تحليل صور الوجبات غذائيًا عبر Webhook وOpenAI

كيف يعمل

1. 1.عقدة meal_image_webhoook تستقبل HTTP POST على المسار fb1795ae-7290-48be-8c52-27b50eb32691 وتنتظر الرد من عقدة الاستجابة.
2. 2.عقدة analyze_image ترسل الصورة الثنائية (الخاصية image) إلى نموذج chatgpt-4o-latest مع تعليمات مفصلة للتحليل الغذائي وإرجاع JSON واحد.
3. 3.عقدة extract_results تشغّل سلسلة LLM بنموذج gpt-4o-mini لاستخراج الحقول وتحويلها إلى كائن يطابق مخطط JSON المحدد يدويًا.
4. 4.يغلف Auto-fixing Output Parser المحلل المنظم لمحاولة إصلاح المخرجات غير المطابقة تلقائيًا باستخدام نفس نموذج gpt-4o-mini.
5. 5.عقدة respond_to_webhook تعيد حقل output كسلسلة JSON نصية في جسم الاستجابة.

حالات الاستخدام

• خدمة خلفية لتطبيق تتبع السعرات يرفع صور الوجبات ويحصل على التحليل الغذائي فورًا.
• تحليل صور طعام من تطبيقات Lovable أو أي واجهة أمامية ترسل صورة base64 عبر POST.

المتطلبات قبل التشغيل

• بيانات اعتماد OpenAI صالحة لعقدتي OpenAI (analyze_image وOpenAI Chat Model).
• إرسال الصورة كملف ثنائي باسم image في طلب multipart أو بصيغة ثنائية يدعمها Webhook.
• تفعيل سير العمل يدويًا لأنه محفوظ بحالة غير نشطة (active: false).

الإعداد والاختبار في n8n

1. فعّل سير العمل ثم أرسل POST إلى عنوان الـ Webhook مع صورة طعام في حقل image وتحقق من استلام JSON بالحقول الغذائية.
2. أرسل صورة غير غذائية وتحقق من إرجاع confidenceScore بقيمة 0 وmealName بقيمة Unidentifiable.
3. راجع سجل التنفيذ للتأكد من عدم فشل عقدة الاستخراج المنظم مع مخرجات غير منتظمة.

ماذا يقدّم كخدمة؟

مناسب كخدمة أتمتة ذكية تجمع بين التكاملات والذكاء الاصطناعي لإنتاج نتائج قابلة للاستخدام مباشرة.