what-to-eat 開源 AI 食譜產生器，把冰箱食材變成一桌菜單

用 AI 摘要這篇文章：

ChatGPT Claude Perplexity Google Grok

先給判斷：what-to-eat（中文名「一飯封神」）值得三種人用不同方式對待。只是想找靈感、偶爾讓 AI 幫忙配菜，直接玩官方示範站，不用註冊也不用填金鑰；想長期用、或想把它收進自己作品集，clone 下來換上自己的模型金鑰自架，很快就能跑起來；需要靠它控制熱量、規劃飲食，或者想拿原始碼做商業產品的人，這篇會告訴你為什麼要踩煞車。

它是 GitHub 上 liu-ziting 開發的 AI 食譜產生平台，2026 年 8 月底查詢時約 3,500 顆星、524 次 fork。你選食材、挑菜系，它產出完整菜譜，連營養分析、酒水搭配、成品示意圖一起給。整個專案沒有後端伺服器，所有 AI 呼叫都從瀏覽器直接發出，這個設計決定了它後面所有的好壞。

它把「今晚吃什麼」做成十五位大師的選擇題

打開首頁，流程很直覺：先從食材庫勾選或手動輸入，最多十種；再挑一位「菜系大師」，或讓系統隨機分配；按下去等它跑完，一份有菜名、食材用量、分步驟作法的 JSON 菜譜就會渲染成卡片。要先有個心理準備：介面文案是簡體中文，看得懂但對台灣使用者少了點親切感。

Pin

所謂大師，在原始碼裡就是一份一份的提示詞。src/config/cuisines.ts 定義了十五位：中國八大菜系（魯、川、粵、閩、蘇、浙、湘、徽）各一位，加上日、韓、義、法、印、泰、墨七種國際料理。每位大師有自己的系統提示，例如日式大師被要求「突出 umami 鮮味與刀工技藝」，徽菜大師的專長欄寫著「重油重色，醇厚樸實」。挑菜系這件事，本質上是在挑一份提示詞。

食材上限十種是寫死在前端的：快選按鈕與手動輸入都擋在十項，到了第十項就不能再加。對一般家庭料理夠用，想清空整冰箱的人會一次碰到上限。選完食材還能加一句自訂要求，例如不要辣、兩人份、別太油，這句話會被放進提示詞的需求區塊一起送出；不想選菜系也有隨機模式，讓系統抽兩位大師同時出手，各出一份再挑順眼的。

它向模型要求的回傳格式也值得看一眼：菜名、食材用量、每個步驟附時間與火候欄位（大火爆炒、中小火慢燉這類）、總烹飪時間與難度分級。這些欄位是提示詞裡約定的，模型照辦的程度取決於你接的模型強弱，README 也提醒不同模型的品質差異很大，缺少的欄位介面會補上預設值。等待期間有一段烹飪主題的載入動畫，預設逾時設五分鐘，接慢速模型時不至於等不到結果。

圍繞主流程還有幾個附屬玩法：一桌菜模式（主菜、素菜、湯品、涼菜、主食、甜品一次生成）、今日吃什麼、醬汁設計器，以及結合星座生肖的料理占卜。這些全部走同一套 AI 接線，娛樂性質居多，占卜模組的提示詞裡連「星座與生肖的力量正在匯聚」這種載入文案都寫好了。

模型沒有綁死，接線整組都可以換

很多人以為這類工具綁定某家模型，what-to-eat 沒有。它的文字與圖片生成各走一組設定，只要對話端點相容 OpenAI 的 chat/completions 格式就能接。設定面板藏在導覽列的齒輪圖示裡，API 位址、金鑰、模型名稱、溫度、逾時全部可以即時改，改完不用重啟，倉庫另附一個設定測試頁可以驗證連線。

菜品效果圖也是同一套邏輯：圖片服務走 images/generations 端點，模型自選，示範站掛的是 cogview-3-flash。要提醒的是這些圖是照菜名與描述現場生成的，不是實作照片，米其林擺盤等級的示意圖對不上你家爐台的產出，氣氛參考看看就好。

