参加一场黑客松,奖品是50个巨无霸,你会做什么?花叔(@AlchainHust)给出的答案,是给麦当劳写一个能"读图算营养"的skill。
这个比赛叫麦当劳 MCP 黑客松,鼓励开发者为麦当劳创建有用或有趣的 MCP skill。花叔提交的作品名叫"Steam Your McStomach",目标很直白——蒸馏你的麦门胃。
![]()
一张餐盘照,读出四项营养数据
这个skill的核心,是一个在 Gemma 4 基础上微调的视觉语言模型,专门针对麦当劳的上下文做了优化。
它能做什么?接受一张包含多个菜品的餐盘照片,然后预测每项的卡路里、脂肪、蛋白质和碳水化合物含量。四项数据,一次读出。
换句话说,你拍一张托盘,它告诉你这一顿吃进去了什么。对常年靠麦当劳续命的人来说,这大概是最实用的"麦门工具"。
微调的重点:让模型看懂校准图
这个skill真正花功夫的地方,是自动化校准图的解读过程。
模型可以读取原始的校准图(例如 R1 vs R2 图),并从中提取定量数据。提取完之后,它还能根据用户的查询给出文本响应——比如你问"这张图是什么?"或者"告诉我这些数字",它都能接住。
把"看图"和"读数"这两步串起来,正是这个skill区别于普通图像识别的地方。
赢了就组一个畅吃局
花叔对这个作品的期待很朴素:如果获奖,他计划组织一个巨无霸畅吃局。
50个巨无霸,配上自己写的营养分析skill——先算清楚吃了多少,再决定吃多少。这个闭环,多少有点黑色幽默。
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.