小時候看周星馳的電影，常聽到「小孩子才做選擇，大人我全都要」。
長大之後才發現，真實世界裡的高級大人，比較像是知道自己付了什麼代價。
我不可能既要吃又要瘦，選擇靠吃舒壓，卻不想堆脂肪在身上。
幾年累積的肥油想要減掉，卻不想花錢？找營養師或教練，不可能零成本。
甚至有些人的體重過於無解，可能還需踏上減重針劑之路。
以為只花錢就可以？成本還有『時間』，還是要自己記錄、自己練習。
📍兩個月用 LINE 很夠，半年就不夠了
這次半年的營養師課程，剩下最後一個月。
2023的營養師課程只有兩個月，我每天用 LINE 回傳飲食紀錄，還在初學份數的階段。訊息傳完，營養師看過，完全不困擾。但最後很難留下能回顧的東西。
這次要做半年。傳照片與文字到LINE記事本，課程才開始一週我就快瘋了
LINE僅能作為台灣人最普遍使用的通訊軟體。紀錄根本不方便回朔：份數不能在飲食照片旁邊，份數還要自己動腦加總。每天上下滑動很不方便。
📍可回溯的資料庫，Notion，至少有公式固定加總一天總碳水份量，總蛋白份量
可以表格化、需要公式加總的內容，我馬上建好資料庫把紀錄搬到 Notion。
總共欄位超過20欄，早餐，圖片，碳水份數，蛋白份數
中餐，圖片，碳水份數，蛋白份數，菜量
點心ㄧ，圖片，碳水份數，蛋白份數
晚餐，圖片，碳水份數，蛋白份數，菜量
點心二，圖片，碳水份數，蛋白份數
運動，睡眠，飲水，體態照，本周目標，月經
inbody數據：體重，體脂，肌肉重，脂肪重
📍應用時機：月經周，四周才一遇，明明飲食沒變化，數據卻突然走鐘。四周前資料輕鬆找到。
『維持紀錄』很難，不等於這一步可以直接消失
工作當然沒有消失，只是換到比較漂亮的地方繼續做。
這半年，我還是在通勤時間上傳照片，一格一格填入食物、碳水化合物與蛋白質。
前陣子工作放假一週，營養師要是沒催我，我拖兩三天才上傳，才真的確定這已經快到我的極限。
休假時，飲食紀錄根本不會是生活第一順位。我連拍照都可能忘記，更何況上傳。若累積三天再用電腦補，週末可能又要花半小時。
忙碌上班也沒有比較順手，只是硬擠出時間。
所以我想優化系統。「優化系統」聽起來很厲害，其實我只是想要夠懶。
想減重卻不紀錄飲食，對我來說，很像想存錢卻不記帳。
| 想要的結果 | 同時又希望 | 實際衝突 |
|---|---|---|
| 減重 | 完全不紀錄飲食 | 很像想存錢卻不記帳；哪裡「超支」了，只能靠印象猜。 |
| 讓與體重相關的體檢紅字改善 | 完全不處理體重 | 若該異常確實受體重影響，兩個目標往往很難並行。 |
| 用紀錄校正當餐或下一餐 | 累積三天再處理 | 資料還在，但已經錯過能改變行為的時點。 |
所以我現在要解的問題，不是「要不要記」，而是這個記錄習慣怎麼才能繼續。
只能一直觀察阻力、思考誘因，再把紀錄的阻力削掉一點。
這裡才適合套我在習慣文章用過的 B=MAT：Behavior（行為）、Motivation（動機）、Ability（能力）與 Trigger（觸發）。我只用它分析「如何維持飲食紀錄」，不拿來統包整篇 AI 流程。
同一個紀錄習慣，純人工與 AI 工作流的差別可以這樣看：
| B=MAT | 純人工工作流 | AI 工作流 |
|---|---|---|
| B｜行為 | 拍照後，自己估份量、查資料、找格子、填數字與上傳；忙時會延後一到三天。 | 當餐將照片與已知資料丟進 Codex，先完成足以校正當餐或下一餐的最低限度紀錄。 |
| M｜動機 | 主要靠營養師每日監督；回到沒有人盯進度的休假，紀錄很快掉到低順位。 | 輸入後就能看當餐份量與下一餐還能怎麼調整；當天就有用，不只是半年後的回顧資料。 |
| A｜能力 | 要自己判斷份量、查食物代換、輸入 C/P，累積三天可能要用半小時補完。 | 同餐照片集中在同一對話；常吃品項讀既有資料，OCR、固定換算與寫入由系統處理，我只補關鍵資料與更正。 |
| T｜觸發 | 拍照只留下一個「以後要補紀錄」的提醒，還要等到通勤或週末再開 Notion。 | 拍下食物照就打開專屬 Codex 對話，讓拍照直接啟動判讀、換算與紀錄。 |
