前言

嗨，我是這個系列裡負責寫 Code、煮飯、吃掉實驗結果，最後還要負責洗鍋子的人。

歡迎來到我的 30 天實驗。
主題會站在 科技永續與社會創新（AI for Social Goods）：不是用 AI 拯救全世界，而是先把「今天這餐做得到、少浪費、成本也扛得住」這件事做清楚。

技術會用 Google AI（Gemini、Firebase 等），但產品不會叫 Google 什麼——
這次要打造的是：

DishFlow AI Agent

它追求的不是另一道完美食譜，而是一種很現代人的平衡，我把它叫做：

Eat-Cost Balance

大家很熟 Work-Life Balance：工作與生活不要互相吞噬。
Eat-Cost Balance 也一樣：想吃得像樣、身體與日常還過得去，同時成本（錢、時間、心力）扛得住，浪費盡量少。
不是戒掉享食，也不是無腦省錢——是讓「享食」與「減廢／可控成本」不要永遠二選一。

這個故事的起點其實非常普通。

某一天，我看了一眼 Apple Watch。

嗯，今天走了不少路。

再看一下體脂計。

嗯……這部分我們先略過。

然後打開冰箱。

半盒豆腐、幾顆蛋、一點青菜。

這時候一個非常現代人的問題出現了：

所以我今天晚上到底要吃什麼？

圖：左邊是真實冰箱，右邊是健康數據——它們彼此還不認識。

我的資料很多，但它們好像彼此不認識

現在的人其實不缺資料。

至少我自己就有：

• Apple Watch 的活動紀錄
• 體脂計的長期資料
• 每天實際吃過的東西
• 偶爾自己煮飯的紀錄
• 網路上一大堆健康資訊
• 還有一張中餐烹調丙級證照

理論上，我應該是一個非常會決定晚餐的人。

但事實並沒有。

Apple Watch 可以告訴我：

今天走了 8,000 步。

體脂計可以告訴我：

今天又是一個值得面對現實的早晨。

健康文章可以告訴我：

請均衡飲食、多攝取蔬菜。

Gemini 也可以在三秒鐘內生出：

鮭魚藜麥酪梨健康碗。

然後我看著冰箱裡的半盒豆腐。

我們兩個陷入了沉默。

那道「健康碗」可能很完美——但對我今晚的成本（錢、時間、洗鍋子）與浪費（半盒豆腐繼續待在冰箱）來說，一點也不平衡。

問題可能不是「資訊不夠」

我後來開始覺得：

我們真正缺的，好像不是更多健康資訊。

而是：

有人幫我們把資訊翻譯成現在真正做得到、也付得起的行動。

因為現實中的晚餐通常長這樣：

現在：18:42

今天：
午餐吃了排骨便當

目前狀態：
有點累

冰箱：
豆腐半盒
雞蛋兩顆
青江菜
番茄

時間：
20 分鐘

預算：
最好不要再花超過 $100

附加條件：
今天真的不想洗三個鍋子

這才是真正的生活。
而 Eat-Cost Balance 要處理的，就是這張清單裡互相拉扯的力量。

品牌怎麼拆：願景、產品、資料

為了後面 30 天好寫、也好記，名稱分三層：

DishFlow＝Dish（餐）＋ Flow（流動／順暢／少卡關）。
「Flow」在這系列裡，先收成消費端這一段（本季交付）：

Inflow   盤點冰箱／通路（你已經有什麼、快過期什麼）
Onflow   在預算、時間、設備、過敏下規畫下一餐（可執行）
Outflow  煮完扣庫存、一格 tip、剩料有沒有真的被用掉

餐廳進貨預測、即期福袋、食物銀行物流——那是更大的 DishFlow 地圖，Day 29 可以當展望，不是 Day 0 的承諾。
這 30 天，Agent 先當好「冰箱清道夫＋下一餐決策員」。

