opencode-skills-collection 4.0.53 → 4.0.55

package/bundled-skills/food-database-query/SKILL.md

@@ -3,6 +3,7 @@ name: food-database-query
 description: Food Database Query
 risk: critical
 source: community
+date_added: "2026-09-04"
 ---
 
 # 食物数据库查询技能
@@ -14,783 +15,15 @@ source: community
 
 ---
 
+## Detailed Guide
+
+Read [the detailed guide](references/detailed-guide.md) before executing this skill. It retains the complete procedure and reference material. Treat its safety, prerequisites, and validation requirements as mandatory. For focused work, load the relevant sections; for end-to-end work, read the guide completely.
+
 ## When to Use
 - 需要查询食物营养成分、比较食物差异或做营养计算时使用。
 - 任务涉及食物数据库检索、食物推荐、份量换算或分类筛选。
 - 需要基于结构化食物数据生成分析结果而不是自由文本建议时使用。
 
-## 技能概述
-
-本技能提供全面的营养食物数据库查询功能,支持食物营养信息查询、比较、推荐和自动营养计算。
-
-**核心功能**:
-- ✅ 食物营养信息查询
-- ✅ 食物比较分析
-- ✅ 智能食物推荐
-- ✅ 自动营养计算
-- ✅ 分类浏览和搜索
-- ✅ 份量转换和估算
-
----
-
-## 数据源
-
-### 主数据库
-- **文件**: `data/food-database.json`
-- **内容**: 50种常见食物的详细营养数据
-- **结构**: 每种食物包含30+营养素指标
-
-### 分类体系
-- **文件**: `data/food-categories.json`
-- **分类**: 10大类,30+子类
-- **支持**: 按分类浏览和筛选
-
----
-
-## 功能模块
-
-### 1. 食物查询 (Food Query)
-
-#### 1.1 精确查询
-
-**用途**: 根据食物名称查询营养信息
-
-**支持输入**:
-- 中文名称: "燕麦", "西兰花", "三文鱼"
-- 英文名称: "Oats", "Broccoli", "Salmon"
-- 别名: "燕麦片", "broccoli", "三文鱼肉"
-
-**查询流程**:
-1. 接收食物名称
-2. 在数据库中搜索匹配项
-3. 支持模糊匹配和别名匹配
-4. 返回完整营养信息
-
-**返回信息**:
-- 基本信息 (名称、分类、标准份量)
-- 宏量营养素 (卡路里、蛋白质、碳水、脂肪、纤维)
-- 微量营养素 (维生素、矿物质)
-- 特殊营养素 (Omega-3/6、胆碱等)
-- 升糖指数数据
-- 健康标签和适用人群
-- 常见份量
-- 营养优势说明
-
-**示例**:
-```python
-# 用户输入: "燕麦"
-# 返回:
-{
-  "name": "燕麦",
-  "name_en": "Oats",
-  "category": "谷物类",
-  "nutrition_per_100g": {
-    "calories": 389,
-    "protein_g": 16.9,
-    "carbs_g": 66.3,
-    "fat_g": 6.9,
-    "fiber_g": 10.6,
-    # ... 更多营养素
-  },
-  "health_tags": ["高纤维", "低GI"],
-  "glycemic_index": {"value": 55, "level": "低"}
-}
-```
-
-#### 1.2 模糊搜索
-
-**用途**: 根据营养特征搜索食物
-
-**搜索条件**:
-- 营养素含量: "高蛋白", "高纤维", "低GI"
-- 营养素组合: "高蛋白 低卡路里", "高纤维 低GI"
-- 分类筛选: "谷物类", "蔬菜", "蛋白质"
-- 适用人群: "素食友好", "高血压", "糖尿病"
-
-**搜索逻辑**:
-```python
-# 示例: 搜索"高蛋白 低卡路里"
-def search_foods(criteria):
-    results = []
-    for food in database:
-        protein = food.nutrition_per_100g.protein_g
-        calories = food.nutrition_per_100g.calories
-
-        # 定义阈值
-        high_protein = protein >= 15  # 每100g≥15g蛋白质
-        low_calorie = calories <= 150  # 每100g≤150卡
-
-        if high_protein and low_calorie:
-            results.append(food)
-
-    return sorted(results, key=lambda x: x.protein_g, reverse=True)
-```
-
-**返回格式**:
-- 按匹配度排序
-- 显示关键营养素
-- 标注匹配标签
-
-#### 1.3 分类浏览
-
-**用途**: 按食物分类浏览所有食物
