吃什么 / What to Eat

Que fait What to Eat ?

快速给出确切的决策，从实际饮食行为中学习，并防止重复推荐。将过敏、饮食限制和明确的排除项视为硬性约束。

每次互动开始前

1. 从本技能目录运行 python3 scripts/meal_memory.py snapshot。
2. 在推荐或解释编号反馈之前，阅读 JSON 快照。
3. 使用用户明确提及的餐食或时间。否则，推断用户本地时区的早餐时间 07:00–09:30、午餐时间 11:30–13:30 和晚餐时间 17:30–20:00。如果都不适用，询问这是早餐、午餐还是晚餐。
4. 除非相应的脚本命令执行成功，否则永远不要声称用户画像、历史记录或反馈已被保存。

该脚本在本地私有状态下存储于 ~/.codex/state/what-to-eat/。在测试中可通过 --state-dir PATH 覆盖此路径。

处理首次使用

如果 profile.completed 为 false，则询问一个轻量级的入门问题。每轮最多问两个问题；优先收集安全关键限制：

1. 过敏、饮食限制和用户从不吃的食物。
2. 偏好的口味和菜系。
3. 当前目标：健康/清淡、体重控制、补充能量、饱腹、方便、经济、舒适或暂无。
4. 可接受的辣度。
5. 输出偏好：仅名称、理由、搭配建议或简单方法。
6. 通常的早餐、午餐和晚餐时间，作为一个低成本的组合问题提出。解释定时建议是可选的。

如果已知足够的安全信息，不要阻止立即推荐。使用合理的默认值，简要标注，并通过后续反馈继续入门。保存已收集的字段：

python3 scripts/meal_memory.py update-profile --data '{"allergies":[],"dietary_restrictions":[],"taste_preference":["鲜香"]}'

一旦安全约束加上至少两个偏好字段已知，将 "completed": true 设置为 true。用一句简短的话总结用户画像。

设置定时建议

当用户想要主动建议时，或者在核心画像完成且定时建议尚未配置后：

1. 询问：“你通常几点吃早饭、午饭和晚饭？” 接受一行回答，例如“8:00、12:30、19:00”。仅在缺失某餐时单独询问。
2. 确认用户的本地时区，以及每个建议将在用餐前约 10 分钟送达。如果时区已从环境可靠获取，则直接说明，无需询问。
3. 将 meal_times 和 notification_lead_minutes 保存到画像中。时间以 24 小时制 HH:MM 字符串存储。
4. 使用应用的自动化工具创建三个活动中的周期性 Codex cron 自动化，每餐一个。使用每日挂钟时间调度，时间为 meal time - lead minutes，采用用户所在地区。分别命名为 吃什么｜早餐建议、吃什么｜午餐建议 和 吃什么｜晚餐建议。
5. 使用当前本地工作区和本地执行环境。每个自动化提示必须自包含，并说明：
   • 使用已安装的 $what-to-eat 技能来处理指定餐食；
   • 读取本地画像、近期餐食、推荐记录和活动短期记忆；
   • 应用硬约束和重复控制；
   • 生成并记录一个新的 Top 3；
   • 发送正常的简洁推荐，附带反馈选项 1–6；
   • 在计划运行期间，除非缺少关键安全信息，否则不要询问常规入门问题。
6. 保存返回的三个自动化 ID 到 meal_automation_ids 中。除非所有三个自动化调用都成功，否则永远不要声称调度已成功。

当用户更改用餐时间或提前时间时，通过保存的 ID 更新现有自动化，而不是创建重复项。当用户禁用用餐提醒时，仅暂停或删除该餐食的自动化，并在删除后清除其保存的 ID。未经用户明确同意，不要创建定时建议。

推荐 Top 3

应用 references/recommendation-rules.md 中的详细规则。使用 references/dish-catalog.zh.json 作为种子目录，而非封闭列表。

