开发了一个小程序辅助分析食品是不是健康

中秋节前两天突然有一个想法：做一个应用识别食物的配料表信息，然后分析这个食物是不是健康。因为最近经常看到各种新闻说那个食物里面有哪些添加剂，不健康，或者某些成分对人体不好之类的，那天晚上睡不着，突然脑子里就有这个想法了。

这是小程序码，感兴趣的小伙伴可以试一下

开发过程

由于我自己不会小程序的开发，有这个想法后，第一时间找了一个会小程序开发的同事聊一下，他觉得可以做，就帮忙做了第一个版本的UI，我后来借助大模型在他的基础上稍微修改了一点点。

现在也勉强算入门小程序开发了。

不得不感叹，有了大模型之后，学习一个新的框架比以前容易太多了，和大模型结对编程，说清楚需求后，请它给出方案，然后一步一步写代码，自己再调整一下，不理解的地方就问它，它会解释的非常清楚。基本上一个具体的项目做下来，就能大体掌握一个新的框架了，而且要比以前自己查资料快很多。

后端是自己做的，依然是基于Django+DRF，用熟了之后，发现这一套框架对于并发没有那么高的场景来说，表现非常出色。

踩过的一点坑

这个小程序的主体功能，也就是分析配料成分的部分，其实是调用的大模型，所以技术难度不是很大，让用户拍个照片，然后对图片内容进行分析，给一些合适的prompt就行了。

在工作中，我一直使用的是GPT-4o和GPT-4o-mini，这次因为这个小程序，第一次使用国产的多模态大模型，发现差距还是挺大的，图片识别效果上差很多，而且API的响应速度也差不少。

最大区别是，国产多模态大模型，似乎不支持system prompt，基本上不起任何作用，搞得我一度以为国产多模态居然这么差劲，但是后来想想它们的app对于图片识别的效果挺好的，不应该API的效果这么差，就试着直接在user prompt添加一些要求，发现效果好很多，这一点区别坑了我很久，搞了大半天。

另外，我一开始是让用户把图片传到服务器上，然后在服务器上进行大模型识别操作的，但是这个过程非常消耗服务器带宽，我的服务器配置较低，这么做的话10 rps 就已经非常慢了，后来修改了一下逻辑，调用大模型的过程放在客户端，这样不经降低了对服务器性能的消耗，可以让服务器支撑更高的并发，而且整个识别过程耗时也降低了不少，毕竟减少了传输照片的时间。

独立开发者

最近看到很多关于独立开发者的信息，这次自己实实在在做了一个小产品，发现想做一个独立开发者，还能养活自己和家人是不容易的，其难度甚至比在公司挣工资还要难。
首先你要有一个好的idea，能解决一部分的需求，
然后你要开发能力，虽然可以不要求技术栈，也有大模型的辅助，但是这依然不容易，尤其独立开发者基本上都应该是全栈开发，这就更不容易了，
最后，有了产品，还要进行推广，这一步估计绝大部分程序员都没有思路，因为这基本上跟程序员的日常工作不相关。

一点想法

老实讲，没有打算通过这个小程序赚到多少钱，但是这个过程也的确让我学到了很多，知道了自己依然有很多不足，以后在工作中可以有侧重的补足一下。