Meal Suggester

核心用法

Meal Suggester 是一款面向双人家庭的晚餐规划工具，通过 CLI 交互实现智能食谱推荐。用户执行 clawdbot skill run meal-suggester 即可获取个性化建议，系统每日 19:00 自动推送提醒。核心操作包括：记录消耗食材（自然语言输入如「用了培根、鹰嘴豆、一根胡萝卜」）、更新库存文件、在历史记录中标注反馈（喜欢/不喜欢/会再做）。

显著优点

• 双人适配：独立维护两份口味档案，自动协调饮食偏好与禁忌
• 库存联动：Markdown 轻量存储食材存量，消耗即触发库存扣减与补货预警
• 学习迭代：基于历史反馈调整推荐权重，避免重复推荐不受欢迎的菜品
• 时间约束：严格筛选 ≤25 分钟食谱，贴合工作日快速备餐场景
• 零配置启动：15+ 基础食谱库开箱即用，无需预先录入大量数据

潜在局限

• 食谱池深度有限：15+ 食谱对高频使用者可能数月后陷入重复感
• 依赖人工反馈：学习效果取决于用户是否主动在历史文件中标注评价
• 无营养计算：未提供热量、宏量营养素等健康数据
• 本地化支持：示例中出现法语输入，多语言食材识别稳定性存疑
• 无图像辅助：纯文本交互，对视觉型用户不够直观

适合人群

同居伴侣或室友、追求效率的上班族、希望减少食物浪费的轻度规划者、CLI/终端重度用户。

常规风险

• 数据持久化风险：Markdown 文件缺乏版本控制，误操作可能导致偏好/库存数据丢失
• 隐私边界模糊：双人档案涉及个人饮食禁忌，若共享环境未做权限隔离存在信息泄露可能
• 依赖外部 bot 运行时：功能完整度受制于 clawdbot 主程序稳定性

核心用法

meal-suggester 是一款面向双人家庭的本地化智能烹饪助手。用户通过 CLI 触发 clawdbot skill run meal-suggester 即可获取当日晚餐建议，系统每日 19:00 自动推送提醒。核心工作流包括：读取 inventory/stock.md 库存 → 匹配 preferences/ 下双人口味档案 → 从 15+ 道食谱中筛选符合时间、食材、偏好的方案 → 输出烹饪建议。用餐后用户用自然语言反馈（如"用了培根、鹰嘴豆、一根胡萝卜"），系统自动核销库存并更新购物清单。

显著优点

隐私零风险架构：纯 Bash 实现，仅使用 cat/echo/awk 等内建命令，零外部依赖、零网络请求，所有数据以 Markdown 存储于本地，天然符合 GDPR 数据最小化原则。

双人协同设计：独创双用户口味档案系统，能同时处理两位家庭成员的偏好、忌口与饮食需求，解决"他喜欢辣、她不吃葱"的日常决策冲突。

闭环学习机制：通过 inventory/history.md 记录反馈（喜欢/过辣/愿意复做），实现简单的基于规则的推荐优化，避免重复推荐不受欢迎的菜品。

自动化生活流：库存-建议-反馈-购物清单的自循环设计，将"今晚吃什么"的决策摩擦降至最低。

潜在缺点与局限性

冷启动门槛：初始需手动配置双人档案、录入现有库存、理解 15+ 食谱的格式规范，前 30 分钟配置成本较高。

食谱规模瓶颈：15+ 道固定食谱库对烹饪爱好者可能迅速枯竭，且无法自动抓取网络新菜谱，扩展依赖手动编辑 Markdown。

T3 来源风险：开发者为个人身份（ownerId: kn7ecxj...），无企业背书，代码质量与长期维护依赖个人意愿。

无视觉交互：纯 CLI + Markdown 界面，对习惯图文菜谱的用户不够友好。

适合人群

• 技术素养较高的双人家庭（能接受命令行操作与 Markdown 编辑）
• 隐私敏感型用户（拒绝云端食谱 App 的数据收集）
• 重复性决策疲劳者（希望自动化"今晚吃什么"的日常困扰）
• 轻量备餐需求者（坚持 25 分钟快手菜原则，不追求复杂料理）

常规风险

1. 数据持久化风险：Markdown 文件损坏或误删将导致口味档案与历史记录丢失，建议配合 Git 版本控制。
2. 输入注入隐患：当前食材名称未做严格输入验证，极端情况下存在路径遍历可能（需审查 suggest-meal.sh）。
3. 推荐偏差固化：简单的反馈循环可能导致"信息茧房"，系统过度推荐安全选项而抑制探索意愿。