收益：
- 能够利用人工智能制定适合目标卡路里和宏指令、有选择且具有文化敏感性的膳食计划草案
- 能够理解宏指令的成功并不表明计划和控制纤维、微量营养素平衡和作为营养师的可持续性的健康。
- 能够灵活地更改/交换清单，并通过一对一验证过敏原来批准最终计划
收集客户历史记录，计算并验证能源和宏观目标。现在是时候把这个数字目标变成一个真正的盘子了：哪顿饭吃什么，吃了多少，来自哪个来源？这是饮食计划的核心，也是人工智能作为“绘图机器”节省大量时间的地方。它会在几分钟内将每日膳食计划的第一个版本呈现在您面前。但这种便利却存在一个陷阱：人工智能生成的计划在视觉和语言上看起来都很完整，但它并不能保证安全性、稳定性或个性化。该单元的原理是：AI生成膳食计划大纲；营养师验证、纠正并批准最终计划。未经批准的计划不是计划。
良好膳食计划的组成部分
扎实的每日计划满足以下几点：（1）符合目标热量和宏观分布，（2）根据客户的一天调整膳食分布（给不吃早餐的人提供600大卡的早餐是没有用的），（3）营养多样性和微量营养素平衡（仅保留宏观是不够的，还需要铁，钙，纤维），（4）客户的文化和口味偏好，（5）符合预算和烹饪技巧，（6）绝对符合过敏和医疗限制，（7）可行性——即客户实际上可以维持的计划。 AI快速起草前四项；但平衡、安全和可持续性的判断取决于你。
下表显示了谁决定计划中的每个维度：
计划尺寸
人工智能蓝图？
谁批准/决定
膳食创意和多样性
是的，很强
营养师选择
卡路里/宏观合规性
需要控制草稿
营养师计算回来
微量营养素平衡
部分、弱
营养师完成
过敏/医疗限制
预过滤，绝不是最后一句话
营养师逐字确认
文化/口味兼容性
很好，如果给出输入
营养师+顾客
可持续发展
弱
营养师（临床直觉）
一步一步：使用 AI 创建计划草案
- 明确目标和约束。卡路里、宏观分布、过敏、不耐受、文化、进餐次数、预算——将其全部写进提示中。
- 产生膳食创意。首先询问每顿饭有几种选择；不是一个单一的“最终计划”，而是一个带有选项的菜单。
- 使宏成为目标。向 AI 询问每顿饭的估计宏量，然后将其乘以验证每日总量。
- 应用安全过滤器。让人工智能再次扫描过敏原和限制，然后单独审查。
- 让它个性化。去掉服务对象不喜欢的食物，增加他/她喜欢的食物；将计划融入他的生活。
- 确认并注册。与营养师批准最终计划；记下您使用的来源和假设。
提示：向 AI 询问“每餐 2-3 个选项”，而不是“一个可靠的计划”。可选菜单既为客户提供了灵活性，又避免了因单调而导致计划的合规性下降。 “合规性”是客户能够遵守计划的程度。
交换/交换列表逻辑
在临床营养学中，有一个称为“交换清单”的工具：它将营养价值相似的食物进行分组，并使它们可以互换（例如1片面包≈3汤匙干小麦≈半个中等大小的土豆）。这为客户提供了灵活性，而不是僵化的菜单。人工智能擅长制定符合客户目标的变更清单；但你需要验证它在营养价值方面建议的等价性，因为人工智能有时会将严重不平等的部分呈现为“等价”。
三个迷你箱子
情况 1 — 缺乏平衡。营养师向AI询问每天1600大卡；人工智能完美地控制了卡路里和宏量，但一天的内容包括白面包、意大利面和鸡肉——几乎没有纤维，也没有蔬菜。宏观是对的，平衡是错的。营养师通过添加蔬菜、豆类和全谷物来固定纤维和微量营养素。教训：仅仅因为宏观有效并不意味着计划是合理的。
案例 2——不可持续的计划。另一个计划包括每天 5 种不同的食谱，其中一些需要特殊的成分。客户三天后放弃；购物和做饭的负担已经成为她现实生活的重担。营养师简化了计划，并通过实用的重复膳食来重建它。教训：最好的计划就是能够实施的计划； AI不知道可行性。
