当前位置: 首页 > article >正文

智膳优选 | AI赋能的智慧食堂管理专家 —— 基于飞书多维表格和扣子(Coze)的智能解决方案


智膳优选 | AI赋能的智慧食堂管理专家
基于飞书多维表格和扣子(Coze)的智能解决方案

数据驱动餐饮管理,让每一餐都是营养与经济的完美平衡!

“智膳优选”通过整合飞书与Coze,将数据智能引入校园餐饮管理,旨在帮助学校食堂实现:

  • 成本可控:科学核算,精准定价,避免亏损。
  • 营养保障:量化标准,智能配餐,均衡健康。
  • 高效管理:流程自动,数据驱动,轻松决策。
  • 运营透明:过程记录,结果可溯,便于监督。

最终目标是推动学校食堂向“公益优先、成本可控、营养健康、运营智能”的新模式转型,让每一餐都成为营养与经济的完美平衡,切实保障广大师生的饮食权益。


📖 更详细的飞书文档及体验地址:https://mealoptima.feishu.cn/base/PgDqbJoYoaTjtNskSEkcv9WJn1d

🌻 若您对飞书文档的风格不甚满意,欢迎访问我们精心设计的GitBook文档页面,或许能为您提供更舒适的阅读体验:https://mealoptima.gitbook.io/


在这里插入图片描述

🌟 项目背景

随着我国教育事业的快速发展,学校在校就餐人数持续增长,已形成以午餐为主体,部分学校延伸提供早餐、晚餐及课间加餐的多元化供餐体系。在服务规模不断扩大的背景下,现行食堂成本核算与定价管理模式已显现出与新时期发展需求不相适应的突出问题:

  1. 定价机制科学性不足:现行定价标准尚未建立与运营成本动态关联的科学模型,主要依赖历史定价和横向参考周边学校的粗放式管理模式。这种机制导致各校食堂运营呈现两极分化态势:部分单位因定价虚高形成资金沉淀,另一些单位则因定价偏低陷入持续亏损,严重制约食堂服务的可持续发展。
  2. 营养均衡与成本控制难以兼顾:如何在保障学生营养健康的前提下,有效控制成本,并根据市场变化灵活调整配餐方案,是当前学校食堂面临的巨大挑战。传统的排餐方式往往依赖经验,难以精确量化营养和成本,无法实现最优化。
  3. 管理效率低下与监督不足:手动进行成本核算、排餐制定、数据分析等工作耗时耗力,且容易出错。同时,缺乏透明、高效的监督机制,难以保障食堂运营的规范性。
    上述管理短板已对学校餐饮服务质量提升、财政资金规范使用以及师生权益保障形成系统性制约。建立科学规范、数据驱动的成本核算与智能排餐体系,已成为推进教育后勤服务现代化、实现食堂运营可持续发展的当务之急。

“智膳优选” 应运而生,旨在利用飞书多维表格的强大数据管理能力和扣子(Coze)平台的智能算法与AI评估能力,构建一套AI赋能的智慧食堂管理解决方案,解决上述痛点,实现营养、成本与效率的平衡。

✅ 优势与价值

“智膳优选”解决方案基于飞书多维表格和扣子(Coze)平台,具备以下核心优势与价值:

1. 科学定价与成本精算

  • 精准成本核算:系统化管理菜品 (01-菜品管理)、原料 (03-原料管理) 及配料清单 (02-配料清单),自动计算每道菜品的直接成本。
  • 灵活间接成本分摊:支持按销量、时间的方式分摊水电、人工等间接成本 (04-间接成本),确保成本核算的全面性与准确性。
  • 动态智能定价:根据目标利润率 (07-系统配置) 自动计算建议售价,同时支持手动调价,确保食堂在公益性与可持续经营之间取得平衡。

2. 营养均衡与智能配餐

  • 量化营养管理:基于权威食物成分数据库 (03-原料管理),精确计算每道菜品及每餐的宏量营养素含量。
  • 标准化营养指导:内置可配置的每餐及每日营养摄入标准 (06-营养标准-每餐, 95-营养标准-每日),为智能排餐提供科学依据。
  • AI优化排餐:利用在Coze平台搭建的智能算法,综合考虑营养需求 (营养权重, 营养素偏差比例)、成本预算 (每日餐标, 餐标浮动比例)、菜品多样性 (菜品最小重复天数, 多样性权重) 及口味偏好(未来可拓展)等多重因素,自动生成未来多日 (配餐天数) 的优化配餐方案 (08-排餐方案)。
  • AI智能评估:Coze可对生成的菜谱进行智能评估,确保方案的合理性。