你在設定面板改過的組合會存在瀏覽器 localStorage，下次打開沿用，也能一鍵還原成部署時的預設值。文字與圖片的設定是分開管理的，常見玩法是文字用計費的強模型、圖片用免費模型，把錢花在刀口上。

倉庫裡的 .env.example 給的範例是 302.ai 這類 API 聚合服務配豆包 doubao-1.5-pro-32k；官方示範站實際部署的組合，則是智譜開放平台的 glm-4-flash 負責文字、cogview-3-flash 負責圖片，兩個都是智譜的免費額度模型。這組差異正好說明它的彈性：示範站選免費模型是為了讓訪客開箱即用，你自己架的時候換成 ChatGPT、Claude 或 DeepSeek 都行，README 也明講不同模型的菜譜風格差異很大，建議動手換著玩。

順帶一提，README 自述整個專案是用 Kiro 編輯器輔助完成，從需求分析到程式碼實作一條龍，作者把這類專案整理在自己的 vibe coding 作品集網站上。這是作者自己的說法，對照原始碼結構倒是吻合：單人、快速疊代、功能模組清楚，是典型的 AI 輔助開發樣貌。

金鑰住在瀏覽器裡，這是它最需要理解的邊界

看 src/services/aiService.ts 就知道它的請求路徑：axios 實例帶著 Bearer 金鑰，從瀏覽器直接打向設定的 API 位址，中間沒有任何後端代理。金鑰存在瀏覽器的 localStorage，或者在打包時直接嵌進靜態檔案。

官方示範站走的是後者。打開示範站的 JavaScript 打包檔，預設設定區塊一字不漏：glm-4-flash、cogview-3-flash，加上一組真實的示範金鑰。這不是外洩事故，而是刻意取捨：免費額度模型的金鑰直接公開，換來訪客零門檻體驗。代價也明白，這組額度屬於站方，被抽乾或輪換的那一刻，示範站就從開箱即用變成要自己填金鑰。準備長期依賴它的人，要有這份心理準備。

換你自架，同一個設計就變成你的責任。金鑰只要包進前端，就等於發給每一位訪客：任何人打開開發者工具都能看到，用你的站就是用你的額度。自己玩、包在內網、或發給親朋好友小圈圈都還好；想公開部署給不特定的人用，就要用可限額、可隨時作廢的金鑰，或自己加一層代理。

還有一個自架者容易漏掉的細節：index.html 裡寫死了 Microsoft Clarity 的流量分析標籤。照著倉庫直接部署，訪客的行為紀錄會回報到原作者的 Clarity 帳號。想拿去自用，記得先把這段拿掉。專案的獲利方式也藏在介面裡：關於頁推薦了作者的其他工具，也放了 302.AI 的推薦連結，靠的是推薦連結，不是賣授權。

營養數字先看來源，再決定信多少

食譜卡片上會附熱量、蛋白質、碳水、脂肪，以及一分到十分的健康評分。這些數字來自第二次 AI 呼叫：系統用「你是一位專業的營養師」的提示詞，把剛生成的菜譜丟回去要一份 JSON 分析。換句話說，它是模型推估，不是資料庫比對，更不是實驗室化驗。

更值得知道的是失敗時的行為。aiService.ts 裡有一個後備函式：AI 請求出錯時，熱量用食材數乘以五十加亂數湊出，蛋白質、碳水、脂肪也各有各的亂數公式，飲食標籤靠關鍵字比對食材名稱貼上。這份後備資料的型別跟真分析完全一樣，介面上沒有任何標記，看起來一模一樣。偶爾拿參考無妨；要控制熱量、盯 macros、或有飲食限制的人，這些數字不能當依據。真需要評分工具，Food Compass 2 食物評分系統那類以研究資料為底的工具更適合。

酒水搭配同理。它一樣是模型生成，失敗時一樣有後備資料，配對理由寫得頭頭是道，但侍酒師級的說法是提示詞要來的。把它當飯桌上的話題可以，當選酒指南就太認真了。真想研究調酒，Mixbooze 調酒食譜站整理的內容比 AI 現場編的可靠。

