AI 食物记录有多准，以及如何做到足够准

AI 食物记录不是弹式量热计。它是快速估计器。足够准意味着周平均随现实移动，而不是每一克都匹配实验室。

计算机视觉可从图像分类食物并估计份量，但深度、遮挡与能量密度仍会造成误差。那是预期的测量科学，不是丑闻。

模型强弱之处

强：常见餐、清晰摆盘、分明的蛋白与碳水。弱：米饭堆的深度感、透明油、浅色酱、混合自助、暗光照片。

最后一公里是人

你的工作是编辑你看得出错的地方。做一周，系统就变成习惯放大器，而不是新鲜玩具。

校准重复：称一次主食、保存、复用。把嘈杂估计变成稳定的个人数据。

对目标足够准

减脂与增肌响应每周能量与蛋白质趋势。带小随机误差的日志仍可用。带大系统偏差（总漏油脂）的日志不可用。

油亮食物偏高估计。守住蛋白质字段。保持光线尚可。

结论

AI 给你速度。编辑给你真相。两者一起胜过被放弃的完美数据库。