核心用法
Personal Nutrition 是一款以文件系统为记忆核心的个人营养追踪技能。它通过读写 /data/.openclaw/workspace/knowledge/personal/nutrition.md 文件来持久化用户的饮食日志、体重变化和营养目标。
主要功能：
- 饮食记录：以自然语言描述餐食（如"披萨和可乐"），系统自动估算卡路里并结构化存储
- 水分追踪：记录每日饮水量，与目标对比
- 热量平衡：计算摄入与消耗的卡路里差额
- 模式分析：识别高频食物、营养过剩或不足的区域
- 关联洞察：将身体不适（疲劳、消化问题）与近期饮食关联分析
- 体重趋势：长期追踪体重变化曲线
使用场景：当用户提及食物、餐点、卡路里、饥饿感、饮水或营养相关话题时自动激活。
显著优点
1. 零摩擦记录：无需复杂的食物数据库查询，自然语言描述即可，大幅降低记录门槛
2. 非评判性态度：明确禁止对用户饮食选择进行道德评判，采用渐进式改进理念
3. 持久化记忆：文件系统存储确保跨会话数据连续性，支持长期行为模式分析
4. 多维度关联：不仅追踪"吃了什么"，还关联能量水平、体重、水分等健康指标
5. 目标导向：支持减重、增重、维持三种明确目标类型
潜在缺点与局限性
1. 卡路里估算主观：依赖系统估算而非精确营养成分表，误差可能累积
2. 无专业营养知识：未声明具备注册营养师资质，建议基于通用健康原则而非个性化医学需求
3. 数据隐私风险：明文存储于本地文件路径，缺乏加密说明
4. 单一存储点：文件损坏或路径变更将导致数据丢失
5. 无社区/社交功能：纯个人追踪，缺乏群体激励机制
适合人群
- 希望建立饮食觉察但厌倦复杂卡路里计算应用的用户
- 需要温和、无压力方式改善饮食习惯的减重/增重人群
- 关注饮食与整体健康（能量、睡眠、情绪）关联的自我量化爱好者
- 偏好文本交互而非图形化应用的用户
常规风险
- 营养建议准确性：通用建议可能不适用于特定健康状况（糖尿病、肾病、过敏等）
- 饮食失调触发：虽有非评判设计，但卡路里追踪本身可能对某些用户造成焦虑
- 数据安全：明文存储的敏感健康信息若共享环境存在泄露风险
- 过度依赖：可能替代而非补充专业医疗营养咨询