夜雨聆风
老姐的体质报告刚出来。
BMI 26.7，超重。
医生说了四个字："该减减了。"
姐姐瞬间慌了，问我咋办？
但问题是——
47岁女性，162cm，70kg。
代谢不是25岁的代谢，时间不是大学生的时间。
靠意志力硬扛？早就知道那玩意儿靠不住。
于是我做了件产品经理时常干的事情：
不能让知一姐姐自己减肥，我让AI给我搭一个减重团队。
下面这张图就是它的产出——
一份根据知一姐姐的真实身体参数跑出来的代谢分析报告
BMR三套公式交叉验证
TDEE四档场景对比
一日示范菜单、运动处方
连平台期什么时候来都提前算好了。
PDF 10页，250KB，排版用的是知一品牌色。
事情是这样的。
我之前做过不少AI辅助工作的事
——文章、视频、PPT、数据分析。
有次帮朋友算他公众号后台数据，
5份CSV扔给AI，5分钟出了一份完整运营分析报告，比我自己做还好。
于是，我就想：
能不能把"请专业人士出一套减重方案"这件事，也用AI搞定？
不是让AI随便百度几条建议那种。
是真正基于《中国成人肥胖食养指南（2024年版）》的权威方案，
加上我姐的真实身体参数做个性化计算，最后输出一份排版精美的PDF。
结果，你猜怎么着？
整个团队从招募到上岗，半个小时。工资0元。
我为什么要做这件事
简单说："给AI当知识搬运工"这件事，我受够了。
每次要做点什么，流程是这样的：
打开搜索引擎 → 找资料 → 复制粘贴 → 整理 → 写方案。
我明明是产品经理，干的却是知识搬运的活。
减重这件事尤其烦人。
网上方案铺天盖地，但你要知道三件事才能判断它靠不靠谱：
1. 它说的是哪国人？ 美国人的TDEE公式用在中国人身上不一定准，赛百味三明治的热量表能代表我的日常饮食吗？ 2. 它说的是哪个版本？ 营养学指南每年都在更新，2020年的建议可能已经被2024版推翻。 3. 它真的适合我姐吗？ "成年女性每天摄入1200-1500kcal"——47岁和25岁的1200kcal是完全不同的概念。
我缺的不是信息，是一个能把这些信息变成"针对我姐"的方案的系统。
我给AI减重团队的招聘标准
开工之前，我定了个标准：这个团队得持证上岗。
食物数据库，必须是中国的。
赛百味不配代表我的日常
——糙米饭、番茄炒蛋、白切鸡、瑞幸拿铁，这些才是真实的。
计算公式，得是学术界公认的。
基础代谢率-BMR不用一套，用 Mifflin-St Jeor、Harris-Benedict、Katch-McArdle 三套交叉验证。
每日总消耗量-TDEE按五档活动系数算，不是"你大概一天消耗2000"那种。
方案出处，2024版国标。不是网红博主的"亲测有效"，是《成人肥胖食养指南（2024年版）》——国家卫健委发布的。
说干就干。
第一轮：先找到个现成的骨架
在 ClawHub 上搜"diet tracker"，找到一个 v1.2.0 版本，
下载量 3300+，MIT-0 许可。
功能清单看着不错：
餐食记录、卡路里预算、宏量营养素追踪、体重变化预测、定时提醒。
但我打开食物数据库一看——
9个条目，全是赛百味三明治。
这不行。
一个中国人的日常饮食配一个赛百味数据库，相当于用美国地图在中国导航。
我给它做了安全审计。
两个脚本（get_food_nutrition.py 和 update_memory.py）
硬编码了 /root/clawd/ 路径，
还自动连 USDA 美国营养数据库——P1 风险，但不致命。
在 WorkBuddy 里 AI Agent 按 Skill 指令直接操作，不需要跑脚本。
真正的问题是数据。 得把《成人肥胖食养指南（2024年版）》吃透。
第二轮：拿国标重新训练
我把那份70页的PDF扔给了知墨。
「结合这个文件，优化安装」
它干了几件事：
1. 食物数据库：从9条赛百味 → 200+中国食物
按食养指南的六大类重新组织：
• 谷薯类 18 条目（糙米饭、燕麦、红薯、荞麦面……） • 蔬菜类 24 条目（西兰花、菠菜、秋葵、木耳……） • 水果类 18 条目（苹果、草莓、柚子、蓝莓……） • 肉类 12 条目（鸡胸肉、牛腱子、猪里脊……） • 水产 10 条目（鲈鱼、虾仁、蛤蜊、三文鱼……） • 蛋奶豆 16 条目（脱脂奶、无糖酸奶、豆腐……） • 常见中餐 26 条目（番茄炒蛋、白切鸡、黄焖鸡……） • 外卖快餐 12 条目（赛百味、麦当劳、瑞幸……）
每条都有精确的千卡/蛋白/碳水/脂肪数据，标记了"优选/限量"属性。
这是整个项目最关键的一步。 数据库不对，后面算出来的全是错的。
2. 核心算法：整合国标六大原则
把PDF里的核心内容编码进了SKILL.md：
3. 个人参数：写入USER.md
身高 162cm | 体重 70kg | 年龄 47 | 性别 女活动水平：久坐 → 目标轻度活动减重目标：1200 kcal/天蛋白 60g / 碳水 165g / 脂肪 33g到这里，基础版减重助手已经就位了。
