Step1：搜集信息 · Input

1. 市面上的饮食记录 APP 调研

先挑 8 个典型来做后续对比表：

• MyFitnessPal：老牌、全球最大的饮食+运动记录社区，主打卡路里和三大营养素（碳水/蛋白/脂肪）追踪，支持食物搜索、条形码扫码记录。(Goldi AI)

• Cronometer：强调“最精确”的营养追踪，不只看热量和宏量营养，还看大量微量营养素（维生素、矿物质等），有免费条码扫描、穿戴设备同步、睡眠/饮水记录等。(Cronometer)

• FatSecret：综合型减重 App，有食物日记、运动记录、体重记录，食物数据库覆盖餐馆菜单等，也有条码扫描、社区功能。(fatsecret)

• 薄荷健康：国内老牌减脂/体重管理 App，提供食物热量查询、饮食运动记录与分析、AI 体重管理师、减肥食谱、智能体脂秤接入、减重社区等。(boohee.com)
• 饮食记录支持：按餐次添加食物 + 拍照识别 + 自定义菜谱，数据基于《中国食物成分表》和用户共享信息。(Baidu Health)

• 食卡卡：AI 方向比较重的新一代饮食记录 App，强调 50 万+ 食物数据库，拍照识别食物和营养成分表，AI 分析饮食健康与身体数据、AI 生成减脂食谱、轻断食管理、体重/围度趋势等，同时还有“私人日记”功能。(App Store)

• 饭卡：主打“记录每一餐，智能分析营养”，提供便捷记录、自动热量计算、营养均衡分析和个性化饮食方案。(fanka.fit)

• 饮食日记（Google Play）：工具型 App，主要是记录早餐/午餐/晚餐+饮水，自定义食物、饮水提醒、日历视图、图表统计、数据备份导入。(Google Play)

• 饮食记录（应用宝）：轻量级饮食管理工具，“饮食记录 + 健康打卡 + 热量计算”，外加喝水/早睡等习惯打卡、健康知识文章、健康计算器。(腾讯应用宝)

• 记录方式的演进
• 最早：纯手动搜索 + 选择克数/份量。
• 现在标配：
• 条形码扫描（包装食品）(support.myfitnesspal.com)
• 拍照识别整盘菜（AI 识别不同食材并估算分量）(Baidu Health)
• 快捷操作：复制前一天、常用食物、一键添加“同一餐”等。(Google Play)

• 数据广度
• 大部分：热量 + 三大营养素。
• 进阶型（如 Cronometer）：追踪微量营养素，支持自定义生物指标（如血糖、血压等）。(Cronometer)

• 目标导向
• 场景：减脂、增肌、维持体重、慢性病饮食管理、轻断食等。
• 典型做法：设置目标（体重/体脂/每日摄入），计算每日“还可以吃多少”，给出食谱或饮食建议。(App Store)

• 与身体数据联动
• 体重/围度、运动记录、步数、穿戴设备（Fitbit/Garmin/Oura 等）。(Google Play)
• 部分国内 App 接入智能体脂秤。(boohee.com)

• 行为干预
• 饮食/饮水提醒、早睡打卡、连击天数、勋章/等级、体重里程碑等。(Google Play)

• AI 化趋势
• AI 拍照识别食物/营养成分表。
• AI 生成健康分析、营养报告与个性化食谱。(douyin.com)

2. 饮食记录需求拆分（从用户视角）

• 减脂/体重管理：关心热量收支和体重趋势。

• 健身增肌：关心蛋白质、碳水/脂肪比例，训练日前后吃什么。

• 慢性病/亚健康管理：糖尿病（碳水/糖）、高血脂（脂肪/胆固醇）、高尿酸（嘌呤），以及医生给的饮食嘱托。

• 生活方式观察：记录吃什么会不舒服（腹胀、过敏）、熬夜前后食欲变化等。

• 纯生活记录/美食日记：重“记故事和氛围”，不一定想看严肃的数字。

把一条“食迹”拆开，大概是：

• 时间维度
• 日期、餐次（早餐/午餐/晚餐/加餐）、大致时间段。

• 吃了什么
• 食物名/菜名、做法（蒸/炸/烤）、品牌（包装食品）、份量（克数/杯数/块数）。
• 对于常吃的：菜谱/组合（例：早晨固定“燕麦+酸奶+坚果”）。

