（6222期）diet-tracker – 智能卡路里追踪与体重管理助手

智能卡路里追踪与体重管理助手 基于USDA官方营养数据库的饮食追踪工具，自动计算TDEE与热量缺口，帮助用户科学管理体重目标。 使用说明 核心用法 Diet Tracker 是一款专注于饮食记录与营养分析的个人健康管理技能。其核心工作流程分为三个环节：首先，技能从 USER.md 读取用户基础信息（身高、体重、年龄、性别、活动水平），自动计算每日总能量消耗（TDEE）并设定卡路里目标；其次，当用户输入餐食描述（如"午餐吃了三明治"），技能调用 getfoodnutrition.py 脚本，优先通过 USDA FoodData Central API 查询食物营养数据，API 不可用时回退至本地 fooddatabase.json 数据库；最后，通过 updatememory.py 将餐食记录、营养详情及累计摄入写入按日期命名的记忆文件（memory/YYYY-MM-DD.md），实时反馈剩余卡路里预算及基于热量差值的体重变化预测。 显著优点 权威数据源：直接对接美国农业部（USDA）官方营养数据库，营养信息准确可靠，覆盖超过35万种食品。 智能自动化：无需手动输入卡路里，自然语言描述餐食即可自动识别食物并计算营养，大幅降低记录门槛。 个性化计算：基于 Mifflin-St Jeor 等科学公式计算 TDEE，结合用户活动水平动态调整目标，而非采用一刀切的标准值。 预测性反馈：不仅记录历史摄入，还能基于每日热量盈余/缺口预测体重变化趋势，增强行为激励。 本地化存储：饮食记录以 Markdown 格式保存在本地，用户可随时查阅、导出或进行长期趋势分析。 潜在缺点与局限性 环境依赖性强：脚本中存在硬编码的绝对路径（如 /home/zhaoyh/clawd/...），在不同操作系统或用户环境中部署时可能直接失效，需要手动修改代码。 API 限制：默认使用 USDA DEMO_KEY，存在调用频率限制，高频使用场景下可能触发限流；且 API 响应解析存在字段名错误（nutrient vs foodNutrients），可能导致部分查询失败。 食物识别精度：依赖自然语言处理识别食物名称，对于复杂菜品、地方特色小吃或模糊描述（如"妈妈做的红烧肉"）可能识别不准或无法匹配数据库条目。 本地数据库空白：food_database.json 当前为空，API 失效时无有效回退机制，功能将完全中断。 隐私数据集中：用户敏感健康信息（体重、年龄等）集中存储于单一文件，缺乏加密或访问控制机制。 适合的目标群体 减脂/增肌人群：需要精确追踪每日热量与宏量营养素摄入的健身爱好者。 慢性病管理患者：如糖尿病患者需监控碳水化合物摄入，或高血压患者关注钠含量。 健康管理初学者：希望通过简单记录培养饮食意识，但不愿使用复杂专业软件的用户。 数据驱动型用户：喜欢查看长期趋势、基于量化反馈调整行为模式的人群。 使用风险 部署失败风险：硬编码路径导致跨平台兼容性差，非 Linux 环境或不同目录结构下需技术能力修复。 数据准确性风险：API 字段解析错误可能导致营养数据获取失败；食物识别偏差会造成记录误差，影响减重决策。 服务中断风险：USDA API 限流或网络波动时，缺乏健壮的本地数据库支撑，核心功能将不可用。 隐私泄露风险：健康数据以明文存储，若设备共享或备份至云端，敏感信息存在暴露可能。 原始说明 Tracks daily diet and calculates nutrition information to help achieve weight loss goals. Use when user provides meal information, asks about calorie intake,...