清单中遗漏掉。

ProChef系统提示词(请全部复制)

首先:先为用户推荐一周的食谱,在用户明确要求之前不要提供完整的食谱或购物清单。

你是ProChef,一位专为简化膳食规划与烹饪流程而设计的AI助手。你的主要任务包括:根据用户偏好确定每周的菜单、为每道菜生成包含具体数量的详细食材清单、应要求提供逐步的烹饪指导,最后在用户请求时生成条理清晰的购物清单。

工作流程:
1. 确定菜单:与用户沟通以制定一周的膳食计划,需了解其饮食限制(如素食、无麸质等)、预算、时间安排、食物偏好以及任何特殊需求或活动。
2. 生成食材清单与烹饪指导:一旦菜单确定,应要求为每道菜生成精确的食材清单及相应的数量,并给出清晰易懂的烹饪步骤。
3. 生成购物清单:在用户提出请求后,生成一个按超市区域分类的综合购物清单(如生鲜区、乳制品区、谷物区等)。务必列出所有必需的食材,同时考虑到那些通常已有储备、无需购买的常用食材。允许用户自行调整数量或删除已拥有的物品。

关键规范:
- 用户交互:保持简洁且响应迅速的交互界面,确保与用户沟通时信息清晰明了,涵盖菜单规划、食材清单、烹饪指导及购物清单等内容。
- 准确性与完整性:务必保证所提供信息的准确性。所有食材均需完整列出,以免购物或烹饪过程中出现遗漏。
- 高效组织性:将购物清单按超市常见区域分类,以提升用户的购物效率。

用户交互示例:
用户:“我准备好生成购物清单了。”
ProChef:“这是整理好的购物清单。在‘生鲜区’里,您需要购买:1颗生菜、3个番茄……在‘乳制品区’……”

遵循这一高效的工作流程,ProChef能确保用户顺利规划、采购并烹饪出所需的所有菜肴。

重要提示:生成购物清单后,请对照所有食谱逐一核对所列食材——包括那些虽未明确提及但确实需要的食材——以确保无一遗漏。

使用方法:如果您的工具设有系统提示词输入框(在Open WebUI中位于模型设置页面),直接将其粘贴进去并保存即可。如果没有该选项——即便是ChatGPT也是如此——只需将同样的文本作为新对话的首条消息发送即可,效果完全相同。

可选步骤:为你的“厨师”配上脸庞

其实完全没必要这么做。不过我还是这么做了——跟一个有模有样的几何风格“厨师”对话,总比对着一个空白头像说话有趣得多;而且这只需要花五分钟而已。

我在 getimg.ai 上生成厨师图标时的设置

模式: AI 图像生成器 – 基础版
模型: Flux.1
提示词: 一个可爱的几何风格厨师形象。他心情愉快,随时准备帮忙制作美味佳肴。他留着小胡子,头戴一顶遮住眼睛的帽子。
负面提示词: 畸形、卡通化、模糊、裸体、背景元素、武器
生成图片数量: 先生成两张看看效果如何,满意后再将数量设为10张以获得最终版本。

在 getimg.ai 的基础版生成器中输入了相关提示词并选择了 Flux.1 模型,右侧显示了三张生成的厨师图片。
输入提示词后的生成界面。你可以随意调整参数——毕竟这是属于你的专属“厨师”形象。

生成图片后,再微调一下提示词,然后再次生成。我为了得到满意的厨师形象,总共修改了十几次提示词,还生成了大约100张图片呢。选出最满意的一张后,若需要的话还可以放大处理,最后下载下来并设为模型的头像即可。

最终的 ProChef 标志:一个留着小胡子、头戴帽子遮住眼睛的几何风格卡通厨师形象。
最终选定的形象。那顶遮住眼睛的帽子可是必不可少的哦。

让它为你规划一周的食谱吧

把你的限制条件告诉它,然后让它来提议吧。比如可以这样说:

嘿,我希望下周能吃到各种美味的饭菜。请推荐五道既健康又可口的食谱吧,最好能提供两个或更多的选项。我只需要晚餐的食谱。

它会给出一些候选食谱。你可以和它反复商量,直到觉得这一周的安排不错为止。之后再请求它提供具体的食谱做法、所需食材的用量,最后就是购物清单了。这个提示语特意在你主动询问后才给出食谱内容,这样你就不用为了查看计划而翻看冗长的文本啦。

真实示例,未经编辑

下面所有内容均为一次性回复——第一次回答,没有重试或后续调整。您的回复情况可能有所不同。

示例:为讨好岳母而准备的意大利式节日菜单

用户请求如下:

聊天内容:请列出一周的餐单。要求简单易做,能讨得喜欢意大利菜的岳母欢心。
专业厨师的回复:确认收到请求,开始提供简单却令人印象深刻的意大利菜谱建议。

它给出了一周的菜单安排:周一为意式面包配蔬菜汤;随后依次是香蒜酱鸡肉面、帕尔马干酪茄子、阿尔弗雷多意面、香煎鸡肉、烤蔬菜配烤鱼,最后周日则是传统的千层面搭配凯撒沙拉。这些菜式都不复杂且大家都熟悉——对于目标受众而言,这样的选择再合适不过。

之后用户又请求获取具体食谱:

后续聊天内容:太好了!请为上述意大利菜式提供完整的食材清单及详细制作步骤。

模型也乖乖给出了详尽的制作说明。这里就不贴出冗长的文本了——下一个示例里会展示一个完整的例子。

示例:为两位乳糖不耐受者准备的一周菜单——完整输出内容

用户请求:“请为一位乳糖不耐受者及其丈夫制定一周的晚餐计划,尽量减少食材种类、简化烹饪步骤,并按超市分区提供购物清单。”

模型给出的回复原文如下:

一周晚餐计划

周一:烤三文鱼配藜麦沙拉

  • 食材:三文鱼排、藜麦、甜椒、西兰花、荷兰豆、柠檬汁。
  • 做法:烤制三文鱼,煮熟藜麦后与烤蔬菜混合,最后淋上柠檬汁即可。

周二:鸡肉炒饭

  • 食材:鸡胸肉、大米、甜椒、西兰花、荷兰豆、酱油/淡口酱油。
  • 做法:用橄榄油翻炒鸡肉和蔬菜,再搭配米饭食用。

周三:意大利面南瓜配火鸡肉番茄酱

  • 食材:意大利面南瓜、火鸡肉末、无乳制品番茄酱、大蒜。
  • 做法:将南瓜烘烤至软,再将火鸡肉末与番茄酱一同烹煮后混合即可。

周四:牛肉/火鸡肉蔬菜塔可

  • 食材:玉米饼、牛肉或火鸡肉末、生菜、番茄、牛油果、塔可调味料。
  • 做法:用塔可调味料烹煮肉末,再与蔬菜一起包进玉米饼中。

周五:烤鳕鱼配芦笋和土豆

  • 食材:鳕鱼排、芦笋、土豆、柠檬汁、香草(百里香、迷迭香)。
  • 做法:烤制鳕鱼,再将芦笋与土豆用橄榄油及香料烘烤即可。

周六:花生酱虾串配库斯库斯

  • 食材:虾、库斯库斯、花生酱、大蒜。
  • 做法:烤制虾串,煮好库斯库斯后淋上花生酱即可。

周日:火鸡肉汉堡配绿叶蔬菜

  • 食材:火鸡肉饼、生菜、番茄、洋葱、牛油果。
  • 做法:煎熟肉饼后搭配蔬菜一同食用即可。

按超市分区整理的购物清单

生鲜区:

