第 3 课 拍餐估热量：让大模型回 JSON，App 自己解析记账 | 大模型多模态专题

返回专题

• 做完你会得到什么
• 为什么要让模型回 JSON
• 准备
• 界面组件
• 分步搭
  • 第 1 步：换视觉模型，关掉流式
  • 第 2 步：结构化输出的提示词
  • 第 3 步：把 JSON 从回答里「抠」出来再解码
  • 第 4 步：填列表，合计自己算
  • 第 5 步：按天记账
  • 第 6 步：出错处理
• 这一课的要点
• 常见问题
• 平台说明
• 下一课

做完你会得到什么

一个「拍餐估热量」App：拍下这顿饭，AI 列出每样食物、分量和估算热量，App 自己算出合计；点「记到今天」，一天吃了几顿、多少千卡一目了然，第二天自动从零开始。

图为执行最终 .aia 里的真实积木生成的布局预览，不是真机截图；AI 的回答与照片、生成的图片都是示意。

下载本课 .aia（MealCalorie.aia）

为什么要让模型回 JSON

前两课的回答是给人看的，一段话显示出来就完了。可一旦要用回答里的数据——加总热量、存进数据库、画成图表——一段自然语言就没法用了：「大概两百来卡」「约 174 千卡」「一碗饭 174kcal 左右」，积木拆不出数字。

办法是和模型约定一个格式：只回一个 JSON 对象，字段名、类型都写死。App 拿到后用 Web 客户端.用字典解码JSON文本 变成字典，按键取值，跟解析任何网络接口一样。

本课约定的格式：

准备

界面组件

在第 1 课的基础上（API Key 卡片、拍照、相册、压缩相同）：

分步搭

第 1 步：换视觉模型，关掉流式

流式回答是一小段一小段到的，半个 JSON 没法解码。关掉流式后，回答一次性从 GotText 送来。

when Screen1.Initialize() {
  组件美化1.SetAsCard(垂直布局_密钥)
  组件美化1.SetAsCard(垂直布局_拍餐)
  组件美化1.SetAsCard(垂直布局_结果)
  组件美化1.SetAsCard(垂直布局_今日)
  // 默认的 qwen-plus 是纯文本模型，识图要换视觉模型；要完整 JSON 才能解析，所以关掉流式
  Qwen1.ModelName = "qwen3-vl-plus"
  Qwen1.StreamMode = false
  密码输入框_密钥.Text = 微数据库1.GetValue("qwenKey", "")
  使用密钥(密码输入框_密钥.Text)
  显示今天()
}

第 2 步：结构化输出的提示词

写好 JSON 提示词有四个要点，这一段全用上了：

1. 只要 JSON：「只输出一个 JSON 对象，不要任何解释，不要代码块标记」。不说的话，模型很喜欢先来一句「好的，结果如下」，再用 ```json 包起来。
2. 每个字段写清含义和类型，尤其是数字：「kcal（热量千卡，只写数字）」，否则会得到 "约200千卡"。
3. 给出空结果的样子：「图里没有食物时 foods 为空数组」，拍到桌子时它就不会硬编一道菜。
4. 限制长度：「不超过30字的饮食建议」。

