你的肥友——产品蓝图

文档说明

本文件包含两部分内容：

1. 饮食计划：4 周可执行的饮食安排（可用现有食材 + 可网购）。
2. AI 健康管理产品方案（Pro Max 版）：结合资深 AI 架构师与顶级 UI/UX 体验专家的双重视角，打造下一代“零摩擦、强陪伴”的智能体重管理应用。

---

🥗 核心饮食计划

食材清单（基础库）

• 黑咖、燕麦、纯奶 / 奶粉、鸡蛋、无糖豆浆粉、代餐奶昔、高纤饼干、吐司（全麦）、无糖酸奶、各类水果、蔬菜。

统一规则（执行口径）

• 早餐必须吃够：蛋白 + 碳水 + 一点水果，不饿才不会晚上疯。
• 工作日午餐：外食少油，一拳主食 + 一掌蛋白 + 两大捧蔬菜。
• 周末午餐：自己做，花样多、吃得香。
• 晚餐统一逻辑：2 个鸡蛋 + 奶昔 / 豆浆 + 蔬果，专治睡前猪瘾。
• 每周日：自制放纵日，烧鸭皮、家常菜、想吃啥做啥。
• 实在馋：优先酸奶 / 番茄 / 鸡蛋，高纤饼干每天 ≤ 1 片。

第 1 周

星期	早餐	午餐	晚餐
周一	燕麦 40g + 牛奶 + 2 蛋 + 黑咖	米饭 + 瘦肉 / 鸡胸 + 大量绿叶菜	2 蛋 + 代餐奶昔 + 小番茄
周二	全麦吐司 2 片 + 无糖豆浆 + 2 蛋	杂粮饭 + 鱼 / 虾 + 清炒时蔬	2 蛋 + 黄瓜 + 无糖豆浆
周三	无糖酸奶 + 燕麦 30g + 2 蛋 + 黑咖	少油盖饭 / 面 + 多加蔬菜	2 蛋 + 代餐奶昔 + 苹果
周四	吐司 2 片 + 牛奶 + 煎蛋 2 个 + 黑咖	一拳主食 + 牛肉 + 绿叶蔬菜	2 蛋 + 生菜 + 代餐奶昔
周五	燕麦 + 豆浆 + 2 蛋 + 小番茄	正常外食，少油少炸	2 蛋 + 小番茄 + 无糖豆浆
周六	牛奶 + 2 蛋 + 香蕉 / 橙 + 黑咖	自制：蒸鸡腿 + 西兰花 + 玉米	2 蛋 + 代餐奶昔 + 黄瓜
周日	随心吃（不撑）	自制放纵餐：烧鸭 / 家常菜自由	随心吃，吃到满足即可

(注：第 2-4 周按原计划循环与微调，核心逻辑保持一致：高蛋白、优质碳水、控制晚餐、周末放纵。)

---

🚀 智能体重管理产品方案

🎯 1. 产品哲学与体验定位

我们不仅在做一个“记账软件”，而是在打造一个数字健康伴侣。基于 BJ Fogg 行为模型 (B=MAP：行为 = 动机 × 能力 × 提示)，体验设计必须做到极致。

1.1 零摩擦交互 (Ability)

• 多模态极速记录：拒绝传统的“搜索食材-填克数-保存”表单。用户只需发语音（“我刚吃了半碗米饭和青椒肉丝”），或拍一张餐盘照片（VLM 视觉模型解析），系统自动完成结构化。
• Generative UI (生成式 UI)：AI 回复的不是冰冷的 Markdown，而是交互式组件。比如 AI 建议调整晚餐，直接在聊天流中渲染一个可点击的“替换为沙拉”按钮卡片（Bento UI）。

1.2 游戏化与情绪陪伴 (Motivation)

• 多巴胺视觉系统：
  • 色彩心理学：主色调摒弃压抑的“医疗蓝”，采用充满活力的“鲜橙/薄荷绿”渐变。Dark Mode 下使用深邃的太空灰（Slate-900）搭配发光霓虹强调色。
  • 微动效奖励：当用户完成当日蛋白指标时，触发 Lottie 粒子撒花动效（Confetti）；体重下降趋势线使用平滑的弹簧动画（Spring Animation）渲染。
• 虚拟伴侣（情感共鸣）：AI 不是机器，而是带有性格的教练。当检测到用户“暴食情绪”（如深夜输入想吃炸鸡），AI 会先共情安抚，再给出妥协方案（“吃一点点解馋，或者换高纤饼干”），而不是生硬的警告。