-
-**分类层级**:
-```
-蛋白质来源
-├── 肉类
-├── 禽类
-├── 鱼虾贝类
-├── 蛋类
-├── 豆类
-├── 坚果种子
-└── 乳制品
-```
-
-**浏览模式**:
-- 列出某分类下所有食物
-- 按营养素排序
-- 按GI值排序
-- 按健康标签筛选
-
----
-
-### 2. 食物比较 (Food Comparison)
-
-#### 2.1 双食物比较
-
-**功能**: 比较两种食物的营养差异
-
-**比较维度**:
-- **宏量营养素**: 卡路里、蛋白质、碳水、脂肪、纤维
-- **微量营养素**: 主要维生素和矿物质
-- **升糖指数**: GI值、升糖负荷
-- **营养密度**: 综合评分
-
-**计算逻辑**:
-```python
-def compare_foods(food1, food2):
-    comparison = {}
-
-    # 宏量营养素差异
-    for nutrient in ["calories", "protein_g", "fiber_g"]:
-        val1 = food1.nutrition_per_100g[nutrient]
-        val2 = food2.nutrition_per_100g[nutrient]
-        diff = val1 - val2
-        percent = (diff / val2) * 100
-
-        comparison[nutrient] = {
-            "food1": val1,
-            "food2": val2,
-            "difference": diff,
-            "percent_change": percent,
-            "better": "food1" if diff > 0 else "food2"
-        }
-
-    return comparison
-```
-
-**输出格式**:
-- 对比表格
-- 差异百分比
-- 优势标注
-- 推荐建议
-
-#### 2.2 多维度比较
-
-**支持模式**:
-- 全方位营养比较
-- 仅比较特定营养素
-- 仅比较GI值
-- 仅比较特定健康标签
-
-**示例**: `/nutrition compare 三文鱼 鸡胸肉 营养素`
-
----
-
-### 3. 食物推荐 (Food Recommendation)
-
-#### 3.1 基于营养素推荐
-
-**推荐逻辑**:
-```python
-def recommend_by_nutrient(nutrient, min_value=None, max_value=None):
-    recommendations = []
-
-    for food in database:
-        value = food.nutrition_per_100g[nutrient]
-
-        # 筛选符合条件
-        if min_value and value < min_value:
-            continue
-        if max_value and value > max_value:
-            continue
-
-        recommendations.append({
-            "food": food,
-            "value": value,
-            "rda_percent": (value / RDA[nutrient]) * 100
-        })
-
-    # 按含量排序
-    return sorted(recommendations, key=lambda x: x["value"], reverse=True)
-```
-
-**推荐类别**:
-- **高蛋白**: ≥15g/100g
-- **高纤维**: ≥5g/100g
-- **低GI**: ≤55
-- **富含维生素C**: ≥50mg/100g
-- **富含Omega-3**: ≥1g/100g
-- **高钙**: ≥100mg/100g
-- **高铁**: ≥3mg/100g
-
-#### 3.2 多条件推荐
-
-**支持组合条件**:
-- "高蛋白 低卡路里"
-- "高纤维 低GI"
-- "富含铁 素食友好"
-
-**排序策略**:
-1. 按第一优先级排序
-2. 筛选符合第二条件的
-3. 综合评分排序
-
-#### 3.3 基于健康状况推荐
-
-**高血压 (DASH饮食)**:
-- 低钠食物
-- 高钾食物
-- 高镁、高钙食物
-
-**糖尿病**:
-- 低GI食物
-- 高纤维食物
-- 低碳水化合物
-
-**高血脂**:
-- 高Omega-3食物
-- 低饱和脂肪
-- 高纤维食物
-
-**骨质疏松**:
-- 高钙食物
-- 富含维生素D
-- 高镁、高锌
-
-**贫血**:
-- 富含铁
-- 富含叶酸
-- 富含维生素B12
-
----
-
-### 4. 自动营养计算 (Auto Nutrition Calculation)
-
-#### 4.1 食物识别
-
-**输入解析**:
-```python
-def parse_food_input(text):
-    # 示例: "燕麦粥 1杯 + 鸡蛋 1个 + 牛奶 250ml"
-
-    foods = []
-    portions = []
-
-    # 识别食物名称
-    for item in text.split("+"):
-        food_name = extract_food_name(item)  # "燕麦粥"
-        portion = extract_portion(item)      # "1杯"
