吃什么 · 熟练
菜谱里的克重，别信它算的热量
它给你的是「看起来合理」的数字，不是量出来的
聊天机器人报的热量与宏量，是从通用知识里生成出来的，不是算出来的 —— 份量写得越模糊，偏得越远，同一个问题问两次甚至能给你两个答案。这一页把「算不准的那几步」单独拎出来，交给该负责的那一方：模型负责生成与聚合，计量与单位换算交回食品数据库与你自己的手。做法三步 —— ① 让它把每样食材的用量写成明确的克重，不要「一杯 / 一把 / 一个中等洋葱」；② 你把这些克重自己输进公开的食品成分库核对；③ 购物清单要求先逐道菜列量与合并，而且单位统一，这样你才能抽查其中几项的合计对不对。另外附一张不用 AI 定的事清单：过敏原看配料表原文、食物安全看官方指引。
方法 · 一图看懂
1
先把单位统一成克 — 要求它按每样食材的克重写用量，禁掉「杯 / 汤匙 / 一个中等」这类模糊量；单位不统一，后面所有合并与换算都会错
2
让它先分道列，再合并 — 采购清单要它先逐道菜列出食材与用量、再给一份合并后的清单，这样你才有中间结果可抽查
3
数字自己去核 — 把克重输进公开的食品成分库（如 USDA FoodData Central 或常见的热量记录工具）得到真实数值，模型只给你分量，不给结论
4
不用它定的两件事 — 过敏原看配料表原文（有些酱料会含鱼、坚果）；食物安全看官方指引（时间窗、复热温度、日期标签含义），⛔ 这两条永远不由模型把关
原理 · 为什么有效
为什么「生成」和「计算」的区别在这里特别要命：语言模型擅长的是把一堆零散项目汇总成清单（聚合），以及把一种形态换成另一种（换算思路）；它不擅长的是给出一个必须准确的具体数 —— 因为那需要真实的计量数据，而它只有统计规律。于是它输出的数字会「看起来非常合理」：量级不错、格式标准，但与你手里那份食材并不是一回事。同一份提示问两次得到两个结果，就是这件事的直接证据。所以正确的分工是：让它把「需要算的地方」标出来、给出待填的字段，由你和公开数据库把数字填进去。这条分工顺带解释了为什么要先统一单位 —— 混用「杯 / 汤匙 / 个」，连它的聚合步骤都会算错、重复计数或漏项。
适用场景
适用：需要控制摄入、在减脂或增肌的人；要给家里几个人算出份量的场景；要合并一张多日采购清单的场景；对某种食材过敏、需要逐条核配料的人。
不太适用：只是随手问「今天做什么菜」—— 那种场景不需要克重，直接按口味来更快；也不适用于把它当营养或医学建议来源，有疾病、孕期、用药相关的饮食需求应当找专业人员，模型最多帮你把问题整理清楚。
自测 · 5 问
我手里的用量写的是克重，还是「一杯 / 一把 / 一个中等」？
这份热量的数字是它算的，还是我从成分库里查出来的？
采购清单有没有中间结果（逐道菜的用量）可以让我抽查合计？
家里有过敏或忌口的，我这一轮是核了配料表原文，还是只信了它的判断？
冷藏与复热的时间温度，我这一轮是回官方指引核的，还是凭感觉？
怎么上手 · 验证步骤
上手就从下一顿饭开始，不用先建系统。① 把你要用的食材列出来，要求它按克重给一份做法的用量；② 挑其中两三项把克重输进成分库核对 —— 不用全核，抽查两项就能看出它这一次的偏差有多大；③ 如果要买一周的菜，再让它把这一周逐道菜的用量列出来，然后单独给合并清单，你自己抽一行加一遍；④ 把「家庭规则」（过敏、不吃的、预算、有什么设备）写成一段固定文字，每次都贴在最前面，或者存进助手的自定义指令里。
自检动作：随手挑一道你做过很多次的菜，让它给用量，再和你自己习惯的用量比一比 —— 如果它给的克重让你觉得「差不多」，说明这一轮可用；如果明显偏大或偏小，就把偏差记下来（例如「它默认按两人份偏大的口径」），下次直接写死人数与份量。另一条必核：过敏相关的配料有没有出现在你的固定规则段里 —— 这一段漏了，后面每一次生成的计划都会漏。