作品介绍：校园外卖多Agent智能推荐与点餐辅助系统

作品功能：
本系统是一套基于 LangGraph** 多智能体协作框架的校园外卖智能助手，提供**一站式聊天入口**，覆盖五大核心场景：
1. 个性化菜品推荐：融合用户画像（预算、口味、忌口、健身目标）、历史订单、季节销量，通过LLM生成个性化推荐，无候选时自动兜底。
2. 智能热量计算：支持菜品名称、分量（份/碗/克）的自然语言解析，命中数据库返回精确营养数据，未命中则基于热量密度估算并标注仅供参考。
3. 健身食谱生成：根据减脂/增肌/维持目标生成基础版一日三餐，补充身高体重年龄后计算BMR/TDEE，输出精准营养配比餐单。
4. 菜品图片识别：用户上传菜品图，通过Qwen-VL视觉模型识别菜名，模糊匹配菜品库，返回识别结果、置信度及相似菜品推荐。
5. 客服自动应：覆盖退款、漏送、配送超时、订单修改等10+常见问题，基于规则+LLM生成标准化、步骤化处理建议。

**我的角色与贡献**：
本人作为**核心开发与架构设计负责人**，主导了：
- 设计LangGraph多Agent工作流（输入整合→条件路由→5个执行Agent→输出整合），实现意图识别、多意图并行、动态路由。
- 开发API Gateway统一接口，完成请求校验、历史消息转换、用户画像融合及错误兜底。
- 实现所有执行层Agent（推荐、客服、健身、热量、识别）的Prompt工程、工具调用（数据库查询、VL模型调用）和兜底逻辑。
- 搭建MCP Server封装LLM调用，配置各Agent不同temperature（推荐0.7、意图识别0.1等）以平衡创造性与准确性。
- 编写数据库初始化脚本、mock数据生成，设计五套测试学生画像及三套商家账号。
- 编写全套需求文档与使用文档（涵盖业务背景、工作流、验收标准、启动指南、环境变量配置）。
- 完成端到端联调、异常处理（图片无文字也能发送、Windows编码兼容、无候选兜底推荐），确保系统稳定可用。

**技术栈关键词**：LangGraph、FastAPI、Streamlit、MCP、DeepSeek、Qwen-VL、MySQL、Milvus、RAG、多智能体协同、意图识别、视觉识别、个性化推荐。