calorie-deficit-tracker

一个给豆包任务模式（Doubao Agent Mode）用的技能（Skill）：把热量计算从"每次联网搜索估算"固化为"查本地食物库 + 脚本计算"。

它解决什么问题

用对话式 AI 记账热量时，常见三个问题：

1. 信源不稳定。每次问同一种食物，AI 联网搜索，命中的页面不同，返回的数值也不同。
2. 计算不严谨。模型心算单位换算与累加，容易出现偏差。
3. 数值不可追溯。给出的热量没有来源标注，无法判断该不该信。

本技能把这三件事分别固定下来：数据存本地库、算术交给脚本、每条记录带来源标注。同一食物、同一重量，任何一次询问都返回同一个数。

核心设计

数据与能力分离。技能目录只放规则和脚本；用户的身体档案、食物库、日志全部放在独立的工作区目录。技能升级不会碰到数据。

算术全部下沉脚本。模型负责理解输入和呈现结果，不做任何心算，也不得调整脚本返回的数值。

信任用户提供的数据。用户报出的摄入热量或运动消耗按原值计入，不追问来源、不评价可信度、不做来源分级。用户不知道具体数值时，技能才代为查询。

置信度评估的是计算链路，不是用户。评分只针对技能侧的不确定环节（活动档位是否确认、档案时效、单位换算是否为估算、库内数据是否可核验、记录是否完整），不对用户提供的数据做价值判断。

口径必须显式。生重、熟重、即食三种口径直接影响结果，同一食物生熟之间可差 25% 到 30%，因此必须标注清楚。

安装

1. 下载或克隆本仓库。

2. 把 skills/calorie-deficit-tracker 文件夹整个复制到豆包的用户技能目录：

   %LOCALAPPDATA%\Doubao\User Data\Default\.doubao\agent_mode\workspace\.user_skills\
   

3. 重启豆包客户端，或退出任务模式后重新进入，触发技能扫描。

豆包会自动扫描该目录并同步，无需额外注册。判断是否生效：在任务模式里问一句"查一下米饭的热量"，如果它去调用脚本而不是联网搜索，说明已加载。

目录结构

calorie-deficit-tracker/                   仓库根
├── .claude-plugin/
│   └── plugin.json                        插件清单
├── README.md
├── LICENSE
└── skills/
    └── calorie-deficit-tracker/           技能本体
        ├── SKILL.md                       技能主文件：流水线、硬规则、输出模板
        ├── references/
        │   ├── calculation-rules.md       计算口径、公式出处、安全阈值
        │   ├── data-standard.md           字段规范、来源分级、口径与查重规则
        │   ├── confidence-model.md        置信度评分模型
        │   └── unit-conversion.md         单位换算与生熟折算
        └── scripts/
            ├── fooddb.py                  食物库：初始化、录入、查询、更新、审计
            ├── calc.py                    摄入计算：查库换算、支持直接给定热量
            ├── gap.py                     消耗与缺口：档案、BMR、缺口、安全校验、置信度
            ├── exercise.py                运动消耗记录
            └── log.py                     日志与趋势统计

除 SKILL.md 外全部按需加载，不占用常驻上下文。

计算模型

BMR      = 10 × 体重 + 6.25 × 身高 − 5 × 年龄 ± 性别项    （Mifflin-St Jeor, 1990）
日常消耗 = BMR × 日常活动系数                             （FAO/WHO/UNU 2004 PAL 分级）
日总消耗 = 日常消耗 + 运动消耗                             （运动消耗由用户提供）
热量缺口 = 日总消耗 − 当日摄入

基础代谢采用 Mifflin-St Jeor 公式。原始文献：Mifflin MD, St Jeor ST, et al. A new predictive equation for resting energy expenditure in healthy individuals. American Journal of Clinical Nutrition, 1990, 51(2): 241-247。系统评价：Frankenfield D, et al. Comparison of predictive equations for resting metabolic rate in healthy nonobese and obese adults: a systematic review. Journal of the American Dietetic Association, 2005, 105(5): 775-789。

日常活动系数取自 FAO/WHO/UNU Expert Consultation Human energy requirements（FAO Food and Nutrition Technical Report Series 1, Rome 2004）第 5 章。该章表 5.3 给出 PAL 官方分级：久坐或轻度活动 1.40-1.69、活跃或中度活跃 1.70-1.99、剧烈活动 2.00-2.40。表 5.1 的析因计算显示，完全不含专门运动的久坐生活方式 24 小时时间分配对应 PAL = 1.53。

该系数刻意剥离训练：训练消耗单独记录后叠加。若沿用含训练的活动系数再叠加运动消耗，训练部分会被计算两次，单日缺口可虚高数百千卡。

安全阈值强制校验四项：摄入低于基础代谢、摄入低于绝对下限（女性 1200 / 男性 1500 kcal）、单日缺口超过 1000 kcal、预计周减重超过体重的 1%。

数据来源与核验标准

食物库支持四种来源等级，按可靠度区分处理：

等级	来源	处理
label	预包装食品营养成分表	直接采用
user	用户提供的数值或实测值	直接采用
authority	中国食物成分表、USDA FoodData Central、FAO/WHO 等	直接采用
online	联网检索所得	交叉核对并记录网址与日期

online 是唯一需要额外标注的等级，因为它是技能自己查来的中间环节，存在检索漂移。其余三种一律直接采信。

已入库示例数据均标注了具体来源，例如中国疾病预防控制中心营养与健康所的食物成分查询平台、USDA FoodData Central 的具体条目编号。

使用

技能加载后，用自然语言即可：

录入：午饭吃了 200 克米饭和一个肉包
运动：今天跑了 30 分钟，消耗 350
查询：帮我算一下今天的热量缺口
更新：我体重降到 68 了

也可以直接给定热量而不必倒推食物：午饭大概 600 卡。

数据存放位置

技能目录只读。用户数据固定在工作区：

<用户目录>\Documents\热量管理\
├── profile.json     身体档案
├── foods.json       食物库
├── logs\            每日日志
└── reports\         汇总输出

脚本默认解析该路径，可用 --workdir 参数或 CALORIE_WORKDIR 环境变量覆盖。

边界

本技能只做热量计算与缺口统计，不判断食物是否健康、不评价饮食结构优劣。不适用于医疗营养处方、疾病治疗饮食、进食障碍相关场景、孕期哺乳期营养方案、婴幼儿喂养与运动损伤诊疗。

所有消耗数值均为估算：基础代谢由人群回归公式得出，个体实测值通常存在约 ±10% 偏差；日常活动系数是区间估算。这也是置信度评分封顶 92 分而非满分的原因。

环境要求

Python 3.8 及以上，仅使用标准库，无第三方依赖。脚本已处理 Windows 控制台的中文编码问题，并在运行时禁用 __pycache__ 生成以保持技能目录整洁。

许可

MIT