目录
背景
蓝耘Kimi-K2-Instruct模型
核心功能实现
使用指南
快速开始
1、配置AI服务
2、浏览菜谱
3、使用AI助手
4、快速操作
AI配置指南
1、选择API提供商
2、输入API密钥
3、测试连接
4、调整参数
功能介绍
常见问题
AI功能配置
营养分析
快速操作
总结
背景
随着大模型技术的飞速发展，模型即服务（MaaS，Model as a Service）已成为AI应用落地的重要模式。开发者不再需要自行训练和部署底层模型，而是通过API调用云端提供的模型服务，从而大幅降低了AI应用的开发门槛。然而，面对日益丰富的模型选择和供应商，如何高效地评测、选择和调用模型服务成为新的挑战。
蓝耘Kimi-K2-Instruct模型
蓝耘Kimi-K2-Instruct模型是月之暗面（Moonshot AI）推出的最新一代大语言模型，采用创新的混合专家（MoE）架构，总参数量高达1万亿，激活参数为320亿。该模型在架构和训练技术上实现了多项突破，使其在性能和效率上均处于行业领先水平。
下图采取AI Ping平台的官方测评，可见蓝耘元生代无论是延迟还是吞吐都位居顶流。
这里很清晰的可以看到吞吐和延迟的数值，跟其他各大平台对比可见….
这里是展示的是近七日的吞吐数据变化，蓝耘元生代Kimi-K2-Instruct均在首位
这里是展示的是近七日的延迟数据变化，蓝耘元生代Kimi-K2-Instruct均在首位
综上，Kimi-K2-Instruct模型通过架构创新、训练优化和智能体能力提升，构建了一个兼具规模、效率和智能的先进大模型。其技术原理为蓝耘元生代平台提供了强大的模型基础，使其能够提供业界领先的模型服务能力。
核心功能实现
请基于以下详细要求，设计一个完整可运行的低卡营养减肥菜谱网页展示页面，并集成AI大模型API功能：
视觉设计：
-
清新简约风格，主色调为低饱和绿色/蓝色系
-
浅色背景
-
严格限制配色不超过3种
页面结构：
-
固定导航栏（含周一到周日快速跳转）
-
7个日期区块主体内容
-
底部功能区（打印/保存图片按钮）
每日菜谱卡片：
-
每日期含早/午/晚/加餐4张卡片
-
卡片内容：
• 醒目餐点名称
• 带分类图标的主要食材清单
• 分步骤烹饪说明
• 卡路里数值+可视化进度条
-
交互效果：
• 默认：轻微阴影
• 悬停：放大+颜色提亮
技术实现：
-
现代CSS布局（Flexbox/Grid）
-
完全响应式设计（媒体查询适配）
-
平滑过渡动画
-
功能按钮正常工作
-
规范注释的整洁代码
AI集成：
-
调用AP Ping和蓝耘元生代平台API
-
实现AI智能完善菜谱功能
-
添加美食搭配建议模块
请生成可直接运行的完整前端代码（vue），确保：
视觉效果完全符合设计要求
所有交互功能正常
AI接口正确集成
代码结构清晰规范
使用指南
快速开始
1、配置AI服务
打开AI配置面板，选择API提供商并输入密钥
2、浏览菜谱
查看一周的健康菜谱，包含详细的营养信息和制作步骤
3、使用AI助手
向AI营养师提问，获取个性化的饮食建议
4、快速操作
使用快速操作面板生成菜谱、导出数据等
AI配置指南
1、选择API提供商
支持蓝耘元生代平台、AP Ping等AI服务提供商，选择您拥有API密钥的平台。
2、输入API密钥
在配置面板中输入您的API密钥，密钥将安全存储在本地浏览器中。
3、测试连接
点击"测试连接"按钮验证配置是否正确，成功后即可开始使用AI功能。
4、调整参数
根据需要调整温度参数、最大令牌数等高级设置。
功能介绍
常见问题
AI功能配置
我最近在健身，这里我先选择蓝耘元生代模型进行搭配一下我的健身餐，看看效果。
AI营养师建议
🌅 早餐营养建议
根据您的低卡减肥需求，推荐以下早餐选择：
蛋白质丰富早餐 🥚
-
水煮蛋 2个
-
全麦面包 1片
-
低脂牛奶 200ml
-
热量：约350卡
燕麦粥早餐 🥣
-
燕麦片 40g
-
蓝莓 30g
-
杏仁 10g
-
热量：约320卡
希腊酸奶碗 🍦
-
无糖希腊酸奶 150g
-
新鲜草莓 100g
-
奇亚籽 5g
-
热量：约280卡
💡 **小贴士**：早餐热量控制在300-400卡，保证蛋白质摄入有助于维持饱腹感！
营养分析
快速操作
还能进行导出相应文件格式，非常好用
中间有周一到周日的营养餐搭配，在最末尾有一个AI重新生成的功能，这就是调用AI模型将周一到周日的营养餐重新进行搭配生成
总结
该系统成功将前沿的模型即服务（MaaS）能力应用于健康饮食领域，通过集成高性能的万亿参数模型，为用户提供了智能菜谱生成、营养分析与个性化建议等核心功能。在实现上，系统构建了一个清新简约的Web应用界面，以周为维度展示详细的低卡餐谱，并具备完整的交互与导出功能。该项目体现了大模型技术从通用能力向专业场景的高效转化，为降低AI应用开发门槛、构建垂直领域智能服务提供了一个具体实践范例。