  • 甜椒(2个)
  • 西兰花(1颗)
  • 荷兰豆(1杯)
  • 生菜(1颗)
  • 番茄(3个)
  • 牛油果(3个)
  • 芦笋(1把)
  • 土豆(4个中等大小)
  • 西葫芦(1个)
  • 黄南瓜(1个)
  • 洋葱(2个)
  • 黄瓜(1根)
  • 橄榄(可选)
  • 菠菜(1袋)
  • 柠檬(2个)

肉类区:

  • 三文鱼排(4份)
  • 鸡胸肉(4份)
  • 火鸡肉末(用于做意大利面南瓜料理的1磅,以及制作塔可用的1磅)
  • 鳕鱼排(4份)
  • 虾(1袋冷冻品)
  • 火鸡肉饼(4块)或用来制作肉饼的火鸡肉末

谷物区:

  • 藜麦(2杯)
  • 大米(2杯)
  • 玉米饼(8–10张)
  • 库斯库斯(2杯)

干货区:

  • 橄榄油
  • 椰子油
  • 酱油/淡口酱油
  • 无乳制品番茄酱
  • 塔可调味料
  • 花生酱
  • 盐和胡椒
  • 香草(牛至、罗勒、百里香、迷迭香)

其他:

  • 大蒜
  • 柠檬皮屑或柠檬汁

这份菜单确保了各类食材重复率极低,烹饪方式也简单易行,且完全不含乳制品。祝您度过一段美味又轻松的用餐时光吧!

请注意:生鲜区列出的西葫芦、黄南瓜、黄瓜、橄榄以及菠菜其实并未出现在任何一道菜谱中;干货区甚至出现了椰子油。这些大概算是额外的“赠品”吧。正因如此,提示语才要求模型反复核对清单内容,而您自己也应仔细检查一遍。

我还尝试用同样的请求要求生成无麸质菜单;结果格式完全一致——七道无麸质晚餐方案及按超市分区整理的购物清单,甚至连汤料都明确标注了无麸质属性。

示例:周末约会晚餐菜单

用户请求:“新任务:请为我制定一个周末期间用来招待女友的完整晚餐计划。要求菜品足够诱人,每道菜都要附上详细做法说明,还要按超市分区列出购物清单。”

模型给出的方案浪漫至极:周五是搭配芒果莎莎酱的烤三文鱼;周六则是蒜香土豆泥配羊排;周日则为红酒汁炖牛里脊。每一道菜都配有完整食谱、购物清单,甚至还一本正经地建议要“将菜肴摆盘得赏心悦目”。最后它以“祝您享受这段美食之旅吧!”作结——从这点就能看出是谁编写的啦。不过不得不说,这份菜单本身确实相当出色。

注意事项

  • 本地硬件的上下文容量有限。 在仅有48GB显存的情况下,70B参数的模型能处理的文本长度约为5,000个令牌。一旦包含完整的饮食计划、食谱以及购物清单,就会超出这个限制,导致模型开始遗忘对话开头的内容。建议每周重新开启一次对话;在对话内容变长之前先索要购物清单。
  • 模型有时会遗漏或随意编造食材。 我在提示词末尾添加了“重要信息”这一行,因为之前的购物清单总是缺少食谱中明确需要的食材。这样做有一定帮助,但并不能彻底解决问题。购物前请务必对照食谱检查一遍清单。
  • 食材用量也不可完全轻信。 有个清单建议用火鸡肉末来做塔可,但实际上原食谱要求的是牛肉末。虽然差不多可以买来用,但千万别把它当作绝对标准。
  • 推理型模型在回答前会先进行思考。 R1模型在回复前往往需要花些时间进行思考。对于饮食规划来说这没什么问题——只是别以为它“饿着肚子”才反应慢。关于DeepSeek的其他特性以及我的使用方式,我已在《DeepSeek无处不在》一文中做了详细介绍。

相关文章:DeepSeek:在本地运行指南、DeepSeek无处不在、我的AI代理实际需要多少成本?、在一台迷你电脑上运行的小型AI代理集群。


← 更多AI 与本地 LLM