如何把飲食習慣這種零散的內容，拆解成可使用的資料?

還記得最前面說到專案的特色嗎? 希望可以盡可能貼近使用者需求，但飲食這件事非常個人化，例如早餐習慣吃什麼、口味偏好、有沒有忌口，這些都是生活的一部分，只靠計算是設計不出來的，還得先了解使用者的需求、生活、習慣。

問題是，這部分的知識是零散的，跟前面那些可以用公式邏輯化的計算性質不同，該如何透過技術來達成呢? 好在這正是 AI 相對擅長的地方。比起精確計算，AI 更擅長理解情境與語意、做歸納統整。此次專案正好可以善用 AI 的這個特性，幫助我們更了解使用者，進而設計出更人性化的飲食建議。

由於實作的細節會在後面的篇章分享，因此這邊先分享概要

1. 介面設計 >>如何收集使用者資訊
2. 輸入設計 >>AI該如何統整資訊，轉化成後續好使用的資料型態

介面設計：文字框＋勾選項目並存

有些飲食敘述的範圍很小，能夠馬上做判斷，例如飲食禁忌、外食頻率等等，這類問題直接讓使用者勾選/小範圍的輸入框，會比較簡單，也比較不容易出錯，如果改成讓每個人自己打字描述，AI還要再去判斷他真正的意思，反而徒增不必要的麻煩。

但像「早餐幾乎都在超商買」、「常常晚上十一點吃消夜」這種敘述情境，就很難全部做成選項，因為每個人的生活習慣不同，敘述的情境範圍也很大，不可能把所有的項目都列出來。因此像這種比較細、生活化的資訊，就適合讓使用者直接用文字描述，再交給 AI 去理解。

簡單來說，兩種輸入方式各自負責不同的事情：

• 勾選/小範圍輸入：適合答案比較固定，而且系統需要直接拿來做判斷的資訊，例如飲食禁忌、外食比例。
• 自由文字：適合每個人差異很大、很難事先列成選項的資訊，例如平常在哪裡吃、幾點吃、常吃什麼。

輸入設計：自由文字最終會變成什麼樣態

決定哪些資訊要讓使用者自由輸入之後，下一個問題就是 : AI 看完這段自由文字之後，要整理成什麼格式，才有利後續設計菜單？

我的做法是把它整理成一個叫 DietaryAnalysis 的資料結構，裡面分成四類：

• mealPattern：主要跟餐次有關，例如記錄一天大概吃幾餐、會不會不吃早餐、有沒有吃消夜，以及平常大概幾點吃飯
• recallObservations：AI 幫忙整理出的重點觀察，例如「早餐通常在超商解決」
• eatingOutPattern：描述平常外食的習慣，例如常吃便當、超商，還是外送。外食比例雖然已經用”勾選”的方式拿到大方向，但哪一餐外食、吃什麼類型，只有自述才看得出來，所以還是有讓 AI 針對這部份去做處理。
• preferences：記錄飲食偏好，例如會不會喝含糖飲料、吃不吃辣、口味重不重，以及喜歡或不喜歡哪些食物

也就是說，使用者原本輸入的可能是一大段很生活化的描述，AI 的工作就是把這些零散資訊整理成固定的欄位，讓後面的系統比較好使用。至於為什麼是決定這四種類別呢? 主要跟營養師在判斷飲食時會觀察的點有關，不過這裡並沒有在計算營養，而是讓AI看懂「使用者平常的飲食習慣」。