决策疲劳
选择太多、上下文太少。用户需要的不是更多列表，而是一个此刻合适的答案。
用户不缺菜谱，
缺的是下一步。
真正困难的不是搜到一道菜，而是在当下的口味、时间、食材和身体状态之间，快速得到一个可以执行的答案。
每天三次的“吃什么”，其实是 多个信号同时冲突 的决策题。
信息割裂
口味在脑中、食材在冰箱、营养在另一款应用里，没有共同参与同一次决策。
推荐难执行
一道“看起来不错”的菜，可能缺食材、太耗时，或无法进入真正的做饭步骤。
每餐不被记住
吃过什么、哪里不合口、库存用掉多少没有回流，下一次仍从零开始。
此刻口味
现有食材
营养目标
时间场景
下一餐
吃什么ONE ANSWER
吃什么ONE ANSWER
吃了么把分散信号收进同一个上下文，再把答案推进到做饭、记录与下一次推荐。
一餐，不止发生在推荐页。
向下滚动，真实产品画面会跟随流程切换。手机画面支持拖动，查看完整长页面。
说一句感觉，
先得到一道答案。
用户不必填写表单，只需描述想吃的感觉、家里有什么或身体目标。系统并行理解意图并检索真实菜谱。
“清爽一点”鸡蛋 + 番茄晚餐
不确定时，
把问题继续问下去。
对话顾问能结合用户画像、近期餐次与营养目标持续追问，并把真实网络菜谱带回应用内。
连续追问个人画像真实来源
从冰箱出发，
给一个主方案、两个备选。
食材、时间、人数、工具、辣度和忌口共同参与排序。每个答案都说明“为什么适合”与“还缺什么”。
库存优先30 分钟可解释理由
推荐不是终点，
真正把这一餐做完。
逐步模式提供当前步骤、计时、进度和下一步预览。完成后收集轻量味觉反馈并同步食材库存。
逐步引导味觉反馈库存同步
吃过的每一餐，
都会改变下一次推荐。
日期化记录汇总热量、蛋白质、碳水与纤维，将营养缺口翻译成“下一餐该补什么”。
历史日期营养环缺口建议
从一次选择，
长成个人饮食系统。
收藏、家乡口味、营养节奏与每周反馈持续沉淀，让产品从工具逐渐成为了解用户的饮食伙伴。
想吃清单成长口味每周报告
生活不同，
答案也应该不同。
选择一个场景，看看同一套决策系统如何改变输入信号与最终答案。
此刻是什么场景？
你说
“只有 10 分钟，早餐想吃得暖一点。”
吃了么给出
南瓜燕麦粥 + 水煮蛋
用时短、饱腹稳定，并优先补足早晨容易忽略的蛋白质。
项目亮点，
藏在闭环里。
不堆砌孤立功能，用一套双引擎、可解释、可回退的系统支撑完整体验。
口味 × 营养双引擎
口味信号决定“想不想吃”，营养与场景决定“此刻合不合适”。两类信号共同排序，而不是互相覆盖。
每个答案都有理由
推荐理由直接来自用户输入和当前上下文。
现有 3 种可用食材30 分钟内完成符合当前清淡偏好
按需增长的个人菜单库
联网结果写入本机动态菜库，相同需求 24 小时内优先命中。
1000 道近期菜谱容量
做完以后，系统真的会改变
味觉反馈、库存与营养记录共同回流。
真实网页菜谱，而非 AI 凭空生成
检索、归纳与应用内呈现相互分离，保留来源、食材与步骤图。
超嫩滑的番茄炒蛋下厨房 · 6 样食材 · 12 个图文步骤
网络慢，也不让主链路停下
本地确定性推荐先给可执行答案，联网结果并行补充；失败时仍能继续看菜谱、做饭和记录。
LOCALONLINE
技术不是幕后，
它直接塑造体验。
点击架构节点查看职责。前端、同源 AI 网关、双菜谱源和本机记忆共同组成完整系统。
01
多模态输入
自然语言是默认入口，同时保留语音和图片能力，让用户从最接近当下场景的方式开始。
- Web Speech API 中文转写与降级
- 图片在浏览器端压缩后提交
- 查询统一转为结构化约束
React 18TypeScriptViteNode.js AI GatewayOpenAI-compatible APIWeb SearchlocalStoragePWA-readyResponsive 390 × 844
工程原则：密钥只存在服务端；AI 不可用时回退到本地推荐；个人记录持久化在本机。正式上线需以 HTTPS 承载 PWA、麦克风与安全上下文能力。
灵感来源：
杂志、管家与闭环系统。
视觉不只负责好看，交互也不只负责完成任务。三类灵感共同定义“吃了么”的气质。
01 · Editorial dining
高级餐饮编辑感
暖白、深墨、真实摄影与克制朱砂红，让“吃什么”先成为一个有食欲的情绪问题。
02 · Personal concierge
像一位了解你的餐饮管家
先理解上下文，再给一个明确答案；不把复杂性重新丢给用户。
03 · Feedback system
每一次选择都成为下一次输入
推荐、执行、反馈与记录形成循环，产品越使用越拥有个人意义。
创新点，不是加一个 AI 按钮。
AI 被放进真实用户任务中：理解、检索、解释、执行与记忆，每一步都有清晰边界。
0核心路由完成
0关键流程实跑
0省级地区选项
0联网菜谱图文步骤
把口语直接转成饮食约束
“清爽一点”“家里只有鸡蛋番茄”“按今天的缺口推荐”都能成为结构化信号，而不是关键词搜索。
本地即时与联网真实来源并行
既保持演示和弱网时的稳定，又能突破固定菜单边界，形成持续增长的个人菜库。
匹配理由来自真实上下文
推荐不依赖装饰性分数，直接解释食材覆盖、时间、人群、忌口与口味信号。
AI 结果继续进入做饭和记录
从建议走向步骤、反馈、库存和营养，让智能真正参与任务完成，而不是停在聊天框。
让一餐拥有长期价值
成长地区、味觉反馈、收藏、日记与周计划共同沉淀为个人饮食档案，为下一次选择提供更好的起点。