前两天我在一个开源代码平台上瞅见了个挺有意思的项目，是由 icodebase-cn 团队搞出来的，名字叫做 health-planner-skill，说白了这就是一个专门开展 AI 膳食规划工作的助手，不过它所干的事情比我想象中要多出来不少呢。
我一开始还以为又是那种「输入你的身高体重，给你甩一张卡路里表」的工具，这种东西网上实在是太多了，随便一搜就能搜出来一大把，做出来也没什么稀奇的。但是这个项目往里面运用了几个我没想到的模块，一个是库存管理，一个是执行追踪，而且同时呢还弄了一个叫自进化机制的东西，听着有点唬人，我往下看了看发现思路确实有点东西。
它的核心功能可以分成几块来进行观察，体重管理方案凭借国家发布的全民营养膳食建议，把每日能量开展控制在 1200 到 1800 千卡之间的工作，这个数字可不是拍脑袋出来的，是有官方文件给兜底的。针对不同人群开展营养管理工作这一块，覆盖了需要控盐的人群、需要控糖的人群、需要管理嘌呤摄入的人群、还需要关注钙质补充的人群，同时每一类都有对应的营养指标在开展精确的跟踪工作，比如要是需要控盐的话就把每日食盐控制在 5 克以下，需要控制体重的话就多补水、并且少摄入高嘌呤食材，而不是笼统地说一句「吃得清淡点」就完事了。
库存管理这块我觉得是整个项目里挺实用的一个设计，它把冰箱里有什么食材给记录下来，自动把采购清单生成出来，同时还能对每日消耗开展追踪记录的工作。你想想平时做饭最大的问题是什么，不是不会做，是打开冰箱发现该买的没买，不该买的买了一堆最后全扔了。这个模块把冰箱变成了一个有记忆的东西，AI 知道你还有什么，那么这样一来就能凭借现有食材给你出方案，而不是每次都让你从头开始想。
执行追踪会对每餐的执行状态开展记录登记的工作，已执行、待执行、已跳过这三种，把行为频率给慢慢积累下来。这个设计有意思的地方就在于，它不是一次性给你一个方案就完事了，它对你到底吃没吃开展跟踪监测的工作，吃了就记一笔，跳过了也同样记一笔，那么时间长了就形成了一个行为模式的数据积累。
自进化机制说的是学习用户反馈，棘轮固化，要是同类问题第三次出现的话就有预防机制。棘轮这个词用得挺准的，只往一个方向转不能回退，意思是学到的经验不会丢掉，同时还会越攒越多。要是你三次都跳过了某道菜，它下次就不给你推荐类似的了，这个逻辑比单纯的「个性化推荐」要实在得多。
可视化输出这块调用了一个专门做图文排版的子模块，生成杂志风格的长图，要是网页截图引擎不可用的时候就降级成单个网页文件，凭借浏览器直接打开就行。这个降级策略做得挺务实的，不是所有环境都能跑网页截图，留个后路总比直接报错要强。
项目结构挺清晰的，主技能说明文件统领全局，图片生成子模块单独放在一边，数据目录专门负责开展库存还有人员档案的存放工作，追踪目录专门负责开展每日记录的存放工作，学习目录专门负责开展行为频率的存放工作。参考文件里有三份指南，中国居民膳食指南 2022 版、成人营养食养指南 2024 版、并且还有美国居民膳食指南 2025 到 2030 版，这三份文件撑起了整个营养方案的底层逻辑。
安装方式是在 AISet 客户端的聊天界面点专家技能，分别把 health-planner-skill 和 orca-insta 这两个开源项目的地址输入进去就行。触发关键词设计得挺克制的，只有「制定某人某餐食谱」「吃什么」「做什么菜」「采购冰箱」这几类才会触发，闲聊问候不会乱触发，这个边界划得好，要不然你随便说句「吃什么」它就给你蹦出一整套方案来也挺烦人的。
输出内容给分成了五个板块，标题区专门负责放置日期、人员、健康标签，人员档案卡负责记录禁忌和特别叮嘱还有软性偏好，膳食目标开展列出热量、蛋白质、脂肪、碳水、钠、钙、纤维、钾这些关键指标的工作，菜谱详情有主料、辅料、调味、步骤以及替换方案还有对营养进行分析，健康提示借助档案自动生成 3 到 5 条。整个输出是一个结构化的文本文档，接下来再将其注入图文排版引擎的杂志长图模板得以生成图片。
我比较在意的是它对特殊人群的处理逻辑，人员档案卡里禁忌食材选用红色标签，特别叮嘱选用橙色标签，软性偏好选用灰色标签，饮食目标选用绿色标签，颜色编码这个设计让信息层级一眼就能看出来。膳食目标的显示规则也开展了条件判断的工作，要是需要控盐的人就把钠和盐指标醒目显示，需要控糖的人就把碳水和低升糖食材醒目显示，要减重的话就把热量指标醒目显示，而不是一刀切把所有指标都标红，是凭借你的具体情况来的。
这个项目让我觉得值得聊的原因，不是它功能多炫，而是它把一个看起来很日常的事情「今天吃什么」拆解成了一个有数据积累、有行为追踪、并且有反馈学习的系统工程。大部分人做饭的决策过程是这样的，打开冰箱看一眼，想想这几天吃了什么，翻翻手机上的菜谱，最后还是点了外卖。问题不在于不会做，在于决策成本太高，信息不够用。你不知道冰箱里那块鸡胸肉还能配什么，不知道上周是不是碳水吃太多了，不知道自己跳过了多少次本来该吃的菜。这个项目把这些散落的信息都拢到一起，让 AI 帮你把那个决策给做了，同时它的决策是凭借你自己的数据来的，不是通用模板。
说到参考来源，它引用了三份指南，中国居民膳食指南 2022 是中国营养学会出的，成人营养食养指南 2024 是国家相关机构出的，美国居民膳食指南 2025 到 2030 是美国农业部和相关机构联合发布的。三份文件一个是中国的通用指南，一个是中国的专项指南，还有一个是美国的权威指南，覆盖面挺全的。不过它也声明了，生成的食谱方案仅供日常参考，无法替代专业人士的意见，要是存在特殊健康需求的人的话就得先去咨询专业人士，这个提醒是必要的。
整个项目的定位我觉得挺清楚的，面向家庭用户给家人定制健康饮食，而且同时呢还面向开发者集成到智能体或者聊天机器人里提供膳食规划能力。开源协议很宽松，可以自由选用、修改、并且分发。
说实话我看完这个项目之后头一个感受是，AI 在生活场景里的落地，比那些大模型参数竞赛要实际得多。你跟一个人说某个模型有万亿参数他没什么感觉，但你跟他说，你打开冰箱说一句「今晚吃什么」，AI 就能凭借你冰箱里的食材、你上周的饮食记录、你的健康指标，给你出一套携带对营养进行分析的食谱以及一个杂志风格的图片，这个体验是实打实的。它不需要你懂什么技术，不需要你写复杂的指令，只要说话就行。
项目里另外还有一个细节我注意到了，它的语言约束写得很严格，所有输出必须是纯中文内容，不得出现英文词汇和标签，对话中不得出现英文标记，节标题选用中文不选用那种英文分段标记。这个约束挺对的，膳食规划这个场景的用户画像就不是技术人群，你给一个做饭的阿姨甩一堆英文标签她看不懂并且也不想看。
