Coze 开源＋豆包 1.6 flash 0715 带来超强图像理解能力，3 分钟一键部署、再花几行代码，就做了一款拍照就能识别食物嘌呤值的小工具——「痛风你别吃」。现在，只要把镜头对准餐桌，哪盘是“痛风套餐”、哪盘放心吃，手机秒告诉你！

黄叔其实一直有个痛苦，就是痛风，喝不了酒，吃不了海鲜，刚开始中招那会，收到了各种图片，上面写了一大堆哪些能吃哪些不能吃，搞得每次吃饭都得掏出来自己比对，麻烦死了。

最近Coze开源，加上豆包发布了豆包1.6 flash 0715，大幅增强了图像理解能力，并且能输出图片标注，黄叔眼前一亮，于是，“痛风你别吃”出炉了：

欢迎大家体验：tong.superhuang.me

真的，可以线上访问的，但是被微信封杀了，大家可以复制链接，用浏览器打开访问，也可以在PC端上体验哈哈，免费！

很强，识别准确度非常高，不光是能直接在图上圈选出来，并且可以识别是什么食物，还能把具体的嘌呤值给到，现在每次吃饭前，我都要掏出手机，拍照识别一下！

那这套产品得益于开源Coze，以及最新的豆包1.6 flash 0715，很方便就实现了，下面来给大家讲解下如何实现的：

第一步：3分钟完成开源Coze部署

Coze开源后，很快在GitHub就拿到了14.9k+ Stars了，很强，但是要下载到本地再部署，总归还是难倒了不少朋友。

没事，火山直接提供了一键部署方案，3分钟全部完成线上部署！真的，简单到这份上，黄叔没话说了：

目前有两个版本可以一键部署，对应两个入口，分别是：

Coze Studio（开发者工具，本次教程内容）：https://v2mg.cn/pbzSXXos5Wk/

Coze Loop（扣子罗盘）：https://v2mg.cn/_RCsVbO7YDQ/

咱们这次开发用的是Coze Studio，直接复制上面的链接，登录火山账号，点击立即部署。

需要配置完密码和管理员邮箱，这个会作为你 Coze 的管理员账号。

点击提交订单后，完成支付，它就马上开始部署了。

等部署完成，系统会返回访问地址。

不需要自己配机器，也不需要写部署脚本，部署完之后给你一个公网地址，点进去就是完整的系统界面：

第二步：添加最新的大模型

但是，这时默认配置的模型里还没有最新的doubao 1.6 flash 0715，需要用远程连接添加一下模型：

先进入火山引擎「云服务器」

https://console.volcengine.com/ecs

远程链接需要服务器的密码，先重置一下密码：

重置密码的时候把立即重启的选项勾上，然后点确定，咱们的密码修改就搞定了。

接下来就可以进入远程连接了：

用你刚刚设置好的密码进入远程服务器的终端，这个时候别慌，也很简单：

cd workspace/coze-studio*/docker/

vim .env

翻一翻，找到上面Settings for Model部分，找着把下面这部分代码新增进去到上面这个部分的后面：

（先在屏幕上点击i开启编辑模式）

export MODEL_PROTOCOL_1=”ark” # protocol

export MODEL_OPENCOZE_ID_1=”100002″ # id for record

export MODEL_NAME_1=”doubao-seed-1-6-flash-250715″

export MODEL_ID_1=”doubao-seed-1-6-flash-250715″

export MODEL_API_KEY_1=”f9772eba-6dd6-4154-adbf-***”

export MODEL_BASE_URL_1=”” # model base url

注意，黄色部分填入你自己的API Key

正常的形状是这样的：

然后就可以按下ESC，退出编辑模式，再输入完成对.env文件的保存：

:wq

接着，执行如下指令，重启一下coze-server的Docker容器，让配置生效：

docker compose –profile “*” restart coze-server

第三步：配置Coze

好了，再回到Coze，登录进去，这时就有了最新的大模型：

然后就是workflow的配置，也很简单：

在LLM节点里，注意我们要选择doubao 1.6 flash 0715

然后提示词可以用：

请仔细分析{{image}}图片中的食物。如果图片中没有明确的食物内容，或者图片模糊无法识别，请回复”无法识别”。

如果能识别到食物，请按以下要求分析：

分析要求：

1. 仔细观察图片中的每个盘子和食物

2. 识别具体的食物种类（如：生蚝、螃蟹、鱼类、虾类、蔬菜等）

3. 根据嘌呤含量准确分类：

– 高嘌呤 >150mg/100g：海鲜（生蚝、螃蟹、虾、贝类）、内脏、浓汤

– 中嘌呤 50-150mg/100g：鱼肉、普通肉类、豆制品

– 低嘌呤 <50mg/100g：蔬菜、水果、蛋类

位置标注要求（非常重要）：

– 仔细观察每个食物在图片中的确切位置

– 使用精确的百分比坐标（0.0-1.0，保留2位小数）

– x, y 是边界框左上角的位置（从图片左上角开始计算）

– width, height 是边界框的宽度和高度

– 确保边界框紧密贴合食物边缘，不要过大或过小

– 对于盘装食物，框选整个盘子区域

示例坐标说明：

– x=0.10 表示距离左边10%的位置

– y=0.20 表示距离顶部20%的位置

– width=0.25 表示宽度占图片25%

– height=0.15 表示高度占图片15%

重要：

请只返回标准JSON格式，不要包含markdown标记或其他解释文字。

如果无法识别食物，请直接回复”无法识别”：

{ “highPurineFoods”: [{“name”: “具体食物名”, “purine”: 具体数值, “description”: “简要描述”}], “mediumPurineFoods”: [{“name”: “具体食物名”, “purine”: 具体数值, “description”: “简要描述”}], “lowPurineFoods”: [{“name”: “具体食物名”, “purine”: 具体数值, “description”: “简要描述”}], “coordinates”: { “high”: [{“x”: 0.xx, “y”: 0.xx, “width”: 0.xx, “height”: 0.xx}], “medium”: [{“x”: 0.xx, “y”: 0.xx, “width”: 0.xx, “height”: 0.xx}] } }

测试后就可以保存，回到Bot页面，就配置好了：

这个时候我们可以看到Coze能够正常输出内容了。

第四步：开发网页

然后可以把它发布成API，点击右上角的Publish，然后选择发布成API，并且配置后，生成一个Access Token，用这个API就可以用各种AI编程工具，比如Trae，来开发一个网页:

这个真的不能吃。。。痛风套餐！

注意，最后这一步，建议大家先把图片上传到图床，拿到图片链接，再给Coze处理比较好。

开源真好

写到这里，不得不为扣子和火山引擎的这波“开源普惠”鼓个掌。

扣子的开源，给了我们开发者一个完整可用的工程模版，更关键的是，火山引擎已经把“部署难”这个痛点给一键解决了——自动化部署！完成了进一步的技术普惠。

是的，目前只有火山引擎单独的开发了这套自动化的扣子开源版部署方案，这样我们开发者就可以快速的在火山引擎体验到扣子的的全栈能力，并充分适配和调用更多火山的工具和能力！

开源的Coze + 开放的火山引擎，这个组合正在催化一个更有活力的AI Agent生态。今天还有朋友找我，问一个企业内解决方案，我想都没想就回他，用Coze呀！

是的，如果你有需要，也可以试试这套方案。