feat: 增强饮食分析服务，支持文本饮食记录处理

- 新增分析用户文本中的饮食信息功能，自动记录饮食信息并提供营养分析。
- 优化饮食记录处理逻辑，支持无图片的文本记录，提升用户体验。
- 添加单元测试，确保文本分析功能的准确性和稳定性。
- 更新相关文档，详细说明新功能的使用方法和示例。

src/ai-coach/services/diet-analysis.service.ts

@@ -61,6 +61,7 @@ export class DietAnalysisService {
   private readonly logger = new Logger(DietAnalysisService.name);
   private readonly client: OpenAI;
   private readonly visionModel: string;
+  private readonly model: string;
 
   constructor(
     private readonly configService: ConfigService,
@@ -74,6 +75,7 @@ export class DietAnalysisService {
       baseURL,
     });
 
+    this.model = this.configService.get<string>('DASHSCOPE_MODEL') || 'qwen-flash';
     this.visionModel = this.configService.get<string>('DASHSCOPE_VISION_MODEL') || 'qwen-vl-max';
   }
 
@@ -159,6 +161,44 @@ export class DietAnalysisService {
     }
   }
 
+  /**
+   * 分析用户文本中的饮食信息
+   * @param userText 用户输入的文本
+   * @returns 饮食分析结果
+   */
+  async analyzeDietFromText(userText: string): Promise<DietAnalysisResult> {
+    try {
+      const currentHour = new Date().getHours();
+      const suggestedMealType = this.getSuggestedMealType(currentHour);
+
+      const prompt = this.buildTextDietAnalysisPrompt(suggestedMealType);
+
+      const completion = await this.client.chat.completions.create({
+        model: this.model,
+        messages: [
+          {
+            role: 'user',
+            content: `${prompt}\n\n用户描述：${userText}`
+          }
+        ],
+        temperature: 0.3,
+        response_format: { type: 'json_object' } as any,
+      });
+
+      const rawResult = completion.choices?.[0]?.message?.content || '{}';
+      this.logger.log(`Text diet analysis result: ${rawResult}`);
+
+      return this.parseAndValidateResult(rawResult, suggestedMealType);
+    } catch (error) {
+      this.logger.error(`文本饮食分析失败: ${error instanceof Error ? error.message : String(error)}`);
+      return {
+        shouldRecord: false,
+        confidence: 0,
+        analysisText: '文本饮食分析失败，请稍后重试'
+      };
+    }
+  }
+
   /**
    * 从用户确认的选项创建饮食记录
    * @param userId 用户ID
@@ -212,15 +252,18 @@ export class DietAnalysisService {
    * 处理饮食记录并添加到数据库
    * @param userId 用户ID
    * @param analysisResult 分析结果
-   * @param imageUrl 图片URL
+   * @param imageUrl 图片URL（可选，文本记录时为空）
    * @returns 饮食记录响应
    */
-  async processDietRecord(userId: string, analysisResult: DietAnalysisResult, imageUrl: string): Promise<CreateDietRecordDto | null> {
+  async processDietRecord(userId: string, analysisResult: DietAnalysisResult, imageUrl?: string): Promise<CreateDietRecordDto | null> {
     if (!analysisResult.shouldRecord || !analysisResult.extractedData) {
       return null;
     }
 
     try {
+      // 根据是否有图片URL来确定数据源
+      const source = imageUrl ? DietRecordSource.Vision : DietRecordSource.Manual;
+
       const createDto: CreateDietRecordDto = {
         mealType: analysisResult.extractedData.mealType,
         foodName: analysisResult.extractedData.foodName,
@@ -230,8 +273,8 @@ export class DietAnalysisService {
         carbohydrateGrams: analysisResult.extractedData.carbohydrateGrams,
         fatGrams: analysisResult.extractedData.fatGrams,
         fiberGrams: analysisResult.extractedData.fiberGrams,
-        source: DietRecordSource.Vision,
-        imageUrl: imageUrl,
+        source: source,
+        imageUrl: imageUrl || undefined,
         aiAnalysisResult: analysisResult,
       };
 
@@ -399,6 +442,54 @@ export class DietAnalysisService {
 4. analysisText要详细说明识别的食物和营养分析`;
   }
 
+  /**
+   * 构建文本饮食分析提示
+   * @param suggestedMealType 建议的餐次类型
+   * @returns 提示文本
+   */
+  private buildTextDietAnalysisPrompt(suggestedMealType: MealType): string {
+    return `作为专业营养分析师，请分析用户描述的饮食内容并以严格JSON格式返回结果。
+
+当前时间建议餐次：${suggestedMealType}
+
+请返回以下格式的JSON（不要包含其他文本）：
+{
+  "shouldRecord": boolean,  // 是否应该记录（如果描述包含具体食物则为true）
+  "confidence": number,     // 识别置信度 0-100
+  "extractedData": {
+    "foodName": string,           // 主要食物名称（简洁，如"鸡胸肉沙拉"、"牛肉面"等）
+    "mealType": "${suggestedMealType}",  // 餐次类型，优先使用建议值
+    "portionDescription": string, // 份量描述（如"1碗"、"200g"、"一份"等）
+    "estimatedCalories": number,  // 估算总热量
+    "proteinGrams": number,       // 蛋白质含量（克）
+    "carbohydrateGrams": number,  // 碳水化合物含量（克）
+    "fatGrams": number,           // 脂肪含量（克）
+    "fiberGrams": number,         // 膳食纤维含量（克）
+    "nutritionDetails": {         // 其他营养信息
+      "mainIngredients": string[], // 主要食材列表
+      "cookingMethod": string,     // 烹饪方式（如"清蒸"、"炒制"、"生食"等）
+      "foodCategories": string[]   // 食物分类（如"主食"、"蛋白质"、"蔬菜"等）
+    }
+  },
+  "analysisText": string  // 详细的文字分析说明
+}
+
+分析要求：
+1. 仔细识别用户描述中的食物名称、数量、烹饪方式等信息
+2. 如果描述模糊或不包含具体食物，设置shouldRecord为false
+3. 营养数据要基于识别的食物种类和分量合理估算
+4. foodName要简洁明了，便于记录和查找
+5. 支持中文食物描述，如"一碗米饭"、"两个鸡蛋"、"一份青菜"等
+6. analysisText要详细说明识别的食物和营养分析
+7. 如果用户提到多种食物，选择主要的食物作为记录对象，或合并为一餐记录
+
+示例用户输入：
+- "今天早餐吃了一碗燕麦粥加香蕉"
+- "午餐点了一份鸡胸肉沙拉"
+- "晚上吃了牛肉面，还有小菜"
+- "刚吃了两个苹果当零食"`;
+  }
+
   /**
    * 解析食物识别结果
    * @param rawResult 原始结果字符串