饮食记录流程:基于LangGraph和MCP的AI食谱推荐与营养推理技能

0 0 更新时间: 2026-07-30 16:37:45

这个技能是Diet-Agent项目中的用餐记录管理模块,利用LangGraph工作流和MCP工具链,帮助用户记录每日饮食、分析营养摄入、推荐个性化食谱,并提供烹饪辅助。通过自然语言交互,用户可以轻松追踪健康饮食目标,实现智能化的饮食管理。

安装
npx skills add elvaoao/Diet-Agent --skill meal-log-flow
技能详情 readonly

你是不是也经常不知道今天吃了多少营养?

说实话,我以前从来没认真计算过自己每天吃了啥。点个外卖,扒拉几口,完事。直到体检报告出来:脂肪肝、尿酸高、维生素D缺乏医生笑着说:“年轻人,你吃的全是碳水啊。”我当时就懵了。然后开始疯狂研究各种饮食记录APP,结果发现手动输入食物、查热量,比上班还累。

后来在一个技术论坛上逛到了Diet-Agent这个开源项目,里面有个叫meal-log-flow的技能,一下子就吸引了我。它不是那种冷冰冰的输入框,而是直接用聊天的方式记录饮食!比如我发一句“早餐吃了两个包子一碗豆浆”,它就能自动识别出包子是猪肉大葱馅的,豆浆是无糖的,然后算出——好家伙,一顿早餐就400多卡,蛋白质才12克,碳水却占了60%。

这技能到底能干啥?用大白话说清楚

简单来说,这个技能就是你的AI营养师 + 食谱推荐小助手。它底层用了LangGraph(一种构建多步骤AI工作流的框架)和MCP(模型上下文协议),把整个对话逻辑串起来了。每次你告诉它吃了什么,它会按顺序干几件事:

  • 解析自然语言:你说“中午吃的宫保鸡丁配米饭”,它就知道这是一道菜+主食,自动拆解成分。
  • 查营养数据库:通过MCP工具调用外部API(比如常见食物的营养成分库),算出热量、蛋白质、脂肪、碳水、纤维等。
  • 对比目标:如果你在开始前设定了目标(比如每天摄入1800卡,蛋白质占30%),它会提醒你还差多少。
  • 推荐食谱:如果某类营养超标或不足,它会主动推荐替代菜,比如“今天蛋白质不够,晚餐建议加一份清蒸鱼”。

而且它还能辅助烹饪——比如你想做鱼香肉丝但缺豆瓣酱,它会告诉你可以用剁椒+生抽代替。这功能我试了好几次,居然都挺靠谱。

我是怎么装上去的?真的很简单

我是个程序员,但对这种AI工具其实有点怵,怕环境配半天。但这个技能安装出乎意料的简单。就三步:

# 第一步:确保有Node.js 18+ 和 npm
npm --version# 第二步:用npx一键添加技能
npx skills add elvaoao/Diet-Agent --skill meal-log-flow# 第三步:启动交互
skills run meal-log-flow

等待大概一两分钟,它会自动下载依赖。我用的Mac,Windows应该也差不多。如果你是零基础用户,可能要先装一个的CLI工具,不过官方文档写得很清楚,跟着走就行。

我踩过的一些坑&注意事项

用了两周,说几个要注意的地方吧:

  • 语言别太口语化:虽然它说支持自然语言,但如果我说“中午吃了个那个——就是食堂的盖饭”,它可能识别成“盖饭”然后默认是鱼香肉丝盖饭。最好说具体点:“红烧肉盖饭,加了个煎蛋”。
  • 营养数据是估算的:毕竟不是实验室,它查的是公开数据库,存在10%左右的误差。比如宫保鸡丁的油量不同餐馆差很多,所以别太较真,看个大概趋势就好。
  • 可以手动修正:如果你觉得营养数据不准,可以直接说“这个宫保鸡丁的热量我觉得偏低,改为600卡”,它就会更新。这点很人性化。
  • 多轮对话容易跑偏:有一次我连续问了三次“还差多少蛋白质”,它中间插了一段食谱推荐,有点混乱。后来我发现每次问最好带上上下文,比如“刚才说的午餐还差多少蛋白质”。

实际使用的几个场景

场景一:减肥打卡
我每天记录三餐+加餐,一周下来发现自己的碳水比例高达55%,蛋白质只有15%。于是技能推荐了很多高蛋白低碳水的菜,比如“蒜蓉蒸虾”、“芹菜炒牛肉”。坚持了两周,居然瘦了3斤!

场景二:给父母用
我爸妈有高血压和糖尿病,他们不太会用手机。我把这个技能设成对话模式,让他们每天语音输入吃了啥(手机端也支持)。技能自动计算钠和糖含量,超标时会提醒。老人家觉得新鲜,玩了几天就习惯了。

场景三:聚餐前准备
周末朋友要来家里吃饭,我让技能帮我设计一桌“健康宴”,它给出了菜单:凉拌秋葵、清蒸鲈鱼、蒜蓉粉丝娃娃菜、杂粮饭。还贴心地附带了每道菜的做法和预估营养。老妈直夸我变厨神了。

一些技术细节(如果你也感兴趣的话)

这个技能是开源的,代码在GitHub上。它的核心是几个LangGraph节点:

  • parse_node:接收用户输入,用LLM提取食物实体。
  • query_node:调用MCP工具查询营养成分。
  • reason_node:逻辑推理,对比目标,产生建议。
  • recommend_node:生成食谱推荐。

整个流程是DAG(有向无环图)形式,每个节点可以独立调试。如果你想自己魔改(比如接入自定义数据库),直接改相应的工具调用就好。项目里还有很多其他技能,比如“菜谱搜索”、“购物清单生成”,meal-log-flow可以和它们联动,形成一个完整的饮食助手。

写在最后

反正我用了之后,觉得这玩意儿比很多付费APP都好用——免费、开源、可定制,而且聊天式的交互真的比点选表格舒服多了。如果你也在为“吃”这件事发愁,不妨试试。安装就一行命令,不亏。当然啦,任何AI工具都不能替代专业医生或营养师,但作为日常参考,它绝对够用。

📢 赞助广告 Sponsored