手机本地大模型+ESP32：自制热量提醒器

把一块小屏幕吸在冰箱门上，每次开冰箱都能看到今天的热量摄入状态——这个想法听起来像是智能家居的某个小配件，但它的核心其实是一台普通手机和一块 ESP32。B站 UP 主「电子博Studio」最近开源了一个项目，把拍照估算热量和硬件提醒串在了一起。

手机端：用本地模型识别食物

这个项目最核心的部分是手机 APP 里的拍照估算热量功能。据 UP 主介绍，它使用的是 miniCPM V4.7 35B 开源模型，特点是能够直接部署在手机本地进行图片理解。

操作方式很直接：拍一张正在吃的食物照片，模型就能识别出画面里的食物种类，并给出热量估算。比如拍一张食堂午饭的照片，它就能完成识别和估算。

把模型放在本地跑，意味着图片不需要上传到云端，隐私上更让人放心，也省去了网络延迟的等待。对于「随手拍一下」这种高频轻量场景，本地推理的体验会更连贯。

miniCPM 是面壁智能（ModelBest）联合清华大学 NLP 实验室推出的开源端侧大模型系列，主打小参数、高性能，可在手机、平板等终端设备上离线运行。所谓「V4.7 35B」的命名可能对应特定版本与参数规模，但需注意：35B（350 亿参数）对手机本地部署而言负担较重，通常需要量化压缩或依赖高性能芯片；实际能跑在手机上的往往是 1B～3B 级别的 miniCPM 变体。这类模型通过视觉编码器理解图像内容，再以自然语言输出识别结果，因而能完成「看图说话」式的食物识别与热量估算。本地推理的核心优势是隐私保护与低延迟，但代价是占用存储空间和算力，对设备内存和芯片性能有明确门槛。

ESP32 小屏：把数据摆到眼前

项目的第二部分是一块 ESP32 小屏幕。它会同步 APP 里的数据，用绿色、黄色和红色的圆环展示当前的热量摄入状态。

这种设计把抽象的数字变成了颜色信号：绿色代表状态正常，黄色提示接近上限，红色则意味着已经超出。用户不需要打开手机查看具体数值，扫一眼颜色就能做出判断。

UP 主还在屏幕背面加了磁贴，可以把它吸在冰箱门上，或者放在咖啡机旁、零食区的某个角落。

这个位置选择其实很关键。热量提醒如果只存在手机里，很容易被忽略；而放在冰箱门这种「决策发生地」，提醒的触发时机恰好是用户准备拿食物的时候，干预效果会更好。

ESP32 是乐鑫科技（Espressif）推出的低成本、低功耗 Wi-Fi/蓝牙双模微控制器芯片系列，主频通常在 160～240MHz，自带无线连接能力，开发板价格多在十几到几十元人民币。它广泛用于物联网原型和创客项目，生态成熟，支持 Arduino、MicroPython、ESP-IDF 等多种开发框架。在本项目中，ESP32 通过 Wi-Fi 与手机 APP 通信（如 MQTT 或 HTTP 接口）获取热量数据，再驱动一块小尺寸 TFT/OLED 屏幕绘制彩色圆环。受限于内存和算力，ESP32 本身不参与模型推理，只承担数据接收与界面渲染的「显示终端」角色，这正是「手机算、硬件显」分工的由来。

开源与可复现性

UP 主表示项目已经开源，放在了 ESP32 intake 仓库。这意味着其他人可以参照复现，也可以基于现有代码做二次开发——比如调整圆环的阈值、更换屏幕尺寸，或者接入其他本地模型。

手机本地模型加低成本硬件的组合，降低了这类项目的门槛。ESP32 本身价格亲民、生态成熟，而手机端跑本地模型也避开了额外的算力设备投入。对于想尝试「AI+硬件」小项目的人来说，这是一个比较轻量的切入点。

一些值得留意的点

热量估算的准确性受限于照片质量和食物复杂度。中餐场景里混合菜品多、配料难以分辨，估算结果更适合作为参考区间，而不是精确数值。UP 主在视频中展示的是食堂午饭的识别效果，实际使用中不同场景的表现可能有所差异。

另外，模型部署在手机本地对设备性能有一定要求，具体适配范围还需要参考项目仓库的说明。

从产品思路看，这个项目的价值不在于技术有多复杂，而在于把「识别—估算—提醒」这条链路闭合在了一个很自然的生活场景里。手机负责计算，ESP32 负责显示，冰箱门负责触发，三者各司其职。