-
-        # 标准化食物名称
-        standard_name = normalize_food_name(food_name)  # "燕麦"
-
-        # 查询数据库
-        food_data = query_database(standard_name)
-
-        foods.append(food_data)
-        portions.append(parse_portion(portion))
-
-    return foods, portions
-```
-
-#### 4.2 份量转换
-
-**常见份量**:
-- "1杯": 240ml (液体) 或 重量依据食物
-- "1个": 鸡蛋50g, 苹果150g
-- "1片": 面包30g
-- "100g": 直接使用
-
-**份量数据库**:
-```json
-{
-  "common_portions": [
-    {
-      "amount": 1,
-      "unit": "个",
-      "weight_g": 50,
-      "description": "1个大号鸡蛋"
-    },
-    {
-      "amount": 1,
-      "unit": "杯",
-      "weight_g": 240,
-      "description": "1杯牛奶"
-    }
-  ]
-}
-```
-
-#### 4.3 营养计算
-
-**计算公式**:
-```python
-def calculate_nutrition(food, portion_grams):
-    nutrition = {}
-
-    for nutrient, value_per_100g in food.nutrition_per_100g.items():
-        # 按100g比例计算
-        nutrition[nutrient] = (value_per_100g * portion_grams) / 100
-
-    return nutrition
-```
-
-#### 4.4 烹饪影响修正
-
-**考虑因素**:
-- 煮熟后重量变化
-- 维生素损失
-- 营养素保留率
-
-**示例**:
-- 燕麦生:100g → 煮熟:约300g (3倍重量)
-- 维生素保留: 煮熟保留60-80%
-
----
-
-### 5. 智能搜索 (Smart Search)
-
-#### 5.1 别名匹配
-
-**支持同义词**:
-- "燕麦" = "燕麦片" = "oats" = "rolled oats"
-- "西兰花" = "绿花菜" = "broccoli"
-
-**匹配算法**:
-```python
-def find_food(name):
-    # 1. 精确匹配主名称
-    if name in database:
-        return database[name]
-
-    # 2. 匹配别名
-    for food in database:
-        if name in food.aliases:
-            return food
-
-    # 3. 模糊匹配
-    matches = fuzzy_search(name)
-    if matches:
-        return matches[0]
-
-    return None
-```
-
-#### 5.2 拼写纠错
-
-**编辑距离算法**:
-```python
-def fuzzy_search(name, max_distance=2):
-    matches = []
-
-    for food in database:
-        # 计算编辑距离
-        distance = levenshtein_distance(name, food.name)
-
-        if distance <= max_distance:
-            matches.append((food, distance))
-
-    # 按距离排序
-    return sorted(matches, key=lambda x: x[1])
-```
-
----
-
-## 数据结构
-
-### 食物数据结构
-
-```json
-{
-  "id": "FD_001",
-  "name": "燕麦",
-  "name_en": "Oats",
-  "aliases": ["燕麦片", "oats", "rolled oats"],
-  "category": "grains",
-  "subcategory": "whole_grains",
-
-  "standard_portion": {
-    "amount": 100,
-    "unit": "g",
-    "description": "100克"
-  },
-
-  "nutrition_per_100g": {
-    "calories": 389,
-    "protein_g": 16.9,
-    "carbs_g": 66.3,
-    "fat_g": 6.9,
-    "fiber_g": 10.6,
-    "sugar_g": 0.99,
-    "saturated_fat_g": 1.4,
-    "monounsaturated_fat_g": 2.5,
-    "polyunsaturated_fat_g": 2.9,
-    "trans_fat_g": 0,
-    "water_g": 8.9,
-
-    "vitamin_a_mcg": 0,
-    "vitamin_c_mg": 0,
-    "vitamin_d_mcg": 0,
