EcoLens 🌍 — 扫描任何物体，了解其碳足迹（为海地及资源受限环境打造）

Source: Dev.to

请提供您希望翻译的完整文本内容，我将为您翻译成简体中文。

我构建的

EcoLens 是一个网页应用，允许你拍摄任何物体——餐食、商品、车辆、电子设备——并即时了解其碳足迹，同时提供符合当地实际情况的环保替代方案和建议。

EcoLens 的独特之处在于：它专为 资源受限的环境如海地 而设计，而大多数“绿色”应用提供的解决方案在当地根本不存在（电动汽车、堆肥服务、有机超市……）。EcoLens 为你所在的实际环境提供切实可行的建议。

演示

(如果可用，可在此添加演示链接或嵌入。)

我正在解决的问题

大多数碳足迹工具都是为西方环境设计的。它们的建议包括：

• “购买电动汽车” ❌ 海地没有
• “使用堆肥服务” ❌ 并不存在
• “在有机超市购物” ❌ 无法获得

EcoLens 提供在您所在地区真正可行的建议。

How It Works

1. 📸 用户上传任意物体的照片。
2. ⚙️ React 前端将照片发送至 ASP.NET Core 后端。
3. 🤖 后端通过 OpenRouter API 调用 Google AI 模型。
4. 📊 AI 识别物体并计算其环境影响。
5. ✅ 显示结果，包括碳排放得分、CO₂ 估算、环保替代方案以及本地化建议。

特别功能：海地菜肴识别

EcoLens 能识别海地菜肴名称并提供与文化相关的建议：

• 🍚 Diri djon djon（黑蘑菇饭）
• 🥩 Griot（海地炸猪肉）
• 🎃 Soup joumou（南瓜汤）
• 🍌 Bannann peze（双炸香蕉片）
• 🌽 Maïs moulu ak legim（碎玉米配蔬菜）

技术栈

为什么选择 OpenRouter 而不是直接使用 Gemini API？

Google Gemini API 对地理位置有限制，阻止海地及许多全球南方国家的免费层访问。通过 OpenRouter 路由可以在没有这些限制的情况下访问 Google 的 Gemma 模型，使 Google AI 仍然是核心，同时在全球范围内可用。

系统使用 跨五个模型的自动回退，以实现最高可靠性：

• google/gemma-3-27b-it:free
• google/gemma-3-12b-it:free
• google/gemma-4-31b-it:free
• nvidia/nemotron-nano-12b-v2-vl:free
• google/gemma-3-4b-it:free

使用 GitHub Copilot 的 AI 辅助开发

• 生成 ASP.NET Core 核心模板和控制器结构。
• 调试 OpenRouter API 集成。
• 建议改进 JSON 解析逻辑。
• 加速 React 组件开发。

我遇到的挑战

1. Google Gemini API 地理限制

最大的挑战是发现 Gemini 的免费层在海地被阻止。解决方案是使用 OpenRouter 搭配 Google Gemma 模型。

2. 免费模型在未警告的情况下被弃用

构建了一个自动回退系统，按顺序尝试五个不同的模型，确保应用永不宕机。

3. 从 AI 获取一致的 JSON

Gemma 有时会在 JSON 前后返回文本。通过一个稳健的提取方法解决，找到响应中的第一个 { 和最后一个 }。

我学到的

• 如何在 ASP.NET Core 中集成多模态 AI API（图像 + 文本）。
• 地理位置 API 限制对全球南方开发者的实际影响。
• 如何在多个免费 AI 模型之间构建可靠的回退系统。
• 为实际本地环境构建的重要性。

接下来

• 移动端优化的相机捕获。
• 每位用户的过去分析历史。
• 适用于低连接环境的离线模式。
• 支持更多加勒比和非洲地区的情境。

源代码

🔗 GitHub Repository

用 ❤️ 从海地构建，面向 DEV Weekend Challenge — 2026 年地球日 🌱
由 OpenRouter + Google Gemma AI + GitHub Copilot 驱动