核心功能
ClawCoach Food 是一款集成 Claude Vision 的饮食追踪技能，主打拍照即记录的零摩擦体验。用户发送餐食照片后，系统自动识别食物种类、估算份量，并计算卡路里及三大宏量营养素（蛋白质、脂肪、碳水化合物）。同时支持文字描述录入，覆盖照片不便使用的场景。
显著优点
1. 多模态输入：Claude Vision 驱动的图像识别大幅降低手动搜索食物的门槛，适合快节奏生活场景
2. 结构化数据存储：本地 JSON 格式存储（~/.clawcoach/food-log.json），便于与其他工具集成或备份
3. 智能餐次分类：基于时间自动判定早餐/午餐/晚餐/加餐，支持用户覆盖修正
4. 实时进度追踪：每次确认后即时展示当日摄入 vs 目标值的对比，增强行为反馈
5. 保守估算策略：对模糊照片主动提示重拍或文字补充，避免数据污染
潜在局限
- 估算误差：AI 视觉判读的份量与真实摄入存在固有偏差，需用户主动校正
- 本地化依赖：数据存储于用户本地目录，跨设备同步需额外配置
- 营养数据库有限：预设参考表仅覆盖 24 种常见食物，非常见食材依赖模型泛化能力
- 无历史趋势分析：当前实现聚焦当日记录，缺乏周/月维度的摄入趋势可视化
适合人群
- 健身爱好者需严格执行宏量营养素目标
- 减脂/增肌人群追求便捷的饮食记录方式
- 对技术接受度较高、愿意手动校正估算误差的用户
常规风险
| 风险类型 | 说明 |
|---------|------|
| 隐私暴露 | 餐食照片可能包含地理位置、用餐场景等元数据 |
| 数据准确性 | AI 估算可能导致热量追踪偏差，影响饮食决策 |
| API 依赖 | 需配置 `ANTHROPIC_API_KEY`，存在服务可用性风险 |