3. 数据驱动与高效管理

  • 结构化数据管理:所有数据(菜品、原料、成本、配置、排餐方案等)均存储于飞书多维表格,结构清晰,易于管理和追溯。
  • 自动化流程:通过飞书自动化 (99-智能菜单生成) 一键触发Coze工作流,自动完成排餐方案的生成与存储,极大提升工作效率。
  • 可视化分析与决策支持:沉淀的菜品数据可对接飞书仪表盘 (100-数据分析)或专业BI工具(Tableau),进行多维度、可视化的数据分析,为食堂管理者提供直观的决策依据,持续优化菜品搭配和餐厅运营。

4. 透明公开与强化监督

  • 过程透明可追溯:排餐方案的生成逻辑(配置参数)与结果 (08-排餐方案) 均有记录,便于核查与监督。
  • 日志记录完整:自动化流程的执行日志 (11-排餐方案-生成日志) 提供完整的操作记录,确保系统运行的公开透明。

🚀 快速开始

  • 💫 多维表格:xx食堂 | AI赋能的智慧食堂管理专家
  • 🚀 使用流程:快速开始-飞书文档

🔧 系统架构

用户 飞书多维表格 飞书自动化插件 Netlify 函数服务 Coze OAuth API Coze Workflow API Coze 工作流 智能排餐插件 (Coze) 触发自动化规则 执行插件 (携带配置参数) 请求 Coze JWT (携带 AppID, KeyID) 返回 Coze JWT 请求 Coze Access Token (使用 JWT) 返回 Coze Access Token 调用工作流 (携带 Coze Access Token, 表格ID, Feishu Tenant Token) 启动工作流实例 (传递参数) 调用排餐插件 (传递参数) 执行排餐算法 (通过 Feishu OAPI 读取/写入数据) 返回排餐结果/状态 返回工作流结果 返回最终结果 (JSON) (自动化后续步骤) 回写日志/结果到指定字段 用户 飞书多维表格 飞书自动化插件 Netlify 函数服务 Coze OAuth API Coze Workflow API Coze 工作流 智能排餐插件 (Coze)

😃 为什么选择飞书和Coze?

“智膳优选”项目的成功实施,依赖于强大的数据管理能力和先进的智能算法引擎。飞书多维表格和扣子(Coze)平台的组合,为我们提供了理想的技术基础:

1. 飞书多维表格:灵活的数据基座与协作中心

  • 强大的结构化数据管理: 飞书多维表格提供了远超传统电子表格的灵活性,能够轻松构建复杂数据模型,支持丰富的字段类型、视图和关联关系,完美契合食堂管理的多样化数据需求。
  • 无缝的自动化与集成: 飞书平台内置的自动化引擎,可以方便地创建如 99-智能菜单生成 这样的自动化流程。如 meal_planner_lark_bit_ext/src/register.ts 所示,我们可以通过飞书自动化动作触发外部服务(如Coze工作流),并将结果回写到多维表格,实现业务流程的闭环自动化。其开放的API (lark-oapi SDK) 也保证了与外部系统的良好集成能力。
  • 便捷的协作与可视化: 基于飞书的协作环境,食堂管理人员可以方便地共同维护数据。结合飞书仪表盘 (100-数据分析),可以将运营数据进行可视化呈现,辅助管理决策。

2. 扣子(Coze):智能算法引擎与AI能力平台

  • 强大的AI工作流编排: Coze 提供了可视化的工作流编辑器,能够方便地编排、部署和运行包含复杂逻辑和AI能力的自动化流程。本项目核心的智能排餐算法 (meal_planner_lib.meal_planner 模块) 正是通过Coze工作流来执行和管理的。
  • 易于集成的AI能力: Coze平台封装了多种AI能力,包括大语言模型等,可用于实现菜谱的智能评估、优化建议等高级功能,提升排餐方案的科学性和合理性。
  • 安全可靠的API调用: Coze提供了标准的API接口和安全的认证机制(如 register.ts 中处理的JWT和OAuth Access Token),使得飞书自动化能够安全、稳定地调用其智能排餐服务。

飞书多维表格提供了结构化、易管理、可自动化的数据基础和用户交互界面,而Coze则提供了强大的智能算法执行环境和AI能力支持。二者的结合,使得“智膳优选”能够高效地处理复杂的食堂运营数据,并利用AI技术生成科学、合理、经济的排餐方案,与项目初衷完美契合。

