「拍照识别食物准不准,关键看背后的数据库」—— 这是我们之前在 AI 拍照识别架构 文章里反复强调的。
那这个 50 万级食物数据库是怎么来的? 谁在维护? 多久更新一次?
这篇我们公开小卡背后的营养师团队的工作日常 —— 不是营销稿,是希望让你看清:这个 App 的"专业可信度"建立在哪些具体的人和具体的工作流上。
团队是谁
自有营养师团队。成员持有以下任一或多种资质:
| 资质 | 含义 |
|---|---|
| 注册营养师(RD) | 国家级专业认证,需经营养学本科 + 实习 + 考试 |
| 公共营养师 | 国家职业资格认证,聚焦群体营养 |
| 临床营养相关从业资质 | 医院 / 营养门诊从业经验 |
领域分工:
- 减脂方向(主力)
- 增肌 / 运动营养
- 慢病饮食(糖尿病 / 痛风 / 高血脂 / 高血压)
- 产后 / 哺乳期营养
- 孕期营养
- 青少年发育营养
每周的工作内容
Monday — 数据库新条目录入
周一上午:营养师团队过一下上周新出的连锁餐饮 / 包装食品 / 网红食物。比如:
- 瑞幸新出的拿铁
- 奈雪新口味的奶茶
- 海底捞的某个新锅底
- 小红书爆红的某款代餐棒
- 立冬季节性食物(火锅 / 萝卜炖牛腩)
录入流程:
- 找到产品的官方营养成分表(品牌官网 / 包装标签 / 商家公告)
- 交叉比对 2 个独立来源(避免单一来源数据错误)
- 录入 8 项核心数据:能量 / 蛋白质 / 脂肪 / 碳水化合物 / 膳食纤维 / 糖 / 钠 / 饱和脂肪
- 补充"同等热量参照"(“≈ 几只苹果 / 几碗米饭”)
- 标注烹饪假设(用油量 / 食盐量等估计参数)
- 同行评审 + 入库
每周新增约 200-500 条新食物。
Tuesday — 食谱研发
周二是食谱日。每周根据用户反馈和季节节令研发新食谱:
- 减脂方向:1 顿 < 500 kcal 的中式减脂餐
- 增肌方向:1 顿高蛋白餐(蛋白 > 35g)
- 慢病饮食:低 GI / 低盐 / 低嘌呤等专项
- 节气养生:立春养肝 / 三伏祛湿 / 立冬温补
研发流程:
- 目标设定:能量目标 + 三大宏量克数 + 钠 / 钾 / 钙等限制
- 食材选择:参考《中国居民膳食指南 2022》膳食宝塔
- 菜式落地:营养师 + 厨师讨论,确保好吃可执行
- 试做 + 营养重算(用秤量真实成品克数)
- 拍照 + 上架
每周新上架食谱 5-10 个。
Wednesday — AI 知识库校审
周三是 AI 校审日。营养师团队对 AI 减脂搭子的对话日志做抽样质检:
- 抽样上周用户与 AI 搭子的 ~ 500 条对话
- 重点抓 3 类问题:
- AI 给的营养数据错了(漂移 / 单位错误)
- AI 越界给了医疗建议(应该推到医生)
- AI 推荐了用户禁忌的食物(比如孕妇问问题,AI 推了酒精)
- 抓到问题 → 写入 RAG 知识库的"边界规则",下次同类问题 AI 会避免
这一步是 AI 模型架构里 RAG 私域知识库 的来源。
Thursday — 用户专业问题答复
周四上午是用户答疑日。用户在 App 里反馈"AI 答错了" / “这个数据不对” / “我有 XX 情况想问营养师”,直接进营养师后台。
营养师会:
- 复核数据:如果是数据库条目有误,更正
- 个性化答复:给出有依据的答复(而不是泛泛建议)
- 沉淀为案例:典型问题会沉淀为 FAQ 或 RAG 知识库
典型答复 100-200 条/周。
Friday — 文献跟进 + 研究合作
周五是学习日。营养师团队跟进最新的:
- 中文学术期刊(《中华健康管理学杂志》《中国食物与营养》等)
- 国际期刊(NEJM / JAMA 营养方向 / 美国营养学会)
- 国家卫健委 / 中国营养学会发布的新指南
- WHO / FAO 政策更新
与高校研究合作的对接也在这天:
- 计算机视觉方向:讨论食物图像识别算法的最新进展
- AI 营养师方向:讨论膳食推理算法的边界
- 多模态大模型方向:讨论 VLM 在饮食评估的应用