但它还缺一样东西——代谢分析和进度追踪。
第三轮：再招一个分析师
饮食追踪器 diet-tracker 管的是"吃了什么"，
但"吃了之后效果怎么样"
——缺口多大、什么时候平台期、减重速度合理不合理
——需要另一套计算引擎。
我在 GitHub 上找到了
weightloss-analyzer，在 huifer/WellAlly-health 仓库里。
安全审计结果：P2安全。
只有一个 SKILL.md 文件，无脚本、无网络请求、无外部API，纯数学公式。
它的功能正好补上短板：
两个技能互补到像是同一个人拆开写的。
我做了决定：合并。
把 weightloss-analyzer 的所有功能塞进 diet-tracker，升级到 v3.0。
合并后的 SKILL.md 从200多行膨胀到469行，
但模块化清晰
——饮食记录、代谢计算、进度追踪、报告生成，全部在一个技能里。
第四轮：跑真实数据，发现真正的敌人
参数更新上去：162cm / 70kg / 47岁 / 女性。
知墨跑了一套完整分析。说实话，结果出来的时候我盯着屏幕愣了几秒。
| 26.7→ 超重 | |
| 1,316 kcal | |
| 1,580 kcal | |
| 12.3 kg |
关键在 每日总消耗量TDEE。1580 kcal。
这意味着什么？
每日最高赤字 = 1580（消耗）- 1200（女性最低饮食安全线）= 380 kcal380 kcal。
一天只能制造380的热量缺口。
一碗米饭大概200 kcal。
也就是说——每天比正常少吃不到两碗米饭，就到底了。不能再少了。
按这个速度，月减只有 1.4 kg，减到57.7 kg需要 8.7个月。
纯靠节食这条路，对我姐的代谢水平来说，走不通。
破局方案：必须动起来
知墨（我养的虾）给了三档方案，我选了B档：
| 610 kcal/天 | ||
| 月减2.2 kg × 5.7个月→ 57.7kg |
说白了就一句话：把每日总消耗量TDEE，从1580拉到1810以上。
不是少吃，是多动。
这是AI用数据告诉我的，不是我猜的。
它算出来我姐47岁的BMR只有1316
——这个数字让我无法再自欺欺人地说"少吃点就行"。
产出：一份有品牌排版的PDF
最后的产物是一份10页PDF，用的是 huashu 排版
——苹果设计风格，知一蓝(#001F3F)主色块 + 流沙金(#D4AF37)分隔线。
10页内容结构：
1. 封面（深蓝底 + 金色标题 + 参数卡片）2. 身体成分分析（BMI/理想体重/三种速度进度表）3. 代谢率分析（BMR三公式 + TDEE四场景）4. 核心发现：久坐瓶颈 + 三档方案对比5. 推荐方案B详述（营养分配 + 一日示范菜单）6. 运动处方（每周排期表）7. 平台期预案（四阶段预判）8. 安全边界检查9. 行动清单（本周+第一周 checkbox）10. 尾页金句字体用微软雅黑，支持中文完美渲染。
这份PDF不是AI生成的"粗糙草稿"
——每一页都经过人工校准，排版对齐，表格清晰。
5分钟 vs 半天：效率对比
我自己把这个流程走下来，脑子里一直有一个对比：
| 半天以上 | 5分钟 |
从头到尾，我没写过一行代码，没搜过一次百度，没手动算过一个公式。
所有的"技术活"——安装技能、合并功能、跑分析、出报告——知墨全搞定了。
我做的唯一事情是：告诉它我要做什么，然后把我的真实参数给它。
不止于减重
这件事让我重新想明白一个东西：
AI真正的价值，不是帮你做一件事。是帮你在某个领域搭一个能自己跑的系统。
减肥失败，大部分人不是因为没意志力。是缺三样东西：
• 一个准数（你到底消耗多少？不是"大概2000"） • 一套反馈（今天吃了多少？缺口多大？） • 一份方案（不是"少吃多动"四个字，是具体到三餐吃什么的方案）
这三样，AI天生就擅长。算数、记录、结构化——全中。
而这个 diet-tracker v3.0 技能——从9条赛百味三明治长成一个集成2024国标、200+中国食物、三套BMR公式、平台期预测的完整系统——本质上是什么？
是"给AI当知识搬运工"这条路走到了尽头。
不是我不做知识搬运了。是以后这类活，AI就能干完，不用我了。
现在，每次姐姐吃完饭对可以对知墨说一句"中午吃了番茄炒蛋 + 半碗糙米饭"，
它就会自动匹配食物数据库、计算卡路里、更新当日缺口、同步减重进度。
而姐姐只需要做一件事：
吃饭前看一眼手机，知道还剩多少额度。刺激不？哈哈哈
这才是AI该干的活。
📄 本文所述的 diet-tracker v3.0 技能 已整合完毕
可在 WorkBuddy 中直接调用。
完整代谢分析报告 PDF（10页，huashu排版）已生成。
🤖：本文部分内容是与AI合作的哦！感谢知墨！
