AI时代,人人都是程序员-用workbuddy手搓一个Homebox条码录入系统

之前我写过一篇在NAS上安装部署一个家庭资产管理平台的文章，热度还是比较高的，虽然有很多人有不同的看法，但是黑红也是红嘛，我都理解。

这个项目虽然很好，但是它自带的扫条码入库是用不了的。现在中国物品编码中心推出了条码查询服务，却没有API接口服务。包括微信小程序也是无法调用的。
所以Homebox的录入一直是个比较麻烦的问题，特别是一些日用品，专门去打字录入拍图还是挺繁琐的。

最近这半年，Agent算是真正地进入了我们的日常工作学习中，我也是从最先用OpenClaw到Hermes再到Codex，现在主要用的是WorkBuddy。因为WorkBuddy目前来说是最简单易用的，也不需要配置什么环境，而且在电脑上比在服务器上实用得多。之前用WorkBuddy也解决了几个之前没有解决的小问题，比如HA的插件等，于是就想着能不能用WorkBuddy做一个插件来解决扫码录入的问题。

经过一番讨论，WorkBuddy最初给的方案并不实用，Open Food Facts的数据不太全，微信小程序也不好接。

结论

别用纯AI读条码，也别爬gds.org.cn网页。 正确的做法:

条码解码用库(ZXing / ZBar / 浏览器 BarcodeDetector),不靠 AI;
商品查询走数据源 API,优先免费稳定的 Open Food Facts,再用云市场代理的官方 GS1 接口(阿里云/腾讯云,¥5/200 次,本质是同一份中国物品编码中心数据)做兜底,覆盖非食品类国货;
写入 Homebox 走 REST API(当前版是 /api/v1/entities,JWT 鉴权)。

但是WorkBuddy给了一个方法就是云市场的GS1接口。既然可以花小钱来解决这个，那事情就好办了。让WorkBuddy直接给我购买地址。

找到几个选项，给你直接购买地址：

1. 腾讯云市场 - 商品条码查询专业版（最便宜入门）

价格: ¥5 / 400次（1年有效）
地址: https://market.cloud.tencent.com/products/20577
数据源: 接入中国物品编码中心系统
返回: 名称、品牌、商标、规格、尺寸、重量、厂家、图片等
调用格式: GET https://ap-guangzhou.cloudmarket-apigw.com/service-8lp6ruw0/getBarcode?Code=条码

2. 腾讯云 OCR - 条码信息查询（腾讯官方产品）

价格: ¥50 / 1000次（约0.05元/次）
地址: 腾讯云控制台 → 文字识别 OCR → 智能扫码 → 条码信息查询
文档: https://cloud.tencent.com/document/product/866
优势: 腾讯官方直联中国物品编码中心，最权威
调用: POST ocr.tencentcloudapi.com Action=QueryBarCode

3. 阿里云市场也有同类

地址: https://market.aliyun.com 搜「商品条码查询」
价格: 类似 ¥5/200次

最后我买的是腾讯云里的服务。
https://market.cloud.tencent.com/products/20577 价格实际是5元/400次

有了数据获取的方案之后，就按这个方法要WorkBuddy帮我们生成项目就可以了。因为我是编程小白，所以每次项目还是蛮耗费时间的，基本上每次改动，UI的调整都要WorkBuddy去完成。即使这样，差不多一天时间也就完成了初步的功能开发。后面花了几天时间修改了一些细节，比如增加本地缓存数据，节省查询费用等。

下面正式介绍下这个新的项目barcode2homebox

受HomeBox-Companion这个项目的启发，采取和Homebox共用登录信息的方式。登录后就是主界面。分别是条码识别和AI图片识别。右上角有一个设置按钮，是设置相关API的。

设置页面有两个重要的设置，一个是商品数据源的信息。我是购买的腾讯云的服务，好像阿里云有更多服务，我没有测试。但是我看了下，阿里云好像有些服务有免费额度用于试用，有兴趣的小伙伴可以试试。填写相关信息后，记得测试一下，连接正常后保存。另外一个是AI识别的API信息，我用的是硅基流动的API，模型用的Qwen/Qwen3-VL-32B-Instruct这种多模态模型，可以识别图片的模型。同样也是测试连接正常后保存。

设置好后，我们回到主页面开始使用，找一个商品来测试下。点击开始扫码，摄像头对准条码，很快就识别出条码数字了，后台开始自动查询，大概1秒就出结果了。可以看到数据来源是gs1-china这个服务。

扫码识别出来后，可以直接入库，支持入库数量和入库位置。另外我前面也介绍了，我在项目里增加了数据缓存的功能，扫码后会先匹配本地数据，这样可以节约查询调用费用。如上图，这次来源有一个缓存命中，也就是用的本地缓存数据。

对于某些商品，比如一些进口保健品药类，条码库里是没有的，这个时候会提示你用AI识别图片。

点击提示的文字或直接切换到AI图片识别页面都可以，选择拍照或者图库照片，选取后，识别图片就可以了。AI图片识别会稍微慢点，识别出后也可以直接入库。

这几天边试用边开发，体验还是非常不错的，如果条码商品库里有图片的商品，图片也会同步去homebox。另外这个条码库的信息还是非常全的，一些进口酒类，保健品也都可以扫出来，日用品更是不在话下。

我把这个项目发布在github了,项目名叫barcode2homebox。部署方式推荐用dockepose的方式。
以绿联的NAS为例

services: barcode2homebox: image: ghcr.io/kiwiwiki007/barcode2homebox:latest container_name: barcode2homebox restart: always pull_policy: always # 强制每次 up 都拉取最新 latest，避免本地旧镜像不更新 environment: - HOMEBOX_URL=https://homebox.example.com:666 # 填写个人homebox的地址 - APP_SECRET=change-me-to-a-random-32byte-hex - HOMEBOX_LOCATION_ID= - HOMEBOX_TIMEOUT=30 - GS1_API_URL=http://ap-guangzhou.cloudmarket-apigw.com/service-8lp6ruw0/getBarcode - GS1_SECRET_ID= - GS1_SECRET_KEY= - VISION_API_URL= - VISION_API_KEY= - VISION_MODEL=gpt-4o-mini ports: - 8000:8000 volumes: - ./data:/app/data

说明一下，HomeBox的域名建议在docker compose里填写好。其他的可以后续在设置页面填写。更多细节，AI写的开发说明我看了还是非常详细的，有什么疑惑还原留言讨论。
最后再次感慨下，现在AI是真的能帮我们干活了，对于我这种编程小白，但是又有很多软件需求的人来说，AI真的是太好用了。