研究成果会陆续转化为产品内的识别算法升级和营养建议规则迭代。
为什么需要专业团队?(而不是直接用 ChatGPT)
这是经常被问的问题。
通用大模型是"什么都懂一点,但什么都不深"。在营养这种关乎健康决策的领域,有 3 个不可替代的事情只能靠人:
1. 数据库的"具体食物 kcal"必须严谨
通用模型给"鸡蛋炒饭 175 kcal/100g"是估算,今天给 175,明天可能给 200。用户没法用。
营养师录入的数据是固定的,每次都一样。这是确定性——通用模型给不了。
2. 边界判断需要专业训练
「我有 2 型糖尿病,能吃生酮吗?」 —— 通用模型可能直接给方案。
营养师知道:这不是 AI 该回答的,应该推到内分泌科医生。这种边界判断是营养专业训练的核心,通用模型学不来。
3. 食谱不只是堆食物,要"能吃下去"
通用模型生成的减脂食谱经常出现:
- 「水煮鸡胸 + 西兰花」 ← 营养对,但没人能坚持 30 天
- 「藜麦 + 牛油果 + 三文鱼」 ← 食材买不到 / 太贵
营养师 + 厨师配合研发的食谱:
- 用普通超市能买到的食材
- 中国家常做法
- 30 分钟能做完
- 中国人能吃得下去
这是"理论营养" vs "可执行营养"的区别。
高校研究合作
营养师团队不是孤岛。我们与设有相关方向的高校开展研究合作,方向包括:
1. 食物图像识别与份量估算技术(计算机视觉)
把营养师对"中餐摆盘特征"的领域知识,作为先验注入 VLM 模型,提升识别精度。
2. AI 营养师对话与膳食推理算法
如何让 AI 在营养场景下既懂专业、又有人情味、又知道边界?
3. 多模态大模型在饮食评估的应用
VLM + 营养知识 + 用户历史数据,共同建模的可行性。
研究成果会陆续转化为:
- 产品内的识别算法升级
- 营养建议规则迭代
- AI 搭子的对话质量提升
一个真实案例:某条食物的更新
举一个真实的食物数据库维护例子(已脱敏):
条目:奈雪某款冰激凌奶茶
问题被发现:用户 A 反馈:「我喝奶茶记的热量好像偏低,实际我喝完体重涨了」
营养师处理流程:
- 核查数据:数据库标注 280 kcal / 中杯,来源是 2 年前的官方公告
- 去奈雪官网最新成分表:实际是 380 kcal / 中杯(中间产品改良过糖油配方)
- 再交叉比对:在第三方测评(果壳 / 丁香医生)确认
- 更新数据库:280 → 380
- 追溯影响:把过去 30 天有 record 这个食物的用户,自动推送数据更新提醒(可选择是否回追数据)
- 沉淀流程改进:所有连锁品牌的食物条目每 6 个月强制复核一次
整个流程 2 天完成。
这就是「专业团队维护」的实际意义。
FAQ
Q1. 营养师团队多少人?
出于团队隐私不公开具体数字。够维护当前数据库和食谱研发量。
Q2. 是全职还是兼职?
核心团队是全职,部分专项(如孕期 / 慢病)有外部专家顾问。
Q3. 我能向营养师直接提问吗?
可以。App 内「我的 → 在线客服」 直接咨询专业问题。
Q4. 团队公开过吗?
部分内容公开在 团队与资质页。具体到个人信息出于隐私不公开。
Q5. 高校研究合作具体是哪些学校?
研究合作内容会通过产品迭代公开,合作主体出于学术中立性不单独披露。如有学术合作需求可联系 miaoyancontact2024@gmail.com。
Q6. 我可以应聘吗?
正在招专业方向的营养师(减脂 / 慢病 / 妊娠 / 青少年)。简历投 miaoyancontact2024@gmail.com。
最后
减脂 App 的"专业"不来自营销话术,来自具体的人在具体地维护具体的事。
50 万级食物数据库背后是营养师每天的录入 + 校审 + 更新。AI 搭子的可信度背后是 RAG 知识库每周的迭代。每一份食谱背后是营养师 + 厨师反复试做。
我们相信这些细节最终会被用户感知到 —— 不是惊艳,而是**“诶,这个 App 给的数据好像确实更准一点”**。
如果你想体验,小卡健康 iOS 和 Android 都可以免费下载。
有想看的团队 / 数据库相关内容?告诉我们:miaoyancontact2024@gmail.com