⚡ 代码仓库

  • GitHub: https://github.com/sylvanding/mealoptima

🌈 后续规划

为了持续提升“智膳优选”系统的智能水平和用户体验,我们规划了以下几个方面的发展方向:

  1. 引入食物搭配宜忌,优化配餐评分:
    • 在当前的配餐算法基础上,进一步研究和整合食物相宜相克的知识库。
    • 优化配餐得分计算函数,将食物搭配的合理性纳入评分体系。
  2. 采用混合优化算法,提升排餐质量:
    • 探索更先进的混合排餐算法策略,以应对更复杂的约束和优化目标。
    • 计划结合 遗传算法 进行全局搜索,寻找更优的整体配餐方案组合;利用 动态规划 精确处理多日营养目标的累积与平衡;使用 贪心算法 快速生成高质量的初始解,提高算法效率和方案质量。
  3. 扩展营养素考量范围,实现更全面的营养管理:
    • 目前系统主要关注能量和宏量营养素(蛋白质、脂肪、碳水化合物)。
    • 未来计划引入 微量营养素(如维生素、矿物质等)的计算与优化,依赖更全面的食物成分数据,生成更加精细化、更符合全面营养需求的配餐方案。
  4. 整合飞书低代码平台,增强系统扩展性:
    • 探索将飞书多维表格与飞书低代码平台进行深度结合。
    • 利用低代码平台构建更丰富的用户交互界面、定制化的审批流程或与其他校内系统(如库存管理、采购系统)的集成,进一步提升系统的易用性和业务覆盖范围。
  5. 完善数据分析与可视化,赋能精细化运营:
    • 充分利用飞书多维表格的“仪表盘”功能 (100-数据分析),设计和开发更多维度的可视化分析报告,例如菜品销售趋势分析、成本利润动态监控、学生营养摄入状况评估等,为食堂管理者提供更深入的数据洞察。

相关文章:

智膳优选 | AI赋能的智慧食堂管理专家 —— 基于飞书多维表格和扣子(Coze)的智能解决方案

智膳优选 | AI赋能的智慧食堂管理专家 基于飞书多维表格和扣子(Coze)的智能解决方案 数据驱动餐饮管理,让每一餐都是营养与经济的完美平衡! “智膳优选”通过整合飞书与Coze,将数据智能引入校园餐饮管理&#xff0…...

深入解析 MySQL 中的日期时间函数:DATE_FORMAT 与时间查询优化、DATE_ADD、CONCAT

深入解析 MySQL 中的日期时间函数:DATE_FORMAT 与时间查询优化 在数据库管理和应用开发中,日期和时间的处理是不可或缺的一部分。MySQL 提供了多种日期和时间函数来满足不同的需求,其中DATE_FORMAT函数以其强大的日期格式化能力,…...

最新的es版本忘记密码,重置密码

刚刚安装了最新的es版本,就忘了密码,怎么重置密码呢? 一、进入es的斌目录 #进入es文件/bin 目录 ./elasticsearch-reset-password -u elastic 二 、输入对应的密码 然后再次访问 我的是去掉了ssl的访问 三、如果报错:解决 [main] WARN...

Compose Multiplatform+Kotlin Multiplatfrom 第五弹跨平台 截图

截图功能 Compose MultiplatformKotlin Multiplatfrom下实现桌面端的截图功能,起码搞了两星期,最后终于做出来了,操作都很流畅,截取的文件大小也正常,可参考支持讨论! 功能效果 代码实现 //在jvmMain下创…...

Elasticearch数据流向

Elasticearch数据流向 数据流向图 --- config: layout: elk look: classic theme: mc --- flowchart LR subgraph s1["图例"] direction TB W["写入流程"] R["读取流程"] end A["Logstash Pipeline"] -- 写入请求 --> B["Elas…...

在docker里装rocketmq-console

首先要到github下载(这个一般是需要你有梯子) GitHub - apache/rocketmq-externals at release-rocketmq-console-1.0.0 如果没有梯子,用下面这个百度网盘链接下 http://链接: https://pan.baidu.com/s/1x8WQVmaOBjTjss-3g01UPQ 提取码: fu…...

使用Python写入JSON、XML和YAML数据到Excel文件

在当今数据驱动的技术生态中,JSON、XML和YAML作为主流结构化数据格式,因其层次化表达能力和跨平台兼容性,已成为系统间数据交换的通用载体。然而,当需要将这类半结构化数据转化为具备直观可视化、动态计算和协作共享特性的载体时&…...