• 怎样吃的
• 是否外卖/堂食/自己做。
• 是否暴食/高油/高糖等标签。

• 配置信息
• 图片（餐盘照片、包装营养表）。
• 地点（家/公司/餐厅）、与谁一起（独自/朋友/家人）。
• 心情状态（压力大、开心、无聊等）。
• 饱腹感（1–5）和自我评分。

• 健康数据关联（可选）
• 当天体重/体脂、腰围等。
• 运动量（步数、训练时长）。
• 特定人群的血糖/血压记录等。

• 低摩擦：记录动作必须足够快，尤其是：
• 用餐完 30 秒内完成记录。
• 高频食物一键添加。

• 低压力：很多人对纯数字/“红色超标提示”有心理压力：
• 对减脂党，数字有必要但要“温和”；
• 对只是想“记一记”的人，数字甚至可以默认为折叠状态。

• 复盘价值：
• 能看出模式：例如“加班日晚饭明显更油”“周末早午餐起床晚”这类洞察。
• 周/月底小结，给一句话点评 + 几条行动建议，比堆一堆图更有用。

3. 市场上“核心功能”归纳（现状基线）

1. 饮食记录
• 手动搜索/选择食物、设置份量。
• 自定义食物/食谱。
• 条码扫描、拍照识别（高级）。(Baidu Health)

2. 营养与热量计算
• 食物数据库（通常基于本国食物成分表+用户贡献）。(Baidu Health)
• 计算每餐/每天的能量与营养结构。

3. 目标管理
• 体重/体脂目标、每日摄入预算，“还能吃 XXX 千卡”式提示。(App Store)

4. 身体 & 行为数据
• 体重、围度、饮水、运动、睡眠等记录。

5. 分析 & 报告
• 图表（日/周/月）。
• 营养分析报告、AI 建议。(App Store)

6. 辅助功能
• 提醒打卡、习惯连击、社区/小组、设备同步、数据备份等。

“食迹”作为新产品，没必要一上来全堆，而是明确自己要在哪几个点“做得更好/更不一样”。

Step2：处理信息 · Learn

1. 各 App 对比表（选取 8 个代表）

以“记录”为主视角做一张功能速览表，便于后续选型。

观察点：国外产品更强调“营养数据的深度”和设备生态；国内产品更多叠加减脂方案、体脂秤、AI 体重管理等服务。

2. 需求拆解（从“食迹”的视角重排）

（1）目标层（Why）

• G1：简单地记住自己吃了什么（生活记录、美食日记）。

• G2：控制体重/体脂（看热量收支）。

• G3：改善饮食结构（少油少糖、多蔬菜蛋白）。

• G4：观察饮食与身体/情绪的关系（腹胀、不适、情绪性进食）。

• G5：满足医生/营养师的记录要求（少数重度用户）。

对“食迹”而言，如果定位“以记录为主”，G1/G4 是天然优势场景，G2/G3 可作为“附加收益”，G5 先不重投入。

（2）功能性需求（What）

1. 快速记录一餐
• 必需：添加餐次 → 添加食物名称 → 填写份量（可粗略） → 可选上传照片。
• 提升体验：
• 最近/常吃食物快捷入口。
• 一键复制上一餐/昨天同一餐。
• 文本/语音输入解析（“中午吃了一碗牛肉面加一瓶可乐”）。

2. 记录上下文
• 可选字段：地点、与谁、心情、饱腹感、自我评价（健康/放纵）。
• 标签：外卖/自煮、加班餐、聚会、深夜食堂。

3. 浏览与回顾
• 今日视图：按时间轴展示一整天的“食迹”。
• 日历视图：以天/周为单位，看到“空白日”与“高热量日”。
• 详情视图：点进某一餐，查看照片、食物列表、备注。

