核心用法
MyFitnessClaw 是一款面向日常用户的营养追踪 skill，核心功能围绕「自然语言输入 + 自动化数据处理」展开。用户只需像聊天一样描述餐食（如「中午吃了鸡胸肉沙拉配油醋汁」），系统自动拆解估算热量及蛋白质/碳水/脂肪占比，无需手动查表计算。
数据流向清晰：食物描述 → 估算宏量营养素 → 更新 daily_macros.json → 同步至当日记忆文件 → 刷新可视化仪表盘。仪表盘基于 OpenClaw Canvas 渲染，提供实时进度条、目标完成度、历史趋势等直观反馈。
技能内置「常见食物记忆库」（common.md），优先匹配历史记录以提升估算准确度；同时支持设定个性化每日目标（targets.json），AI 会对比实际摄入与目标值生成健康建议（insights.json）。
显著优点
1. 零 friction 输入：摒弃传统 App 的搜索-选择-称重流程，纯自然语言交互大幅降低使用门槛
2. 即时可视化：Canvas 仪表盘让抽象数据具象化，增强行为反馈与持续使用动力
3. AI 驱动洞察：不仅记录，更能根据偏差模式（如连续三天蛋白质不足）生成针对性建议
4. 记忆沉淀：跨日期的食物记忆库逐渐形成个人饮食画像，估算精度随使用提升
潜在缺点与局限性
- 估算误差：自然语言描述的食物分量、烹饪方式模糊，AI 估算存在 10-30% 误差区间
- 依赖工具链：需完整支持 canvas/read/write/edit 四项工具，环境受限时功能降级
- 无条码/称重集成：相比 MyFitnessPal 等专业工具，缺乏客观数据校准手段
- 数据孤岛：JSON 格式存储，与其他健康平台（Apple Health、Google Fit）无原生同步
适合人群
- 希望「轻量级」管理饮食、不愿被复杂 App 束缚的健身初学者
- 需要快速记录、即时反馈的间歇性断食或增肌减脂人群
- 偏好对话式交互、对估算精度容忍度较高的生活方式追踪者
常规风险
- 数据准确性风险：估算误差可能导致用户误判营养状态，极端饮食场景（如备赛期）不建议依赖
- 隐私敏感：饮食记录属高度个人数据，JSON 文件权限管理需用户自行把控
- 过度依赖提示：AI 健康洞察仅供参考，不能替代注册营养师或医疗建议