跳到主要内容

OpenClaw AI饮食热量估算教程

开始前请先完成 使用前准备 目录下的 [01-外设硬件配置]、[02-openclaw Ajetson-KEY配置]、[03-openclaw切换模型]、[04-AI语音交互配置]、[05-三种对话方案配置测试]。如果当前只使用 TUI / 飞书，可以先跳过 04。本文默认基础环境已经准备完成，只展开饮食热量估算项目本身。

1. 教程目标​

本文通过“拍照识别 + 大模型估算”的方式，展示 OpenClaw 在饮食分析场景中的自然语言能力。

  • 了解如何使用摄像头和视觉模型做餐盘分析

  • 通过飞书、TUI、语音代码三种方式和 OpenClaw 对话

  • 完成四个项目场景：餐盘拍照、食物识别、热量估算、健康建议

2. 硬件准备​

  • OpenClaw 主控板

  • CSI 摄像头模块

  • OLED 显示屏

  • [可选] AI语音模块+扬声器

  • 接线图

image-20260601100811338

3. 软件准备​

教程中会用到的代码入口

  • 摄像头拍照命令：/home/jetson/hardware_hal_demo/camera

  • 拍照cli：/home/jetson/hardware_hal_demo/cli/seewhat

  • 图片输出目录：/home/jetson/hardware_hal_demo/cli

  • 语音入口：/home/jetson/voice_to_openclaw/src/main.py

这个项目里，真正的“热量估算”主要由大模型完成，因此建议先保证下面两段链路正常：

  • 摄像头可以完成拍照

  • 视觉模型可以完成图片描述

需要注意的是：热量估算更适合作为演示和日常参考，不适合作为医学级、营养师级的精确测量结果。

4. 测试项目基础能力​

开始当前项目之前，请先完成一次 openclaw tui 基础对话自检；如果还没做，先看 [05-三种对话方案配置测试]。通过后，再用 TUI 分别验证项目里的基础能力。

先进入 OpenClaw TUI：

openclaw tui

image-20260601100910431

然后可以先做最基本的拍照和识别测试，例如：

  • 帮我拍一张午饭照片

  • 看看这张餐盘里有什么

5. 和 OpenClaw 对话的三种方案​

方案适合场景优点建议定位
飞书远程记录饮食、课堂演示方便拍照后远程查看结果展示“视觉 + 对话”能力
TUI本地调试、模型联调最直接、最容易验证分析结果先跑通拍照和描述链路
语音代码语音问答、生活助手体验更贴近日常使用方式作为完整演示方案

如果选配了AI语音模块+扬声器，飞书对话、tui、whatsapp对话需要播报openclaw回复的内容，可以终端运行下面的程序，ai语音模块对话不需要重复运行

  • 修改是否打开播报参数

xxxxxxxxxx /home/jetson/voice_to_openclaw/.env xxxxxxxxxx ENABLE_TTS = true #这个参数就是控制是否播报，修改完保存，终端运行下面程序

  • 终端输入

xxxxxxxxxx cd ~/ voice_to_openclaw source . venv / bin / activate python \- m src . openclaw_session_tts

image-20260601100926546

5.1 飞书方案​

飞书接入和机器人创建步骤请直接参考 [05-三种对话方案配置测试]。创建好之后，就可以在飞书里远程发起饮食分析，例如：

  • 拍照看一下当前食物，估算食物热量，如果超过1000卡亮红灯否则亮绿灯，舵机转到90度表示不建议食用，0度代表建议食用

image-20260428161012934

5.2 TUI 方案​

如果已经完成第 0 篇中的 TUI 自检，直接进入终端文字对话：

xxxxxxxxxx openclaw tui

然后输入项目相关指令，例如：

  • 拍照看一下当前食物，估算食物热量，如果超过1000卡亮红灯否则亮绿灯，舵机转到90度表示不建议食用，0度代表建议食用

image-20260428161211918

5.3 语音代码方案​

xxxxxxxxxx 需要选配 ai 语音交互模块 + 扬声器

语音模块安装、环境配置和基础唤醒流程请直接参考 [04-AI语音交互配置]。唤醒之后，就可以直接说出控制内容，例如：

  • 食物卡路里识别

image-20260601101005178

6. 项目实现​

注意：下面都是在 openclaw tui 方式进行对话演示，你也可以自己选择飞书或语音方式来完成。

6.1 场景一：餐盘拍照​

实验目标​

先完成餐盘采图，得到一张可用于后续分析的图片。

效果说明​

拍照成功后，会在本地保存一张餐盘图片，并生成最近一次图片别名，后续的识别和估算都基于这张图片继续进行。

示例指令​

  • 帮我拍一张午饭照片

  • 现在拍一张餐盘图

6.2 场景二：食物识别​

实验目标​

让 OpenClaw 识别餐盘中主要有哪些食物。

效果说明​

这一步的重点不是立刻给热量，而是先把米饭、肉类、蔬菜、饮料等主要内容识别出来，为后面的估算做基础。

示例指令​

  • 看看这顿饭里有哪些食物

  • 帮我识别一下餐盘内容

  • 把主要食材列出来

6.3 场景三：热量估算​

实验目标​

根据识别到的食物内容，让 OpenClaw 给出一个大致热量估算。

效果说明​

OpenClaw 可以根据图片内容和常见食物经验值，给出总热量或分项热量。这个结果更适合做演示和参考，不适合当作严格营养计算。

示例指令​

  • 估算一下这顿饭的总热量

  • 按米饭、鸡蛋、肉和蔬菜分项估算

  • 这份午饭大概是多少大卡

6.4 场景四：健康建议​

实验目标​

让 OpenClaw 在估算热量之后，再给出一句简短建议。

效果说明​

除了报出数字以外，OpenClaw 还可以根据“减脂、增肌、轻食、夜宵”等目标，给出一句更贴近日常交流的建议。

示例指令​

  • 如果我在减脂，给我一句建议

  • 这顿饭搭配是否均衡

  • 帮我把结果总结成一句话

可扩展玩法​

  • 把总热量显示到 OLED

  • 做成每日饮食打卡助手

  • 结合语音播报形成生活场景演示