4. 数字层数据（可渐进）
• 基础：总热量、三大营养素占比。
• 进阶：蛋白质、纤维等关键指标提示（“今天蛋白偏低”）。

5. 健康数据关联
• 体重/体脂记录，简单图表。
• 可选：饮水记录、运动时间。

6. 辅助功能
• 提醒：按时间段提醒记录（可以关）。
• 数据同步/备份：换机不丢数据。
• 导出：导出某段时间的饮食记录给营养师/医生（长远）。

（3）情感/体验需求（How it feels）

• 录入时：轻松、低负担，偏“发朋友圈/种草”而不是“做账”。

• 回顾时：既能看到数字，也能看到生活片段和故事。

• 对“失败日”（暴食、宵夜）：界面语气要更宽容/中性，而不是警告和红字。

3. 功能（为“食迹”提炼核心）

1. 照片+文本的饮食记录
• 按餐次（早/午/晚/加餐）+ 时间自动填充。

2. 常用食物&复制前一餐
• 把“半自动记账”变成“点两下就完成”。

3. 简单统计
• 日/周的用餐次数、三餐时间分布、食物关键词（例如“奶茶/炸鸡出现次数”）。

4. 日历/时间轴浏览
• 时间轴是“食迹”的核心视觉：一条线串起所有餐食。

5. 基础用户系统
• 登录/注册、数据云端存储。

1. 基础热量估算
• 先从“常见食物模板+估算份量”做起，不追求极致精确。

2. 简单情绪/场景记录
• 心情、饱腹感、标签（外卖/夜宵/聚会）。

3. 一周总结卡片
• “本周总共记录 X 餐、最晚的一餐是几点、最多的一种食物是……”。

1. AI 辅助输入
• 图像识别菜品、文本/语音解析。

2. AI 分析与建议
• “高频问题 + 小建议”，比如“深夜进食 3 次，建议试试 xx”。

3. 专家导出/分享
• 导出表格或分享链接给营养师。

你可以看到，我刻意把“营养数字做深”放到后面，优先强调“记录体验”和“时间轴/故事感”，符合你说的“功能倾向为记录”。

Step3：成果产出 · Output

1. 产品原型设计（概念级）

（1）产品定位 & Slogan（示意）

• 定位：
“一款以记录感受与习惯为核心的饮食日志 App，用轻松的方式帮你看清自己和食物的关系。”

• 初版 Slogan 示意：
• 「吃过的不算过去」
• 「用一条时间线，看见你的饮食故事」

（2）信息架构（IA）

1. 「食迹」：今天 & 时间线

2. 「报告」：统计和每周小结

3. 「我」：个人资料 & 设置

（3）关键页面/模块说明

A. 首页「食迹」——一条可滚动的日常时间线

• 顶部：
• 当日日期 + 左右切换日期。
• 今日已记录餐数 / 预期餐数的小提示（例如 “已记录 2/3 餐”）。

• 主体：按时间排序的卡片：
• 每个卡片 = 一顿饭
• 时间 & 餐次（自动识别，如 7:30 → “早餐”）。
• 食物照片（首图）。
• 一行简短文案（自动：例如“面条+鸡蛋+牛奶”或用户写的备注）。
• 小标签（外卖/自煮/聚会、心情 emoji）。

• 底部悬浮按钮：「+ 记录一餐」

1. 选择餐次（默认根据当前时间推荐）。

2. 添加照片（可跳过）。

3. 食物输入：
• 文本描述，如“牛肉面 + 可乐”。
• 可选（后续版本）：选择“常吃组合”。

4. 可选填写：
• 心情（几枚图标即可）、饱腹感滑条。

5. 保存 → 回到时间线。

关键：尽量 3–4 步完成，不要求一开始就填详细营养数据。

B. 「报告」Tab——轻量统计 + 每周总结

• 切换周期：本周 / 本月。

• 卡片 1：记录连续天数 / 活动天数

• 卡片 2：三餐时间分布图
• 用简单柱状/散点图显示早餐/午餐/晚餐平均时间和波动。

• 卡片 3：饮食习惯洞察（无压力文案）
• 例：
• “这周有 3 次晚餐在 21:00 之后。”
• “工作日午餐最常吃的前 3 个关键词：米饭 / 面条 / 外卖。”