1.3 场景化主动触达 (Prompt)

• 结合时间/LBS 的主动推送。如下午 4 点检测到用户日常低血糖易饿，提前推送：“饿了吗？现在的热量余额可以吃一个苹果哦。”

---

🧠 2. 技术方案架构书

传统单体 LLM 调用容易陷入“幻觉”和“死循环”。我们采用 Multi-Agent（多智能体）协同 + RAG 长时记忆 架构。

2.1 技术选型

• 前端：Vue 3 + Vite + TailwindCSS (搭配 Headless UI 如 Radix/Shadcn 风格) + ECharts (数据可视化) + Framer Motion (动效)。
• 后端：Python FastAPI + PostgreSQL + pgvector (向量数据库)。
• AI 编排：LangGraph (StateGraph 多 Agent 编排) + Mem0/Zep (长时记忆引擎)。
• 大模型：OpenAI-Compatible 接口。先接 DeepSeek-V3/R1 (性价比极高，逻辑强)，视觉任务接 Qwen-VL/GPT-4o。

2.2 LangGraph 多智能体协同架构 (Multi-Agent System)

不再是单一链路，而是建立一个“专家委员会”：

flowchart TD
  User[用户输入/图片] --> RouterAgent[意图路由 Agent]
  
  RouterAgent --> DietitianAgent[营养师 Agent: 解析食物, 估算宏量营养素]
  RouterAgent --> PsychologistAgent[心理督导 Agent: 情绪安抚, 应对嘴馋/暴食]
  RouterAgent --> PlannerAgent[规划师 Agent: 调整 4 周计划, 安排放纵餐]
  
  DietitianAgent --> ReviewAgent[复核 Agent: 检查是否符合统一规则]
  PlannerAgent --> ReviewAgent
  
  ReviewAgent --> Action[更新数据库 & 返回 Generative UI 组件]

2.3 核心技术亮点

1. Long-term Memory (长时记忆 RAG)
   • 痛点：传统 AI 记不住你上周说了什么。
   • 方案：使用 pgvector。当用户说“我讨厌吃西芹”或“我一喝纯奶就拉肚子”，AI 会提取实体存入向量库。下次生成计划时，自动检索 Context：[记忆: 乳糖不耐受]，从而替换为无糖豆浆。
2. 结构化与防幻觉 (Structured Outputs)
   • 使用 json_schema 强制模型输出 JSON。
   • 估算模块兜底：如果 AI 对某冷门食物的卡路里不确定，必须返回 confidence: low，前端显示“估算值”，并允许用户手动微调。
3. 隐私优先的 Local-First 架构
   • 用户的体重、私密日志可完全加密存在本地 IndexedDB（搭配 PWA 技术）。云端只做 AI 计算（脱敏后的文本），保障隐私。

---

📅 3. 研发与产品迭代计划

Phase 1: MVP (0.1) - 跑通智能记录闭环

• 产品：极简文字输入框 + Bento 风格仪表盘（今日热量/蛋白环形图）。
• AI：LangGraph 基础路由，实现“自然语言 -> JSON 营养拆解”。
• 研发：FastAPI + Vue3 基础骨架搭建，DeepSeek 接口对接。

Phase 2: V1.0 - 引入长期记忆与 Generative UI

• 产品：流式对话界面（CUI）。AI 能在对话框里直接吐出“今日饮食总结图表”、“明日计划卡片”（前端动态渲染组件）。
• AI：接入 pgvector 记忆模块；引入营养师 & 督导师双 Agent 逻辑。
• 研发：完善 Tailwind 动效系统，优化深色模式对比度与可用性 (a11y)。

Phase 3: V2.0 - 多模态与全面主动陪伴

• 产品：拍照识图打卡；Apple Health/智能体脂秤数据接入。
• AI：视觉大模型（VLM）集成；基于用户历史数据的趋势预测与动态目标调整（不仅限于 4 周计划，变成无限延伸的健康地图）。
• 运营：建立社区/排行榜，利用 Gamification 提升次月留存率。