Diet Tracker

核心用法

Diet Tracker 是一款集成化的饮食追踪与体重管理工具，通过读取用户基础信息（身高、体重、年龄、性别、活动水平）自动计算总日常能量消耗（TDEE），并据此设定个性化热量目标。用户只需自然语言描述餐食内容，系统即可自动识别食物、查询营养成分、记录摄入数据，并实时更新剩余热量预算与体重变化预测。

显著优点

• 自动化程度高：无需手动搜索食物热量，系统通过 get_food_nutrition.py 脚本自动从网络获取营养数据，离线时调用本地 food_database.json 备用
• 个性化预测：基于 Mifflin-St Jeor 等权威公式计算 TDEE，结合每日热量盈余/赤字推算体重变化区间
• 宏量营养素追踪：支持蛋白质、碳水、脂肪三项目标设定与进度监控，满足健身与精准营养需求
• 记忆化存储：每日数据独立归档至 memory/YYYY-MM-DD.md，便于历史回顾与长期趋势分析

潜在缺点与局限性

• 数据准确性依赖外部源：网络营养数据库可能存在地区差异、烹饪方式偏差；本地备用数据库覆盖有限
• TDEE 估算固有误差：公式基于人群平均值，个体差异（代谢适应、激素状态、基因）未纳入计算
• 体重预测简化模型：未考虑水分波动、肠道内容物、月经周期等短期干扰因素，长期预测更准确
• 食物识别局限：复杂混合菜肴（如"一份炒饭"）可能因配料比例不明导致热量估算偏差

适合人群

• 减脂/增重目标明确的普通成年人
• 需要量化饮食的自我管理者
• 健身爱好者（需监控蛋白质摄入）

常规风险

• 过度关注数字可能引发焦虑或饮食失调倾向
• 长期严格热量控制可能导致基础代谢适应性下降，实际减重低于预测
• 营养素目标设定不当（如极低碳水）可能影响运动表现与健康

核心用法

Diet Tracker 是一款专注于体重管理目标的个人饮食追踪 Skill。用户只需用自然语言描述餐食（如"午餐吃了三明治"），系统自动识别食物、调用 USDA FoodData Central 官方 API 获取精准营养数据，并实时更新当日摄入记录。支持完整的宏量营养素追踪（蛋白质/碳水/脂肪），结合用户身体数据自动计算 TDEE（每日总能量消耗），预测体重变化趋势。

使用流程：
1. 首次使用前，在 USER.md 中配置身高、体重、年龄、性别、活动等级及目标热量
2. 日常通过对话记录餐食，系统自动解析并查询营养信息
3. 随时询问剩余热量预算，获取当日摄入汇总与减重预测

显著优点

• 权威数据源：直接对接美国农业部官方食品数据库，营养数据权威可靠
• 智能 TDEE 计算：内置 Mifflin-St Jeor 公式，根据个体代谢率动态调整热量目标
• 完整宏量追踪：不仅计算卡路里，还追踪蛋白质、碳水、脂肪摄入比例
• 本地化隐私优先：所有身体敏感数据与饮食记录仅存储于本地 memory/ 目录，零云端上传
• 零依赖轻量化：纯 Python 标准库 + requests 实现，无复杂第三方依赖

潜在局限与风险

• DEMO_KEY 限制：当前硬编码 USDA 公开演示密钥，高频使用可能触发速率限制（建议后续版本支持自定义 API Key）
• T3 来源等级：由个人开发者维护，需关注后续更新安全性
• 数据验证待加强：用户身体数据输入暂无量化范围校验
• 单一数据源：营养查询依赖 USDA API，离线时仅能用内置 fallback 数据库

适合人群

• 有明确减重/增肌目标，需要精确热量控制的健身人群
• 关注宏量营养素配比（如高蛋白饮食、生酮饮食）的用户
• 重视数据隐私，不愿将身体敏感信息上传至商业 App 的用户
• 习惯对话式交互、希望快速记录餐食而不愿手动搜索数据库的用户

常规风险提示

• 身体数据（身高/体重/年龄/性别/活动水平）属于个人敏感信息，建议设置 USER.md 文件权限为只读
• 减重预测基于热量赤字理论，实际效果因个体代谢差异、激素因素、测量误差等存在偏差，仅供参考不构成医疗建议
• 孕妇、青少年、患有饮食障碍或代谢疾病的人群，使用前请咨询专业医师或营养师