原始碼公開，授權卻是空的

接下來這點對開發者最重要。倉庫沒有 LICENSE 檔案，GitHub 顯示授權狀態為 None。原始碼放在公開倉庫，不等於別人獲得了修改、散布或商業使用的權利；嚴格來說，預設狀態下你只有看的權利。個人自用通常沒人追究，要拿去做產品、改作上架，先跟作者談授權，別賭。

專案的活躍度也要看清楚。全部 167 個提交都來自同一位作者，master 分支最後一次更新停在 2026 年 1 月中，之後七個多月沒有新 commit，也沒有發過任何一個正式 release。十九個開著的 issue 從功能建議、Docker 映像失效到生成異常都有，多數沒有下文，作者最後一次回覆落在 2026 年 3 月。3,500 顆星說明它擊中了需求，但現況是一份停在原地的展示品，遇到模型 API 改版、瀏覽器政策調整，短期內恐怕沒有人修。

Pin

三種人，三種打開方式

想找煮菜靈感的一般人：開站就能玩，連金鑰都不用填，選食材等菜單，把它當一個會講話的靈感骰子。想對照真實餐廳菜單的規格，CookLikeHoc 食譜站那類把企業溯源報告拆成資料庫的網站可以搭配著看，它自己標明份量與順序未逐道驗證，最後仍要自己判斷。

會一點前端的開發者：clone 下來自架。Node.js 18 以上，複製 .env.example 填上自己的金鑰，npm install 之後 npm run dev 就能跑；倉庫也附了 Vercel 與 Netlify 的一鍵部署按鈕，環境變數在部署平台填。自架前記得兩件事：換掉 Clarity 標籤，想清楚金鑰要包進前端還是加層代理。模型想用 ChatGPT 或其他家的，只要對方提供 OpenAI 相容端點就接得上。

拿它做嚴肅用途的人：飲食管理、商業改作、長期依賴，這三種都不建議。授權欄是空的，維護停了半年多，營養數字還摻著亂數後備。它更像一份寫得很完整的 vibe coding 範本：提示詞怎麼設計成十五位大師、動態模型配置怎麼做、純前端怎麼接 AI，這些反而值得開發者抄筆記。

常見問題

示範站不用註冊就能用，等於永久免費嗎？

示範站用的是智譜免費額度模型，站方把示範金鑰包在前端換取零門檻。額度被抽乾或金鑰換掉時，生成功能就會失效，沒有人承諾它永久可用。想穩定使用，自架填自己的金鑰才是正解。

自架的話，費用怎麼算？

專案本身不收費，成本出在你接的模型服務。接免費額度模型可以零元起步；接計費模型，每次生成菜譜、營養分析、酒水、圖片都是獨立呼叫，次數乘上單價就是帳單。設計上沒有用量上限機制，公開部署前自己加限額。

可以接 ChatGPT 或 DeepSeek 嗎？

可以。設定面板接受任何 OpenAI 相容的對話端點，模型名稱自填。倉庫範例用 302.ai 聚合豆包模型，示範站用智譜 glm-4-flash，都只是其中一種選擇。

營養分析可以拿來減肥或控制熱量嗎？

不建議。數字由語言模型推估，AI 呼叫失敗時介面會顯示用亂數公式組出的後備值，而且沒有標記。參考可以，依據不行，有飲食控制需求請用專業工具或諮詢營養師。

收藏的食譜會不會不見？

會。收藏與設定都存在瀏覽器的 localStorage，沒有帳號系統，換瀏覽器或清除網站資料就消失。重要的菜譜自己另存。

結論：把它當靈感引擎，別當營養師

what-to-eat 最有價值的地方，是把 AI 食譜這件事拆得非常透明：大師是人設提示詞、模型是可替換零件，營養與酒水則是生成後第二次呼叫才補上的加購。玩示範站，你得到一個不用安裝的靈感產生器；自架，你得到一份交代清楚的前端接 AI 範本。它給不了的是可信的營養數字、明確的商用授權，以及一個會持續修東西的維護者。帶著這份認知使用，它很好玩；越過這條線期待，它就會讓你失望。