字段说明用文字描述就行，不必在积木里写一段带引号的 JSON 样例（那样字符串里满是转义符，难读也容易抄错）。

global 正在识别 = false
global 本餐 = 0

procedure 识别(图片) {
  if 正在识别 {
    底部提示条1.Show("还在识别上一张，稍等一下")
  } else if Qwen1.APIKey == "" {
    底部提示条1.Show("先在上面填好 API Key 并点保存")
  } else {
    var 小图 = 图片处理1.Compress(图片, 1024, 80)
    if 小图 == "" {
      底部提示条1.Show("这张图片处理不了，换一张试试")
    } else {
      图像_餐.Picture = 小图
      正在识别 = true
      本餐 = 0
      按钮_拍照.Enabled = false
      图像选择器_相册.Enabled = false
      按钮_记一笔.Enabled = false
      列表显示框_食物.Elements = []
      标签_合计.Text = ""
      标签_建议.Text = ""
      标签_状态.Text = "正在识别……"
      Qwen1.StartNewChat()
      Qwen1.ChatWithImage("你是营养师。识别图中每一样食物，估算分量和热量。只输出一个 JSON 对象，不要任何解释，不要代码块标记。对象有三个字段：foods 是数组，每一项含 name（食物名）、amount（分量，如一碗约150克）、kcal（热量千卡，只写数字）；total 是总热量千卡（数字）；tip 是一句不超过30字的饮食建议。图里没有食物时 foods 为空数组。", 小图)
    }
  }
}

拍照、选图两个入口都调用 识别，与第 1 课相同。

第 3 步：把 JSON 从回答里「抠」出来再解码

就算提示词写得再清楚，也要按「模型不一定听话」来写解析：

• 它可能还是加了客套话或 ```json 标记；
• 安卓的解码器遇到 } 后面多出的文字会忽略，鸿蒙的解码器很严格，多一个字就失败。

最稳的做法：从第一个 { 截到最后一个 }，前后的东西一概不要。文本积木里只有「从前往后找」，最后一个 } 用一个循环找：每遇到一个 } 就记下位置，循环结束时记下的就是最后一个。

when Qwen1.GotText(text) {
  正在识别 = false
  按钮_拍照.Enabled = true
  图像选择器_相册.Enabled = true
  显示结果(text)
}

procedure 显示结果(回答) {
  var 开头 = startsat(回答, "{")
  var 结尾 = 0
  for i = 1 to textlength(回答) {
    if segment(回答, i, 1) == "}" {
      结尾 = i
    }
  }
  if 开头 == 0 or 结尾 < 开头 {
    没看懂()
  } else {
    // 鸿蒙的 JSON 解码很严格，} 后面多一个字都会失败；截干净了两个平台都稳
    var 结果 = Web客户端1.JsonTextDecodeWithDictionaries(segment(回答, 开头, 结尾 - 开头 + 1))
    if isdict(结果) {
      填表(结果)
    } else {
      没看懂()
    }
  }
}

procedure 没看懂() {
  标签_状态.Text = "AI 没按约定的格式回答，再拍一次试试。"
}

JSON 本身坏了（比如被截断成 {"foods":[{"name":"饺子",），解码会失败：屏幕的「出现错误时」收到函数名 JsonTextDecodeWithDictionaries、错误编号 1105，解码返回空文本，isdict 为假，走「没看懂」。第 6 步会在出错事件里单独处理它。

第 4 步：填列表，合计自己算

合计不要信模型给的 total——它是「估」出来的，可能和各项加起来对不上（比如三样加起来 174 + 260 + 82.5 = 516.5，total 却写成 480）。按各项自己加，显示的数字才自洽。

kcal 也要防一手：约定了只写数字，偶尔还是会来个 "约550"。用 isnumber 判断，不是数字就按 0 算，不让一项坏数据毁掉整顿。

procedure 填表(结果) {
  var 行 = []
  var 合计 = 0
  foreach 食物 in dictget(结果, "foods", []) {
    if isdict(食物) {
      var 千卡 = dictget(食物, "kcal", 0)
      if not isnumber(千卡) {
        千卡 = 0
      }
      合计 = 合计 + 千卡
      listadd(行, 列表显示框_食物.CreateElement(dictget(食物, "name", "（没认出）"), join(dictget(食物, "amount", ""), " · 约 ", round(千卡), " 千卡"), ""))
    }
  }
  列表显示框_食物.Elements = 行
  // 合计按各项自己加：模型写的 total 有时和各项之和对不上
  本餐 = round(合计)
  if length(行) == 0 {
    标签_状态.Text = "图里没认出食物，换个角度再拍一张。"
    标签_合计.Text = ""
    标签_建议.Text = ""
  } else {
    标签_状态.Text = join("认出 ", length(行), " 样食物，热量是估算值，仅供参考。")
    标签_合计.Text = join("这顿约 ", 本餐, " 千卡")
    标签_建议.Text = dictget(结果, "tip", "")
    按钮_记一笔.Enabled = 本餐 > 0
  }
}

