Files

richarjiang 485ba1f67c feat: 新增饮食记录和分析功能

- 创建饮食记录相关的数据库模型、DTO和API接口，支持用户手动添加和AI视觉识别记录饮食。
- 实现饮食分析服务，提供营养分析和健康建议，优化AI教练服务以集成饮食分析功能。
- 更新用户控制器，添加饮食记录的增删查改接口，增强用户饮食管理体验。
- 提供详细的API使用指南和数据库创建脚本，确保功能的完整性和可用性。

2025-08-18 16:27:01 +08:00

5.4 KiB

Raw Blame History

饮食记录功能实现总结

功能概述

根据您的需求，我已经参照现有体重记录的实现，完整地实现了饮食记录功能。该功能包括：

数据库模型 - 完整的饮食记录数据结构
API接口 - RESTful API支持增删查改操作
AI视觉识别 - 优化的图片分析和自动记录
营养分析 - 基于最近饮食记录的健康建议
AI教练集成 - 智能对话中的饮食指导

实现的文件清单

数据库模型

src/users/models/user-diet-history.model.ts - 饮食记录数据模型

DTO 结构

src/users/dto/diet-record.dto.ts - 完整的请求/响应数据传输对象

服务层

src/users/users.service.ts - 新增饮食记录相关方法：
- addDietRecord() - 添加饮食记录
- addDietRecordByVision() - 通过AI视觉识别添加记录
- getDietHistory() - 获取饮食历史记录
- updateDietRecord() - 更新饮食记录
- deleteDietRecord() - 删除饮食记录
- getRecentNutritionSummary() - 获取营养汇总

控制器层

src/users/users.controller.ts - 新增API端点：
- POST /users/diet-records - 添加饮食记录
- GET /users/diet-records - 获取饮食记录列表
- PUT /users/diet-records/:id - 更新饮食记录
- DELETE /users/diet-records/:id - 删除饮食记录
- GET /users/nutrition-summary - 获取营养分析

AI教练服务增强

src/ai-coach/ai-coach.service.ts - 新增功能：
- analyzeDietImageEnhanced() - 增强版饮食图片分析
- buildUserNutritionContext() - 构建用户营养上下文
- buildEnhancedDietAnalysisPrompt() - 增强版分析提示
- 支持 #记饮食 指令和自动记录

配置文件

src/users/users.module.ts - 注册新的数据模型

文档

docs/diet-records-table-create.sql - 数据库表创建脚本
docs/diet-records-api-guide.md - API使用指南

核心功能特性

1. 智能视觉识别

结构化数据返回 - AI分析结果以JSON格式返回，包含完整营养信息
自动餐次判断 - 根据当前时间智能推断餐次类型
置信度评估 - 只有置信度足够高才自动记录到数据库
营养成分估算 - 自动计算热量、蛋白质、碳水、脂肪等

2. 个性化营养分析

历史记录整合 - 结合用户最近10顿饮食记录
趋势分析 - 分析热量摄入、营养均衡等趋势
智能建议 - 基于个人饮食习惯提供针对性建议
营养评分 - 0-100分的综合营养评价

3. 完整的数据结构

参照健康管理应用的最佳实践，包含：

基础信息：食物名称、餐次、份量、时间
营养成分：热量、三大营养素、膳食纤维、钠含量等
扩展字段：图片URL、AI分析结果、用户备注
数据来源：手动输入、AI识别、其他

4. AI教练智能对话

指令识别 - 支持 #记饮食、#饮食 等指令
上下文感知 - 自动提供用户饮食历史上下文
个性化回复 - 基于用户饮食记录给出专业建议
健康指导 - 综合最近饮食情况提供改善建议

技术实现亮点

1. 数据安全与性能

使用数据库事务确保数据一致性
合理的索引设计优化查询性能
软删除机制保护用户数据
活动日志记录用户操作

2. 错误处理与验证

完整的数据验证规则
合理的错误提示信息
容错机制和降级处理
详细的日志记录

3. API设计规范

RESTful API设计原则
完整的Swagger文档注解
统一的响应格式
分页查询支持

4. AI集成优化

结构化的AI输出格式
智能的数据验证和清洗
用户体验优化（自动记录）
个性化的营养分析

使用示例

1. 手动添加饮食记录

curl -X POST /users/diet-records \
  -H "Authorization: Bearer <token>" \
  -d '{
    "mealType": "lunch",
    "foodName": "鸡胸肉沙拉",
    "estimatedCalories": 280,
    "proteinGrams": 35.0
  }'

2. AI拍照记录饮食

用户发送：#记饮食 + 食物图片系统自动：分析图片 → 提取数据 → 保存记录 → 提供建议

3. 获取营养分析

curl -X GET /users/nutrition-summary?mealCount=10 \
  -H "Authorization: Bearer <token>"

部署说明

数据库表创建

mysql -u username -p database_name < docs/diet-records-table-create.sql

环境变量配置 确保AI模型相关的环境变量已正确配置：

DASHSCOPE_API_KEY
DASHSCOPE_BASE_URL
DASHSCOPE_VISION_MODEL

应用重启

npm run build
npm run start:prod

扩展建议

基于当前实现，未来可以考虑以下扩展：

营养数据库集成 - 接入专业的食物营养数据库
饮食目标设定 - 允许用户设定个性化的营养目标
社交分享功能 - 用户可以分享饮食记录和成就
更精确的AI识别 - 使用更专业的食物识别模型
营养师咨询 - 集成专业营养师在线咨询服务

测试建议

功能测试 - 测试所有API端点的正常功能
AI识别测试 - 使用各种食物图片测试识别准确性
性能测试 - 测试大量数据情况下的查询性能
集成测试 - 测试与AI教练对话的完整流程

该实现完全按照您的要求，参照体重记录的实现模式，提供了完整、智能、用户友好的饮食记录功能。

5.4 KiB Raw Blame History Unescape Escape