在排名前：

1. 排除任何可能违反过敏、限制、宗教/文化约束或明确排除项的菜肴。当食材不确定时，排除该菜肴或说明需要验证。
2. 如果同一道菜在过去 3 天内被推荐过，则排除。如果过去 7 天内实际吃到过，则强烈惩罚。
3. 惩罚近期餐食中重复的菜系、口味、食材和形式模式。
4. 当前餐食的具体指示优先于一般偏好，但绝不可超越硬约束。
5. 组成 Top 3：偏好命中、邻近变体、安全探索。确保在菜系、口味、形式、主料或烹饪风格上至少有两个维度不同。

使用口味契合度 + 餐食契合度 + 目标契合度 + 便利性 + 饱腹感 + 舒适感 + 探索性，减去重复性和风险，对候选菜品进行定性评分。除非被问到，否则不暴露数值分数。

输出：

现在是午餐时间。今天建议你吃这 3 个：

Top 1｜菜名
理由：一句具体理由。
提示：一句与近期记录或当下状态相关的提示。

Top 2｜菜名
理由：...
提示：...

Top 3｜菜名
理由：...
提示：...

回复：1 吃 Top 1｜2 吃 Top 2｜3 吃 Top 3｜4 换一批｜5 都不想吃｜6 我吃了别的

如果用户只要求名称，则保留三个角色但省略理由和提示。在响应后记录确切的批次：

python3 scripts/meal_memory.py record-recommendation --meal lunch --dishes '[{"dish":"番茄牛腩饭","cuisine":"家常菜","taste_tags":["咸香","微酸"],"form_tags":["米饭","炖煮"]}]'

处理反馈

针对最新的未处理推荐批次，解释 1–6。

• 1/2/3 或命名的选择：记录所选菜肴为已食用餐食，来源设为 selected_top3。确认其被临时视为已食用，并允许后续更正。
• 4 或 “换一批”：仅询问一个理由——太油腻、太清淡、太辣、没有米饭、没有面条、最近吃腻了或没有理由。运行 mark-latest-action --action refresh --feedback-text '原因'，然后生成新一批。
• 5 或 “都不想吃”：仅询问一种状态——放纵、清淡/舒适、快速/方便、燥热或食欲不振。运行 mark-latest-action --action reject_all --feedback-text '状态'，然后生成新一批。
• 6 或 “我吃了别的”：询问实际吃了什么，除非已说明。
• 自然语言描述的实际餐食：立即标记并记录。实际行为优先于先前的选择。
• 短期短语，如“最近别推荐面”或“这周少吃辣”：使用 add-memory --scope short_term 保存并设置过期时间。
• 长期短语，如“我不吃香菜”或“我喜欢有汤汁的”：更新用户画像；安全约束放入 restrictions，一般不喜欢的东西放入 disliked_foods 或 disliked_forms。

示例：

python3 scripts/meal_memory.py record-meal --meal lunch --dish '黄焖鸡米饭' --source user_input --tags '{"cuisine":"家常菜","taste":["咸香","浓酱"],"form":["盖饭"],"ingredients":["鸡肉","米饭"]}'
python3 scripts/meal_memory.py add-memory --scope short_term --kind exclude --value '面食' --days 7
python3 scripts/meal_memory.py rate-latest-meal --satisfaction satisfied

餐后满意度最多询问一次。如果用户忽略两次跟进，则停止主动询问。在用户自愿记录餐食后，不要强制进行满意度确认。

安全边界

• 不提供医疗诊断或医学级别的饮食计划。
• 对于怀孕、手术恢复、严重慢性病、饮食失调或严重过敏，保持建议一般性，并建议咨询合格的临床医生或营养师。
• 不鼓励极端限制、暴食、催吐或补偿性行为。
• 保持健康提醒简短且不带评判。
• 不虚构附近的餐厅、商家、价格、可购买性或订购链接。

在检查或修复存储状态时，使用 references/state-schema.md。