圖：願景、產品、資料情境——三層。

所以 LifeFlow 是什麼？（Agent 要讀的世界）

我把這些亂七八糟、但又非常真實的生活條件叫做：

LifeFlow

它不是醫療名詞，也不是人生管理哲學。

它只是：

一個人今天真實生活條件的組合。

可能包含：今天吃過什麼、活動多少、時間、預算、冰箱剩什麼、設備、過敏、想不想開火、想不想洗很多鍋子、要不要先把快壞掉的東西吃掉。

這些條件看起來很瑣碎。
但偏偏真正決定「今天吃什麼」——以及你有沒有掉出 Eat-Cost Balance——的，通常就是這些瑣碎的東西。

DishFlow AI Agent 要做的事：讀懂你的 LifeFlow，輸出 2～3 個「今晚做得到」的方案，並優先消耗既有食材。

我想做的，不是另一個 AI 食譜生成器

如果我要做的只是：

輸入「高蛋白晚餐」，讓 Gemini 生一份食譜。

那這系列大概明天就可以完結。謝謝大家，我們明年見。

但我真正想做的是：

當 AI 知道「這就是我的生活」之後，它能不能幫我靠近 Eat-Cost Balance——找出今天真正可執行、成本可控、又比較不浪費的下一餐？

AI 不應該回答「鮭魚酪梨沙拉」。
它應該開始想：好，這個人活在真實世界。

核心主張可以並存兩句：

不是要求生活配合健康規則，而是讓健康選擇配合真實生活。
不是在享食與省錢減廢之間單選，而是追求 Eat-Cost Balance。

為什麼這算 AI for Social Goods？

官網精神：用 AI 處理有社會價值的問題，把模型變成具體解方，而不只是 Demo 很炫。
參考：2026 iThome 鐵人賽｜競賽主題

我沒有要做疾病診斷，也不會宣稱：

• 這個 Agent 可以治療疾病
• 這套料理一定讓你瘦
• AI 看完 Watch 就知道你身體怎麼了
• 16:8 適合所有人

我真正關心的是：

1. 執行門檻（時間、預算、料理能力、食物取得、決策疲勞）——這是 Cost 的一部分
2. 消費端食材浪費——這是 Balance 裡「減廢」的一端
3. 仍想吃得像樣——Eat，不是苦行僧飲食

我一直覺得一般 AI 食譜有一個很微妙的 Bug：它很喜歡叫你買東西。
今天香菜、明天酪梨、後天一個你一輩子只用 3 克的香料。
於是你得到一份很健康的食譜，以及一個越來越滿的冰箱——Eat 有了，Cost 與浪費爆掉。

所以 DishFlow 會把 Leftover / Pantry Strategy 放進 Agent：優先問「你已經有什麼」，而不是「我還能叫你買什麼」。

如果最後能用數據證明：連續記錄＋規則＋Agent，比「直接問 AI」更少犯規、更能用掉剩料、更願意真的煮——
那就是一種很生活化的 Social Goods。它不一定是拯救世界，但至少先讓星期三晚上的冰箱，往 Eat-Cost Balance 靠近一點。

這 30 天要比什麼？（先掛研究問題）

一般 LLM 詢問（之後稱 A）：

晚餐吃什麼？我要健康一點。

會寫 Prompt 的人（B）：把今天庫存和需求貼進去。

DishFlow AI Agent（C）：連續天數的庫存／餐點／習慣被系統記住，硬限制先擋，再規畫，最後能驗證（含剩料是否被用到）。

研究問題（Day 29 必須用表回答，不准用感覺）：

當 DishFlow 擁有連續記錄的 LifeFlow（庫存、餐點、習慣與策略）時，下一餐推薦是否比「直接問」或「單日貼 Context」更可執行、更靠近 Eat-Cost Balance（更少浪費、更少犯規、成本更可控）？

Agent 跟一般 LLM 的差別：

技術上會用到 Gemini、Firebase、AI Studio、Stitch、Antigravity 等 Google AI 工具——但原則是：

工具用來降低決策成本，不拿來增加使用步驟。
能在 AI Studio 貼一次就驗證的，不為集郵硬上雲。

完整工具地圖與任務卡，從明天開始用「工程日誌」節奏推進。今天這篇，先把願景、產品名、人和問題講清楚。

今天先訂給未來自己的幾條契約

1. 不知道就是不知道。 模型不確定就追問，不要跟著裝懂。
2. Hard Constraint 不交給 LLM 投票。 過敏就是過敏。
3. 不做醫療診斷、不宣佈療效。
4. 翻車也要留下。 真正值得寫的是為什麼失敗、怎麼修。
5. AI 說能煮，就真的煮。（後面 Reality Benchmark）
6. 本季 Flow 先做消費端。 餐廳預測與剩食媒合不進必做清單。

圖：之後評比用這三欄——C 要比的是做得到與少浪費，不是菜名比較高級。
圖: B的圖prompt可能會修改~ 為了讓B稍微公平一點可能會盡量貼近需求方來告訴AI測試

最後

接下來 30 天，這裡會出現：Google AI、Firebase、Agent、JSON、Bug、便當、冰箱、豆腐、鍋子，以及很多我現在還不知道會發生的事故。

如果一切順利，我們會得到一個真的能用的 DishFlow AI Agent，以及一張講得清楚的成績單：執行門檻有沒有降、剩料有沒有被用掉——也就是有沒有比較靠近 Eat-Cost Balance。

如果不順利——至少應該會得到很多篇很好笑、但可驗證的 Debug 紀錄。

那麼，用一句話介紹這個專案：

我在做 DishFlow AI Agent。
就像有人追求 Work-Life Balance，我想幫（先從我自己這種）下班還要面對冰箱的人，靠近 Eat-Cost Balance——用扛得住的成本與比較少的浪費，把今天這餐吃完。

不是要求生活配合健康規則，而是讓健康選擇配合真實生活。

明天 Day 1，換成任務卡節奏：把 Social Goods 邊界畫清楚——哪些問題我們碰、哪些絕對不碰，以及分數要怎麼算才不算自吹。