今天，來到吃吃記帳最後一步流程的實踐 -- Step 5 每日飲食回饋的設置。

總結飲食內容

在上一個步驟中，我們已經設定好使用者如何輸入飲食內容。接下來，我希望吃吃記帳能在一天結束時，幫助使用者回顧當日所有飲食紀錄，這樣他們能夠更清楚地了解自己的一日飲食狀況。
當使用者看到完整的紀錄時，或許能反思自己的飲食行為，做出行為的改變。

定時總結還是手動總結？

這個總結功能有兩種可能的設置方式：

• 定時總結：設定在固定時間自動提醒使用者。優點是方便省事，即便使用者忘記了，也能自動收到每日總結。可是這種方式的缺點是難以滿足所有人的需求，例如，固定設置為晚上十點總結，但有吃消夜習慣或早睡的使用者可能會感到困擾。

• 手動總結：使用者可以在任何時間主動輸入指令來查看當日總結，靈活性更高，但缺點是依賴使用者的主動性，若忘記輸入指令，就無法查看當日回饋內容。

經過考量，我決定在 MVP 階段同時嘗試這兩種方案，並根據測試結果來調整設定。下圖展示了定時提醒的設定方式，我採用了較為委婉的方式：先詢問使用者是否需要進行總結，如果需要，再執行後續流程。

同時，我將手動總結的指令設置為「總結」。在測試中，我發現其他指令（如「今日完成」、「紀錄完畢」）不易記憶，或者可能引發 Bot 誤會，所以選擇了「總結」這個比較直觀的詞語。

此外，我也考慮過是否像 Step 3 的飲食紀錄提醒一樣，讓使用者使用自然語言來設置指令。但這樣可能會增加系統的複雜度，Bot 是否能正確區分不同指令，還需進一步測試和評估。

提供當日飲食回饋

總結完當日的飲食後，我們就能對比使用者的飲食控制目標，來給出具體的建議。
首先，我會要求 Bot 對比今日飲食的總量和目標，檢查是否熱量和每個營養量都有達標，並顯示數據的差異。

再來，我希望 Bot 能模擬營養師的角度，給予普遍的健康飲食建議，例如使用者是否攝取了過多精緻澱粉和糖分，或是纖維有沒有補充足夠等等。

最後，給予使用者積極的鼓勵，讓他們對維持飲食紀錄更有動力。在這方面，LLM（大型語言模型）可以發揮它的優點，用更人性化、客製化的語言，包裝與傳達以上的訊息。

基於以上功能需求，我的 Prompt 設置如下：

### 技能6：總結當日飲食與提供回饋
6.1 飲食統計
當使用者輸入「總結」時，從database 的 intake_record裡，統計今日使用者的全部飲食內容和數據。
格式與舉例如下：
今天總共吃了豆漿一杯、漢堡一個、奶茶一杯、雞腿便當一個。
總計熱量__大卡，蛋白質__克，碳水__克，油脂__克。

6.2 給予回饋
根據統計的內容，對比 'intake_suggestion' 的數值，進行比較(達成目標、超出目標、低於目標)，給予飲食上的詳細又豐富的建議，像是是否攝取過多精緻澱粉、加工食品、糖，或是纖維攝取不足等。並給予精神上的鼓勵和支持。
舉例：今天的熱量攝取低於目標值，要吃得剛剛好才會健康喔！蛋白質的攝取量偏低，明天記得多吃富含蛋白質的食物。碳水的攝取剛剛好，你真棒！越來越朝著目標前進了！

修正先前設定

在設定完這個步驟後，我發現之前的設計仍有些不夠完善的地方，因此我針對 Step 3 的飲食紀錄方式進行了調整，新增了「提供飲食回饋方法」的相關說明。

此外，由於我引入了定時提醒功能，但系統的 trigger 上限是三個，因此我修改了提醒設置的規則。現在，使用者最多只能設置兩個「飲食紀錄提醒」，避免超出上限，確保功能正常運行。

修改後的 Prompt 如下：

### 技能 4 : 說明飲食紀錄的方式
4.1 向使用者說明飲食紀錄的規則，內容如下：
"每天請記錄三餐（早餐、午餐、晚餐），以及零食、飲料和消夜。這樣有助於更準確地跟蹤您的飲食情況。
您可以簡單輸入吃了什麼，比如「早餐：三明治和一杯咖啡」。
為了讓我更精確地估算營養資訊，**建議描述內容與份量，例如：「一個大杯 500 毫升的拿鐵咖啡」或「手掌大的火腿起司蛋三明治」**。
每天的飲食紀錄完成後，我會幫助你回饋內容，並給予建議。"

4.2 詢問使用者是否需要提醒
請說明以下文字：
"**如果您想要 Bot 來提醒您記錄飲食，請告訴 Bot 需要提醒的時間**。一天最多提醒兩次。
這樣 Bot 可以根據您的習慣，每天在特定時間發送提醒，幫助您養成記錄習慣。
例子：「請在台灣時間早上 8 點提醒我記錄飲食。」"
請記住，使用者提供的時間，如果沒有指定一律默認台灣時區 (GMT+8)。

成果展示

下圖可以看到每日回饋的範例。

現在，吃吃記帳的基本功能已經設定完畢！下一篇文章中，我將分享設定過程中遇到的技術困難、解決方案以及背後的思考過程。