• 卡片 4（进阶阶段再上）：简单热量/宏量营养分布（如果你已启用热量估算）。

• 本周记录 X 天，Y 顿饭。

• 最早的一顿 / 最晚的一顿时间。

• 高频标签（如“外卖”“夜宵”“聚会”).

• 一句轻量建议：
• “如果想睡得更好，可以尝试把夜宵提前到 22:00 前。”

C. 「我」Tab——账号 & 个人偏好

• 个人信息：昵称、头像。

• 基础身体数据（可选填写）：身高、体重目标。

• 记录偏好设置：
• 是否显示热量/营养信息：
• 模式 A：只做图文日记（默认）。
• 模式 B：显示大致热量。
• 提醒设置：早中晚记录提醒（开关 + 时间）。

• 数据：
• 导出/备份入口（后续版本）。

• 隐私设置：
• 本地锁（FaceID / 指纹 / 简单 PIN）——对应“饮食/体重是很私人的信息”的现实需求。

2. 短期迭代计划（从 0 到可用）

V0.1 · 内测 MVP ——先把“记录一餐”做到顺手

• 账号体系：手机号/邮箱登录即可。

• 首页「食迹」：
• 当日时间线视图。
• 左右滑动切换日期。
• “+记录一餐”流程（餐次选择 + 图片 + 文本描述 + 心情/饱腹感）。

• 「报告」：
• 只做最简单统计：本周记录天数、总记录数。

• 「我」：
• 基础资料、简单提醒设置。

• 数据：云端存储 + 基础错误处理（断网重试）。

• 单日新增记录数/人。

• 新用户第 3 天仍在使用的占比（D3 Retention）。

• 用户平均记录时长（一次记录在 30 秒左右即可）。

V0.2 · 记录效率提升 + 初步结构化数据

• 常用食物/常用组合：
• 记录几次后，自动在输入页顶部显示“最近常吃”“一键再来一份”。

• 文本结构化（轻度）：
• 对输入内容按“、/+”切分成多个食物项，后端存储为数组。

• 日历视图：
• 在「报告」中加一页小日历，显示哪几天有记录（打点）。

• 标签体系：
• 在记录页加：外卖/自煮/堂食、夜宵/加班等标签（点击即可）。

• 体验优化：
• 编辑/删除记录。
• 图片加载优化。

V0.3 · 轻量数字化 + 周报洞察

• 基础热量估算（可选开启）：
• 内置一小批“常见食物模板”（比如米饭、面条、鸡胸肉等，先不追求全面）。
• 在输入食物时可从列表选，自动估算大致能量。

• 周报卡片：
• 周末自动生成一张“饮食周报”，包括：记录天数、最晚一餐时间、外卖次数、高频食物词云等。

• 行为提示：
• 例如“本周 3 天晚餐在 21:30 之后”，给出一条轻量建议。

• 更细的统计：
• 统计一周内“夜宵/外卖/聚会”等标签次数，图表呈现。

• 简单导出：
• 支持导出过去 7 天的饮食列表为文本/图片，便于发给营养师/医生。

V1.0 以后（只作方向，不细化）

• AI 帮你“看图记账”：上传照片即识别餐盘内容，自动生成食物项（先只生成文本，后面再接数据库）。(douyin.com)

• AI 行为洞察：分析一段时间的夜宵/加班/高糖摄入，给出更系统的建议。

• 更丰富的健康数据（体重曲线、运动、睡眠等）——但始终围绕“记录体验”和“时间线叙事”，避免变成另一款“数字压力 App”。