這幾天我開始著手開發飲食紀錄功能。
說實話，這一塊我拖了很久。因為「記飲食」聽起來簡單，實際上卻是最難做好的功能之一。
不管是介面設計、資料結構，還是使用者的心態，都藏著一堆細節。

為什麼要記錄飲食？

當初做這個功能的出發點很單純：
運動只能讓你變強，但飲食決定你會變成什麼樣。
很多人每天認真去健身房，卻因為吃錯東西，成果全被抵銷。
但要讓人每天打開 App、老老實實記三餐，其實是很不人性的。
我自己試過很多次，每次都撐不到一週。

所以我決定讓 AI 來幫忙。

用 AI 辨識餐點與熱量

目前的做法是這樣👇

1. 使用者拍下今天的餐點照片
2. 上傳到後端（Nest.js + S3）
3. 後端呼叫 AI 模型（目前測試用 Gemini 或 GPT-4o）進行食物辨識
4. 回傳菜名、預估熱量與營養素（蛋白質、脂肪、碳水）
5. 使用者可以自行微調或補充描述

這樣的好處是，使用者不需要每餐都打字，
只要拍照 → 確認 → 儲存，幾乎零阻力。
就算懶得打字，AI 也能幫你大致估出這餐的熱量。

實際測試後發現的問題

實際用下來，AI 雖然很聰明，但還是會鬧笑話。

例如我早餐吃「水煮蛋＋地瓜」，它判斷成「煎蛋＋薯條」。
有時候光線不好，它會把白飯看成豆腐，還給我少算一半的熱量。
不過這些問題其實都在預期內，畢竟影像辨識的誤差很難完全避免。
我反而覺得更重要的是——讓使用者願意繼續記下去。

我發現「記錄」的價值不只是數據

我後來在介面上多加了一個小區塊，
讓使用者可以輸入一句「心情筆記」，像這樣：

🍱 午餐：雞胸肉便當。
🧠 心情：今天沒什麼胃口，吃到一半就飽。

這個功能原本只是順手加的，
結果意外地讓整個飲食紀錄變得「更像日記」。
我開始發現，有時候我們不是為了記錄熱量，
而是想看見自己生活的節奏、飲食的情緒模式。

當數據越多，AI 也能更準確地預測：
你最近壓力大 → 食量增加；
你最近早睡 → 營養分布更平均。
那時候，AI 不只是教練，更像是懂你生活的朋友。

下一步：從紀錄走向分析

接下來我打算加入幾個功能：

1. 週報統計圖表：自動生成飲食分析，包含總熱量與營養比例。
2. AI 回饋建議：例如「這週蛋白質偏低，下週可多安排豆類或雞肉」。
3. 與運動紀錄整合：把飲食與運動資料放在一起，計算實際熱量赤字。

到那時候，這個飲食系統就不只是「吃了什麼」的記錄，
而是能幫你看出「為什麼變這樣」的工具。

結語

這幾天我一直在想一件事：
AI 幫我們算熱量、排課、甚至分析表現，
但真正的價值，其實是幫我們看見自己的模式。

飲食紀錄功能做起來不難，但要讓人願意持續用，才是真挑戰。
我希望這個功能，能讓人從「懶得記」變成「想看看自己過得怎樣」。
因為最終，不管是運動還是飲食，
都不是為了數據漂亮，而是為了讓生活更好看一點。