从零开始构建智能聊天机器人:Rasa与ChatGPT API实战教程

引言:AI对话系统的时代机遇 在数字化转型浪潮中,聊天机器人已成为连接用户与服务的关键纽带。无论是客服系统中的724小时即时响应,还是智能家居中的语音交互,聊天机器人正在重塑人机交互方式。本文将通过详细教程,手把…...

编码常见的 3类 23种设计模式——学习笔记

一、创建型(用于方便创建实例) 1. 单例模式 优点: 确保系统中只有一个实例存在,避免多个实例导致的资源冲突或数据不一致问题。例如,数据库连接池、线程池等全局资源管理器适合用单例实现。 减少频繁创建和销毁对象的开销,尤其适…...

# 实时人脸性别与年龄识别:基于OpenCV与深度学习模型的实现

实时人脸性别与年龄识别:基于OpenCV与深度学习模型的实现 在当今数字化时代,计算机视觉技术正以前所未有的速度改变着我们的生活与工作方式。其中,人脸检测与分析作为计算机视觉领域的重要分支,已广泛应用于安防监控、智能交互、…...

x-cmd install | Slumber - 告别繁琐,拥抱高效的终端 HTTP 客户端

目录 核心优势,一览无遗安装应用场景,无限可能示例告别 GUI,拥抱终端 还在为调试 API 接口,发送 HTTP 请求而苦恼吗?还在各种 GUI 工具之间切换,只为了发送一个简单的请求吗?现在,有…...

apijson 快速上手

apijson是强大的工具,简化了CRUD的操作,只要有数据库表,就能自动生成RESTFUL接口。但初次上手也是摸索了很长时间,尤其是部署与使用上,这里尝试以初学者角度来说下: 一、好处 1、对于简单的应用&#xff…...

3D激光轮廓仪知识整理

文章目录 1.原理和应用场景1.1 相机原理1.1.1 测量原理1.1.2 相机激光器1.1.3 沙姆镜头1.1.4 相机标定1.1.5 中心线提取 1.2 应用场景1.2.1 测量相关应用1.2.2 缺陷检测相关应用 2.相机参数介绍及选型介绍2.1 成像原理2.2 原始图成像2.3 生成轮廓图2.4 相机规格参数2.4.1 单轮廓…...

Stable Diffusion+Pyqt5: 实现图像生成与管理界面(带保存 + 历史记录 + 删除功能)——我的实验记录(结尾附系统效果图)

目录 🧠 前言 🧾 我的需求 🔧 实现过程(按功能一步步来) 🚶‍♂️ Step 1:基本图像生成界面 🗃️ Step 2:保存图片并显示历史记录 📏 Step 3&#xff1a…...

使用WasmEdge将InternLM集成到Obsidian,打造本地智能笔记助手

本文来自社区投稿,作者Miley Fu,WasmEdge Runtime 创始成员。 本文将介绍如何通过 WasmEdge 将书生浦语(InternLM)大模型部署在本地,并与 Obsidian 笔记软件集成,从而在笔记软件中直接利用大模型实现文本总…...

深入理解Softmax函数及其在PyTorch中的实现

Softmax函数简介 Softmax函数在机器学习和深度学习中,被广泛用于多分类问题的输出层。它将一个实数向量转换为概率分布,使得每个元素介于0和1之间,且所有元素之和为1。 Softmax函数的定义 给定一个长度为 K K K的输入向量 z [ z 1 , z 2 …...

JGraphT 在 Spring Boot 中的应用实践

1. 引言 1.1 什么是 JGraphT JGraphT 是一个用于处理图数据结构和算法的 Java 库,提供了丰富的图类型和算法实现。 1.2 为什么使用 JGraphT 丰富的图类型:支持简单图、多重图、伪图等多种图类型。强大的算法库:提供最短路径、最小生成树、拓扑排序等多种算法。易于集成:…...

java导入excel更新设备经纬度度数或者度分秒

文章目录 一、背景介绍二、页面效果三、代码0.pom.xml1.ImportDevice.vue2.ImportDeviceError.vue3.system.js4.DeviceManageControl5.DeviceManageUserControl6.Repeater7.FileUtils8.ResponseModel9.EnumLongitudeLatitude10.词条 四、注意点本人其他相关文章链接 一、背景介…...

