核心功能评估
Meals 是一款专注于个人膳食规划系统构建的 AI 技能，采用渐进式增强（Progressive Enhancement）设计理念，帮助用户从零开始建立可持续的饮食习惯管理体系。
显著优点
1. 渐进式系统构建
区别于一次性复杂的 meal prep 方案，该技能采用务实的分阶段策略：首周仅规划几顿晚餐并生成购物清单，次周保存有效餐食，两个月后复用历史数据加速规划，三个月后实现基于模式的智能推荐。这种设计显著降低了用户的心理门槛和放弃率。
2. 智能数据整合
核心亮点在于购物清单的自动化生成：聚合多道菜的食材需求、智能合并数量（2个洋葱+1个洋葱=3个洋葱）、按商店区域分组（生鲜/乳制品/肉类/干货），并自动扣除用户常备的 pantry staples。大幅减少了人工计算和遗漏。
3. 情境化智能提示
技能内置丰富的反馑机制：检测重复食材使用提醒、追踪菜品间隔时间提示复购、基于历史评分推荐高满意度餐食、识别忙碌夜晚推荐快手菜。这些功能使系统从"记录工具"升级为"决策助手"。
4. 灵活的文件化架构
采用 ~/meals/ 本地文件夹结构管理 plans/meals/shopping/preferences，无需依赖外部服务，数据完全用户可控，符合隐私优先趋势。
潜在局限
- 无内置食谱数据库：依赖用户主动输入或外部链接，冷启动阶段工作量较大
- 季节/预算功能较浅：虽有提及但未深入集成实时价格或本地时令数据
- 多人协作缺失：家庭场景中难以处理多位成员的同时编辑和偏好冲突
适合人群
- 忙碌上班族：需要减少"今晚吃什么"决策疲劳
- 饮食管理者：有特定 dietary restrictions（素食/无麸质/过敏）需系统追踪
- 家庭厨师：希望建立可复用的家庭 favorite meals 库
- 预算意识用户：通过规划减少冲动外食和食材浪费
常规风险提示
- 数据丢失风险：本地文件管理需用户自行备份
- 过度规划反噬：系统虽设计防 ambitious，但用户可能因完美主义而焦虑
- 营养建议边界：明确声明不做 calorie counting，专业营养需求仍需咨询 RD