案例3——正确使用。营养师通过清楚地写下 2 型糖尿病客户的目标（富含纤维且分布均衡的碳水化合物）来向 AI 询问膳食选择。人工智能为三餐提供 3 种选择。营养师检查每个选项的碳水化合物分布，删除客户不喜欢的两顿饭，通过更改列表增加灵活性，并批准该计划。人工智能产生了多样性，临床平衡和批准仍然由营养师决定。
可复制的提示模板
膳食计划草案模板您的角色：助理为营养师准备膳食计划草案。最终批准权属于营养师；提供医疗建议。客户（匿名）：[年龄、性别、目标]。每日目标：[X] kcal，宏观：__/__/__。过敏：[...]。不宽容：[...]。文化：[...]。用餐次数：[3 份主食 + 1 份小吃]。预算：[中]。烹饪技巧：【基础】。每餐制作2-3个OPTIONS。在每个选项旁边写下估计的千卡和宏，并添加注释“必须由营养师验证”。请勿放置任何含有过敏原的建议。
宏观坐姿模板将您每日每种膳食选择的宏观热量相加，并与您的每日目标 [X] kcal / __/__/__ 宏观热量进行比较。显示哪个项目需要调整。乘以 4/4/9 以验证总数。添加虚构的营养价值；使用给定的值。
交换/交换列表模板 准备一份适合客户目标的“交换列表”：列出每个食物组（淀粉、蛋白质、蔬菜、水果、脂肪）的可互换份量。写下每种当量的大致营养价值，以便营养师可以验证。声称绝对等同；指定“大约”。
个性化/简化模板 将以下计划草案放入客户的现实生活中：[不喜欢：...]、[烹饪时间最多 20 分钟]、[工作日实用]。简化复杂的食谱，建议实用的重复膳食，但保持营养多样性和纤维平衡。
弱提示/强提示
弱提示：
写下 1600 卡路里的每日饮食清单。
无过敏、文化、目标、进餐次数或平衡问题；人工智能生成的列表是通用的，可能不平衡，而且不是个性化的。
强力提示：
您的角色：膳食计划起草助理；批准权属于营养师。客户（匿名）：45岁男性，2型糖尿病，目标1900大卡，碳水化合物40%（纤维丰富，膳食均衡分布），蛋白质25%，脂肪35%。没有过敏。他不喜欢海鲜。土耳其美食。 3顿主餐+2顿小吃。每餐有 2 种选择，带有估计的宏量和“必须验证”的注释。不建议使用单糖和白糖。
第二个提示包括临床目标（糖尿病中的纤维和平衡碳水化合物）、偏好、文化和安全注意事项；输出是一个近乎个人的草图，可供验证。
常见错误
- 保持宏量就意味着“没问题”：还应该检查平衡、纤维和微量营养素。
- 忽视可持续性：客户无法实施的复杂计划将会失败。
- 依靠单一过敏原筛查：AI过滤器预筛查；营养师必须亲自验证。
- 提供单一死板的菜单：没有选项，计划就会变得单调，和谐度就会降低；提供交换列表的灵活性。
- 跳过批准和注册：必须与营养师一起批准最终计划并记录假设。
综上所述
饮食计划是数字目标变成真正盘子的阶段，人工智能在这里是一个强大的起草机器：快速生成各种膳食选择，根据文化和偏好进行调整，创建替代清单。但宏观经济的成功并不表明该计划是健康的；对平衡、微量营养素、安全性和可持续性的判断取决于营养师。设置带有选项的菜单，反向乘法和验证宏，一一扫描过敏原，根据客户的现实生活制定计划并给予最终批准。未经认证的人工智能输出仍然是草案，而不是计划。
应用任务
选择客户资料和临床目标（例如“胰岛素抵抗，1,700 kcal”）。通过“膳食计划大纲模板”，获取包含 AI 选项的每日计划。然后将每日总宏乘回来并验证是否达到目标。然后评估纤维和蔬菜的计划；如果缺少，请添加。最后，制定一份膳食的“交换清单”，并确认营养价值方面的等效项之一。
清单
- [ ] 计划适合目标卡路里和宏指令（通过乘以验证）。
- [ ] 我还检查了纤维、蔬菜和微量营养素的平衡。
- [ ] 我准确扫描了过敏原和医疗限制。
- [ ] 该计划基于客户的文化、口味和烹饪技巧。
- [ ] 我通过选项菜单/替换列表提供了灵活性。
- [ ] 我作为营养师批准了最终计划并记录了假设。