nutrianakku
项目背景
马来西亚有 280 万儿童超重或肥胖,每 5 个学龄儿童中就有 1 个受影响;而双职工父母既没有时间、也没有营养学知识,去为孩子的每一餐做健康决策。市面上的健康工具要么面向成人减脂,要么只给出抽象的营养建议——儿童专属营养追踪缺失、本地化饮食适配不足、缺乏持续健康干预。
NutriAnakku(马来语,意为「我孩子的营养」)由此立项:探索用大模型重构家长的儿童健康决策链路,把「经验式喂养」变成「科学健康管理」。
问题定义与优化点
围绕家庭日常饮食与儿童健康管理场景做需求调研,把双职工父母的抱怨还原成三个结构性痛点:
营养建议复杂抽象
家长看得懂卡路里,却看不懂「这一餐对我 6 岁的孩子意味着什么」。建议必须落到具体的孩子、具体的一餐。
缺乏儿童个性化跟踪
年龄、过敏、体重、口味偏好没有被现有工具建模,导致所有建议都是「平均儿童」的建议。
决策链条割裂
「发现问题 → 找替代 → 买食材 → 做出一餐」分散在四个 App 里,每一次跳转都是一次流失。
由此明确产品必须解决的四个核心问题:多模态饮食解析 / 营养缺口识别 / 健康替代推荐 / 库存驱动成餐。
产品架构
整体采用「数据层 → 编排层 → 业务层 → 应用层」四层架构,以 RAG 驱动儿童健康管理闭环——让每一条建议都有本地化数据可溯源,而不是让大模型凭空发挥。
数据层
实时物价接入与营养内容结构化,保证推荐既健康、又买得起。
编排层
结合儿童画像(年龄 / 过敏规约 / 偏好)动态生成约束条件,注入每一次生成。
检索与业务层
本地化营养数据匹配;在其之上输出健康评分、营养缺口分析与个性化膳食方案。
应用层
Expo 跨端应用,一套代码覆盖 Web 与移动端。
核心功能
六个功能模块共享同一套儿童画像与约束编排,围绕核心营养素、过敏规约与动态物价输出多维度健康评分与改善建议:
食物营养扫描
拍照即得儿童视角的营养解析——不是营养成分表,是「适不适合你的孩子」。
每日饮食回顾
全天营养分析看板 + AI 总结,把零散的三餐拼成一天的健康画像。
库存驱动成餐
基于家里现有食材生成儿童友好餐食,不让「还要再买」成为放弃健康的理由。
健康替换建议
为孩子最爱的餐食找更健康的版本,替代而非禁止。
个性化活动指导
按年龄推荐简单可执行的日常活动,让干预不止于餐桌。
营养问答与购物清单
谣言 vs 事实的互动问答建立信任;智能购物清单承接每一次推荐的「最后一公里」。
用户流程
所有功能被组织进一条主流程,家长在一个 App 内走完完整决策链:
- 01
配置儿童画像(年龄 / 过敏 / 偏好)
- 02
扫描或记录当天饮食
- 03
获得健康评分与营养缺口分析
- 04
接受替换建议,或用现有库存生成新餐食
- 05
一键生成购物清单
- 06
次日回顾,持续迭代孩子的健康画像
原型与界面
视觉不是这个项目的重点,但界面承载了两个产品判断:一是「儿童视角」的信息层级——先给结论(适合 / 不适合 / 怎么改),再给数据;二是高敏场景的信任设计——每个建议都附带免责声明与判断依据。
最终效果
项目完成 L3 版本迭代并线上部署,支持实际访问与完整功能体验。产品把家长的健康管理门槛从「懂营养学」降到「会拍照」,帮助家庭完成从经验式喂养到科学健康管理的转变。
产品思考
AI 不是功能,是决策链的重构。 评分、替换、成餐并不是三个「AI 功能」,而是同一次决策的三个出口。真正的产品价值不在于调用了多少次大模型,而在于家长少做了多少次跨 App 的跳转。
高敏场景里,信任设计优先于智能程度。 儿童健康是不容出错的领域:明确「不替代儿科医生」的边界、解释每个评分的依据、把过敏规约做成硬约束而非提示词,比模型再聪明 10% 更能决定留存。
本地化不是翻译,是重构推荐空间。 椰浆饭的健康替代不是沙拉,而是「少椰浆的椰浆饭」。让 RAG 检索本地饮食数据、让物价参与排序,产品才真正长在用户的生活里。