视频设备轨迹回放平台EasyCVR远程监控体系落地筑牢国土监管防线

一、背景概述 我国土地资源遭违法滥用的现象愈发严峻,各类土地不合理利用问题频发。不当的土地开发不仅加剧了地质危害风险,导致良田受损、森林资源的滥伐,还引发了煤矿无序开采、城市开发区违建等乱象,给国家宝贵的土地资源造成…...

tree-sitter 的 grammar.js 编写方法

tree-sitter 的 grammar.js 编写方法 一、grammar.js 的作用是什么?二、基本结构三、关键词解释四、编写小技巧1. 起点是 source_file2. 所有规则名(如 identifier, number)都是 $ > ...3. 正则表达式用于定义词法规则(终结符&…...

Git 实践笔记

这里写自定义目录标题 一、将当前改动追加到某次commit上二、git 强制修改分支位置 一、将当前改动追加到某次commit上 stash工作区中的当前改动 git stash假设需要修改的commit是 f744c32,将HEAD移动到需要改动的commit的父提交上 git rebase f744c32^ --interact…...

【特权FPGA】之数码管

case语句的用法: 计数器不断的计数,每一个num对应数码管一种数据的输出。实例通俗易懂,一目了然。 timescale 1ns / 1ps// Company: // Engineer: // // Create Date: // Design Name: // Module Name: // Project Name: //…...

Stable Diffusion 四重调参优化——项目学习记录

学习记录还原:在本次实验中,我基于 Stable Diffusion v1.5模型,通过一系列优化方法提升生成图像的质量,最终实现了图像质量的显著提升。实验从基础的 Img2Img 技术入手,逐步推进到参数微调、DreamShaper 模型和 Contro…...

遇到git提交报错:413

是因为提交文件过大导致内存溢出。 解决方法: 假设您的提交历史如下: Apply to .gitignore abcd123 当前提交 efgh456 包含node_modules的提交 ijkl789 较早的正常提交 您可以: 回退到添加node_modules之前的提交: bash App…...

关于nacos注册的服务的ip异常导致网关路由失败的问题

文章目录 关于nacos注册的服务的ip异常导致网关路由失败的问题相关处理方案为方案一:手动指定服务注册的 IP 地址方法二:设置优先使用的网络段方法三:指定网络接口方法四:忽略特定的网卡 备注 关于nacos注册的服务的ip异常导致网关路由失败的…...

大模型在初治CLL成人患者诊疗全流程风险预测与方案制定中的应用研究

目录 一、绪论 1.1 研究背景与意义 1.2 国内外研究现状 1.3 研究目的与内容 二、大模型技术与慢性淋巴细胞白血病相关知识 2.1 大模型技术原理与特点 2.2 慢性淋巴细胞白血病的病理生理与诊疗现状 三、术前风险预测与手术方案制定 3.1 术前数据收集与预处理 3.2 大模…...

【C++游戏引擎开发】第9篇:数学计算库GLM(线性代数)、CGAL(几何计算)的安装与使用指南

写在前面 两天都没手搓实现可用的凸包生成算法相关的代码,自觉无法手搓相关数学库,遂改为使用成熟数学库。 一、GLM库安装与介绍 1.1 vcpkg安装GLM 跨平台C包管理利器vcpkg完全指南 在PowerShell中执行命令: vcpkg install glm# 集成到系…...

408 计算机网络 知识点记忆(8)

前言 本文基于王道考研课程与湖科大计算机网络课程教学内容,系统梳理核心知识记忆点和框架,既为个人复习沉淀思考,亦希望能与同行者互助共进。(PS:后续将持续迭代优化细节) 往期内容 408 计算机网络 知识…...

基于Python脚本实现Flink on YARN任务批量触发Savepoint的实践指南

基于Python脚本实现Flink on YARN任务批量触发Savepoint的实践指南 一、背景与价值 在流计算生产环境中,Flink on YARN的部署方式凭借其资源管理优势被广泛采用。Savepoint作为Flink任务状态的一致性快照,承载着故障恢复、版本升级、作业暂停等重要场景…...

我可能用到的网站和软件

我可能用到的网站和软件 程序员交流的网站代码管理工具前端组件库前端框架在线工具人工智能问答工具学习的网站Windows系统电脑的常用工具 程序员交流的网站 csdn博客博客园 - 开发者的网上家园InfoQ - 软件开发及相关领域-极客邦掘金 (juejin.cn) 代码管理工具 GitHub 有时…...