中途验证：拍一份盖浇饭。列表里两三行，每行「名称」+「分量 · 约 N 千卡」；合计是各行之和；「记到今天」变成可点。

第 5 步：按天记账

每天用一个标签：meals-2026-10-12，里面存一个列表，每顿一个千卡数。日期变了标签就变了，第二天自然从零开始，不用写「每天清零」的逻辑。

function 今日标签() {
  return join("meals-", 计时器1.FormatDate(计时器1.Now(), "yyyy-MM-dd"))
}

when 按钮_记一笔.Click() {
  var 记录 = 微数据库1.GetValue(今日标签(), [])
  listadd(记录, 本餐)
  微数据库1.StoreValue(今日标签(), 记录)
  按钮_记一笔.Enabled = false
  底部提示条1.Show(join("已记下 ", 本餐, " 千卡"))
  显示今天()
}

when 按钮_清空今天.Click() {
  微数据库1.ClearTag(今日标签())
  显示今天()
}

procedure 显示今天() {
  var 记录 = 微数据库1.GetValue(今日标签(), [])
  var 总 = 0
  foreach 千卡 in 记录 {
    总 = 总 + 千卡
  }
  if length(记录) == 0 {
    标签_今日.Text = "今天还没有记录。"
  } else {
    标签_今日.Text = join("共 ", length(记录), " 顿，合计约 ", 总, " 千卡")
  }
}

记完一笔把按钮变灰，防止同一顿点两次记成两顿。

中途验证：记两顿，「今天吃了」显示「共 2 顿，合计约 …」；退出 App 再打开，记录还在。

第 6 步：出错处理

when Screen1.ErrorOccurred(component, functionName, errorNumber, message) {
  正在识别 = false
  按钮_拍照.Enabled = true
  图像选择器_相册.Enabled = true
  if functionName == "JsonTextDecodeWithDictionaries" {
    没看懂()
  } else {
    标签_状态.Text = 错误说明(message)
  }
}

function 错误说明(message) {
  return choose(containstext(message, "401"), "API Key 不对：检查是否抄全，或到百炼控制台重新创建。", choose(containstext(message, "Arrearage"), "阿里云账户欠费：充值后再试。", choose(containstext(message, "429"), "请求太频繁了，等几秒再试。", choose(containstext(message, "不支持图片"), "当前模型不支持图片：确认 ModelName 是视觉模型（如 qwen3-vl-plus）。", join("出错了：", message)))))
}

「不支持图片」这一条靠的是拓展：识图请求被接口拒绝、错误里提到 image / vision 等字样时，拓展会在消息末尾追加一句「当前模型可能不支持图片/视频……」。

这一课的要点

• 要用数据，就让模型回 JSON：关流式 → 提示词约定格式 → 截取 {…} → 字典解码 → 按键取值。
• 永远按「模型不一定听话」写解析：截取、isdict 判断、dictget 带默认值、isnumber 校验，一层都别省。
• 能自己算的不让模型算：加法、计数、日期，App 做得又快又准。
• 换个提示词，同一套解析能做很多 App：拍票据记账（商户、金额、日期）、拍名片存通讯录（姓名、电话、公司）、拍植物记录（名称、是否有毒、浇水频率）。

常见问题

平台说明

• 安卓、鸿蒙都能运行。鸿蒙的 JSON 解码比安卓严格，本课的截取写法两边都验证过逻辑。
• 业务检查见验证记录：带客套话和代码块、kcal 不是数字、JSON 被截断、没有食物、跨天记账、重开 App 记录还在等情况都逐条执行过。

下一课

第 4 课 AI 画图：前三课都是「看图说话」；下一课反过来，让 AI 画图，再一句一句地改。