拍完一張照片，細碎步驟還有很多
拍完一餐，後面還有幾件事：
- 估算食物份量。縱使我大腦已學會且朗朗上口，但上班累的時候還是很費神。
- 熟飯40克算一份碳水，地瓜55克算一份碳水，但營養標示15g算一份碳水。
- 雞蛋一顆是蛋白質基準感，營養標示7g一份蛋白質。
- 但肉類不是用總重/7來算蛋白質份量。比如魚可能是30g一份蛋白質。
- 手掌大的肉是三份蛋白質。
- 找到正確的日期與餐別。上傳照片，填入碳水化合物與蛋白質。
動機面WHY：為什麼要拍完照片
- 有意識地進食，可以大大避免，不以為意的零食。
- 及時修正。如果午餐跑掉，晚餐還能校正；如果三天後才補完，昨天都吃完了，也不用校正了。
流程拆解
1｜拍照與其他原料（人）
- 我當次測量的數據：食物是什麼、實際重量、生重或熟重，以及幾張照片是不是同一餐。我已經提供實秤重量，AI 就不能因為照片看起來比較大而蓋過去。
- 不同用途的照片：主餐照是整餐，秤重照提供數字，包裝正面確認品牌與品項，營養標示才需要文字辨識 OCR。同一餐有三張照片，還是只有一餐。
- 過去資料：個人餐型、專屬於我常用食物的產品營養標示資料庫。吃過的東西很常重複，第一次辨識完就該留下來。
從 Notion 官方匯出的半年資料裡，共有 147 天、754 張原始飲食附件。 - 專業資料：國民健康署食物代換資料。
2｜判讀（機 agent）：先規定資料順位
現在我會把同一餐的照片集中傳進 Codex，再補上品項、重量或當次修正。
當次文字與實秤重量優先；食物照只做一次必要判讀，營養標示才進行視覺文字辨識 OCR。
缺少會影響結果的資料時，先反問我關鍵問題，比起一直浪費token OCR
3｜複查（機 agent）：重複餐型先查個人資料
錯誤一。8 月 3 日，AI 看完便當照片，把它估成碳水化合物 6 份、蛋白質 6 份。
回查 3 月 10 日到 7 月 30 日的 45 次同類便當，碳水化合物中位數是 2 份、蛋白質中位數是 3 份，其中 37 次的碳水化合物落在 2～3 份。最後將這個人餐型設為 C2.5/P3，並同步更正 Notion、照片檔名與當餐總量。
同一天，系統也多了一條實際有用的規則：重複餐型先查個人資料；沒有實秤或明確多吃某個品項，不重新看圖猜重量。
4｜換算（機 Python）：固定換算先測試再使用
固定換算由既有 Python 執行，先測試再使用。
錯誤二。我又發現優格與麥片的碳水化合物份數奇怪。原來舊資料錯把「糖÷15」當成 C，第一次 OCR 也沒有完整保存糖醇與成分。公式後來改為：
可計碳水化合物＝總碳水化合物−已確認的糖醇或代糖。
5｜寫入（機 agent）：Notion 之外還要留下什麼？
寫入 Notion 後再回讀，檢查數字、描述與附件。這條資料流還會留下：
- 本機：資料夾日期+有規則的檔名：原始照片與可讀檔名。
- 人類可讀的Notion 紀錄，如營養師：餐點描述、碳水化合物與蛋白質份數。
- 數據化重複使用的資料：個人常吃餐型，以及保留原始標示、成分與資料衝突的營養標示資料庫。
- 人機協作執行明確流程：至少要skill，再現性、穩定性更好的話，要用Python 把程式寫好。
- 待人工確認的部分：不確定時記得回報與發問
📍真心問自己：我的快樂配比是什麼？
這半年，我也同時跑減脂與增肌課表。
我喜歡重訓帶來肌肉數值增加的感覺，但也很喜歡空中運動的成果畫面、團體互動與直接回饋。
上班時間就是這麼多，運動時間也不會自動增加。多上幾堂空中，握力已經先被使用，下肢硬舉就可能要降低重量。重訓練重一點，肌肉酸痛要恢復幾天，空中課就會少一點。
再次被提醒，很難「我全都要」。
真心問自己快樂的配比是什麼，我很可能會選擇多上幾堂空中。重訓自己練，還要決定阻力、動作和課表；空中運動可以直接把腦袋跟身體交給老師，輕鬆很多。
營養師課程還剩一個月。我終於開工建立人機協作系統，減低我的大腦決策疲勞。