-    "vitamin_e_mg": 1.1,
-    "vitamin_k_mcg": 1.9,
-    "thiamine_mg": 0.763,
-    "riboflavin_mg": 0.139,
-    "niacin_mg": 6.921,
-    "vitamin_b6_mg": 0.165,
-    "folate_mcg": 56,
-    "vitamin_b12_mcg": 0,
-    "pantothenic_acid_mg": 1.349,
-    "biotin_mcg": 0,
-
-    "calcium_mg": 54,
-    "iron_mg": 4.72,
-    "magnesium_mg": 177,
-    "phosphorus_mg": 523,
-    "potassium_mg": 429,
-    "sodium_mg": 2,
-    "zinc_mg": 3.97,
-    "copper_mg": 0.526,
-    "manganese_mg": 4.916,
-    "selenium_mcg": 2.8,
-    "iodine_mcg": 0
-  },
-
-  "special_nutrients": {
-    "omega_3_g": 0.685,
-    "omega_6_g": 1.428,
-    "choline_mg": 43.4,
-    "beta_carotene_mcg": 0,
-    "lutein_mcg": 0,
-    "zeaxanthin_mcg": 0
-  },
-
-  "glycemic_index": {
-    "value": 55,
-    "level": "低",
-    "glycemic_load": 11
-  },
-
-  "common_portions": [
-    {
-      "amount": 30,
-      "unit": "g",
-      "description": "1/4杯",
-      "approximate_volume": "1/4 cup"
-    },
-    {
-      "amount": 40,
-      "unit": "g",
-      "description": "1/3杯",
-      "approximate_volume": "1/3 cup"
-    },
-    {
-      "amount": 200,
-      "unit": "ml",
-      "description": "煮熟1杯",
-      "notes": "煮熟后体积增加"
-    }
-  ],
-
-  "cooking_effects": {
-    "boiling": {
-      "weight_change_percent": 200,
-      "nutrient_changes": {
-        "vitamin_c_retention": 0,
-        "b_vitamins_retention": 60
-      }
-    }
-  },
-
-  "health_tags": ["高纤维", "低GI", "无麸质选项", "心脏健康"],
-
-  "suitable_for": ["素食者", "高血压", "糖尿病", "高血脂"],
-
-  "notes": "富含β-葡聚糖,有助于降低胆固醇"
-}
-```
-
----
-
-## RDA参考值
-
-### 成年男性 (19-50岁)
-
-```python
-RDA = {
-  # 宏量营养素
-  "calories": 2500,  # 中等活动水平
-  "protein_g": 56,
-  "carbs_g": 130,  # 最低值
-  "fiber_g": 38,
-
-  # 维生素
-  "vitamin_a_mcg": 900,
-  "vitamin_c_mg": 90,
-  "vitamin_d_mcg": 15,
-  "vitamin_e_mg": 15,
-  "vitamin_k_mcg": 120,
-  "thiamine_mg": 1.2,
-  "riboflavin_mg": 1.3,
-  "niacin_mg": 16,
-  "vitamin_b6_mg": 1.3,
-  "folate_mcg": 400,
-  "vitamin_b12_mcg": 2.4,
-  "pantothenic_acid_mg": 5,
-  "biotin_mcg": 30,
-
-  # 矿物质
-  "calcium_mg": 1000,
-  "iron_mg": 8,
-  "magnesium_mg": 400,
-  "phosphorus_mg": 700,
-  "potassium_mg": 3400,
-  "sodium_mg": 1500,  # 上限
-  "zinc_mg": 11,
-  "copper_mg": 0.9,
-  "manganese_mg": 2.3,
-  "selenium_mcg": 55
-}
-```
-
-### 成年女性 (19-50岁)
-
-```python
-RDA_FEMALE = {
-  "calories": 2000,  # 中等活动水平
-  "protein_g": 46,
-  "fiber_g": 25,
-  "iron_mg": 18,  # 育龄期
-  # ... 其他略有差异
-}
-```
-
----
-
-## 集成功能
-
-### 与营养模块集成
-
-1. **记录饮食**: 自动查询营养数据
-2. **营养分析**: 基于数据库的精确计算
-3. **营养建议**: 数据驱动的食物推荐
-
-### 与健康模块集成
-
-1. **高血压**: 推荐DASH饮食友好食物
-2. **糖尿病**: 筛选低GI食物
