精准营养研究组
先设目标，再记第一餐
打开纵横国际App以后，先补全个人资料和目标，再去记第一餐。资料包括年龄、身高、体重、活动水平、饮食偏好和禁忌；目标是你希望饮食往哪走，比如稳定体重、增加膳食纤维或在训练日补足蛋白。具体字段、名称和位置以App内实际界面为准，本文只讲使用思路。
同一份记录放在不同目标下，解读并不相同。早餐只有一杯咖啡和一个面包，对想控制总能量的人可能是合理起点，对训练日需要补蛋白的人则明显偏少。纵横国际把这些资料拆成静态特征和滚动特征来处理，细节见年龄、运动、饮食和生活方式分别应该怎样进入推荐模型。
三种记录方式，漏掉的信息各不相同
| 记录方式 | 适合的场景 | 最容易漏掉的信息 | 建议多补一步 |
|---|---|---|---|
| 文字输入 | 在家做饭、食材清楚 | 份量、烹饪用油 | 写克数，或用“半碗”这类可换算的量 |
| 拍照识别 | 外出就餐、餐盘完整 | 汤里的配料、酱汁、隐藏的油 | 核对识别出的名称，再确认份量 |
| 常用食物 | 每天重复的早餐、加餐 | 换品牌、换做法后的差异 | 配方变了就新建一条 |
2026年发表的一篇关于AI精准营养测量误差的论文指出，自报饮食存在系统性低报，高BMI人群的能量和蛋白摄入低报可达20%–30%；基于图像的饮食AI对混合菜肴表现较差，份量估算则是所有方法里持续存在的难题。所以识别出食物名称之后，份量仍要你自己确认。
用一组设定数字说明。假设晚餐一碗牛肉面，按默认份量记为600kcal；实际面量偏少、汤只喝了一半，细记约为450kcal。一顿差150kcal，三餐往同一个方向偏，一天就差出一次加餐，长期结论也会被稳定地带歪。
运动和睡眠：能同步就同步，不能就手动补
如果App提供读取运动与健身数据的入口，授权后步数、活动时长可以自动进入档案；不用穿戴设备，也可以手动补记运动类型、时长和大致强度，睡眠同理。
同一篇论文提到，可穿戴设备存在传感器漂移和校准衰减，不同品牌设备的数据也不可直接比较。这类数据更适合回答“这周比上周活动量多还是少”，不适合把某一天的消耗数字当精确值，详见步数、睡眠和运动数据到底能帮助模型回答什么。
每日分析与长期趋势
每日分析回答“今天哪一块偏多、哪一块偏少”，但一天的结果不是结论。长期趋势更适合看分布：假设一位用户28天里有20天蛋白质达标、8天明显不足，且不足的日子集中在周末，该调整的就是周末的早餐，而不是全周的食谱。为什么一天吃得好说明不了长期结构，见一天吃得很健康以后，为什么不能说明长期饮食结构已经健康。
要点：记录的目的不是把每天填满，而是让系统看到你吃饭的真实分布。漏记的一餐宁可留空，也不要随手补一个估计值：留空只是缺失，补错的数字却会被当作真实摄入参与分析。
推荐：看食品，更要看理由
动态食品推荐会随记录、目标和活动变化而更新，今天和下周的推荐不同是正常的。读推荐时问三个问题：它依据的是哪段时间的数据；它指出的缺口是真实存在，还是记录遗漏造成的；推荐的食品符合我的偏好和禁忌吗。假设推荐说“近一周早餐蛋白偏低”，而你上周有三天没记早餐，就先补记录再决定。
四个减少误差的习惯
- 份量优先于品类：写“面约200g”，不要只写“面”。
- 补记配料和用油：酱汁里的油和糖最常被漏掉。
- 写对进餐时间：与运动窗口对齐，才能区分训练前后的吃法。
- 当天补记：睡前回看三餐，比一周以后凭印象准确。
数据准不准，比数据多不多更先决定推荐质量，这些数据准不准一文有专门讨论。功能名称和展示方式会随版本调整，以App内实际界面为准；推荐属于科普与参考，不能替代医生的意见。整体思路见纵横国际个性化营养专题。