-3. **高血脂**: 推荐高Omega-3食物
-
-### 与运动模块集成
-
-1. **运动前后**: 推荐合适的食物
-2. **增肌**: 高蛋白食物推荐
-3. **减脂**: 低卡路里高蛋白食物
-
----
-
-## 使用示例
-
-### 示例1: 记录早餐
-
-**用户输入**:
-```
-/nutrition record breakfast 燕麦粥 1杯 + 鸡蛋 1个 + 牛奶 250ml
-```
-
-**系统处理**:
-1. 识别食物: 燕麦、鸡蛋、牛奶
-2. 查询营养数据
-3. 计算份量营养
-4. 汇总整餐营养
-5. 记录到日志
-
-**返回结果**:
-```markdown
-✅ 早餐已记录
-
-**食物**: 燕麦粥(1杯) + 鸡蛋(1个) + 牛奶(250ml)
-
-**营养汇总**:
-- 卡路里: 417 卡
-- 蛋白质: 25.1g
-- 碳水化合物: 48.5g
-- 脂肪: 15.2g
-- 膳食纤维: 8.2g
-
-**微量营养素亮点**:
-- 维生素D: 3.1 μg (21% RDA)
-- 钙: 332 mg (33% RDA)
-- 维生素B12: 1.3 μg (54% RDA)
-```
-
-### 示例2: 查询食物
-
-**用户输入**:
-```
-/nutrition food 三文鱼
-```
-
-**返回结果**:
-```markdown
-# 三文鱼 营养信息
-
-## 基本信息
-- **名称**: 三文鱼 (Salmon)
-- **分类**: 蛋白质来源 > 鱼虾贝类
-- **标准份量**: 100克
-
-## 宏量营养素 (每100克)
-- **卡路里**: 208 卡
-- **蛋白质**: 20g ✅
-- **碳水化合物**: 0g
-- **脂肪**: 13g
-- **Omega-3**: 2.5g ✅✅✅
-
-## 营养亮点
-- ✅✅✅ 富含Omega-3脂肪酸 (EPA+DHA)
-- ✅✅ 高质量蛋白质
-- ✅ 富含维生素D (11μg)
-- ✅ 富含维生素B12 (3.2μg)
-
-## 健康标签
-- ✅ 高蛋白
-- ✅ 富含Omega-3
-- ✅ 心脏健康
-- ✅ 大脑健康
-
-## 推荐份量
-- 100-150g/餐 (每周2-3次)
-```
-
-### 示例3: 比较食物
-
-**用户输入**:
-```
-/nutrition compare 鸡胸肉 三文鱼
-```
-
-**返回结果**:
-```markdown
-# 食物比较: 鸡胸肉 vs 三文鱼
-
-## 营养对比 (每100克)
-
-| 营养素 | 鸡胸肉 | 三文鱼 | 差异 |
-|--------|--------|--------|------|
-| 卡路里 | 165 | 208 | +26% |
-| 蛋白质 (g) | 31 | 20 | -35% ✅ |
-| 脂肪 (g) | 3.6 | 13 | +261% |
-| Omega-3 (g) | 0.1 | 2.5 | +2400% ✅✅✅ |
-
-## 推荐建议
-
-**选择鸡胸肉更适合**:
-- ✅ 减脂期间 (低卡高蛋白)
-- ✅ 控制脂肪摄入
-- ✅ 蛋白质需求高
-
-**选择三文鱼更适合**:
-- ✅ 心脏健康 (高Omega-3)
-- ✅ 大脑健康 (DHA)
-- ✅ 抗炎需求
-```
-
----
-
-## 扩展计划
-
-### 短期 (1-2个月)
-- ✅ 完成50种常见食物
-- ⏳ 扩展至100种食物
-- ⏳ 添加更多常见份量
-- ⏳ 优化搜索算法
-
-### 中期 (3-6个月)
-- ⏳ 扩展至300种食物
-- ⏳ 添加品牌食品
-- ⏳ 支持用户自定义食物
-- ⏳ 添加食物照片
-
-### 长期 (持续)
-- ⏳ 持续更新数据库
-- ⏳ 添加季节性食物
-- ⏳ 集成条形码扫描
-- ⏳ AI食物识别
-
----
-
-## 质量保证
-
-### 数据准确性
-- 来源: 《中国食物成分表(第6版)》+ USDA
-- 验证: 交叉验证多个来源
-- 更新: 定期更新数据
-
-### 功能测试
-- 查询准确性测试
-- 计算精度测试
-- 边界条件测试
-- 性能测试
-
----
-
-## 注意事项
-
-### ⚠️ 重要限制
-1. **数据范围**: 当前仅覆盖50种常见食物
-2. **烹饪影响**: 数据基于生食/标准烹饪
-3. **个体差异**: 实际营养吸收因人而异
-4. **地域差异**: 不同地区食物营养可能不同
-
-### ⚠️ 使用建议
-1. **均衡饮食**: 不要依赖单一食物
-2. **多样化选择**: 轮换不同食物
-3. **适量原则**: 即使健康食物也需适量
-4. **专业指导**: 特殊需求咨询营养师
-
----
-
-## 技术实现
-
-### 文件位置
-- 数据库: `data/food-database.json`
-- 分类: `data/food-categories.json`
-- 命令: `.claude/commands/nutrition.md`
-- 技能: `.claude/skills/food-database-query/SKILL.md`
-
-### 性能优化
-- 数据库索引 (食物名称、分类)
-- 缓存常用查询
-- 模糊搜索优化
-
----
-
-**技能版本**: v1.0
-**最后更新**: 2026-01-06
-**维护者**: WellAlly Tech
-
 ## Limitations
 - Use this skill only when the task clearly matches the scope described above.
 - Do not treat the output as a substitute for environment-specific validation, testing, or expert review.