log-meal
Skill1 starsChanged 5 months agoMITView on GitHub
Распознать еду по фото (или текстовому описанию) и записать приём пищи в дневник с калориями и БЖУ. Используй, когда пользователь присылает фото еды или этикетки продукта, либо просит записать что съел ("запиши что я съела", "добавь обед", "посчитай это блюдо", "что тут по калориям"). Поддерживает коррекцию порций.
In this repository11 other files it gives its agents.
- AGENTS.mdAGENTS.md
- CLAUDE.mdCLAUDE.md
- cleanup-photosSkill
- edit-entrySkill
- log-measurementsSkill
- log-weightSkill
- nutrition-reviewSkill
- process-inboxSkill
- setup-profileSkill
- view-diarySkill
- view-trendsSkill
The file
Files
Запись приёма пищи
Распознай еду, оцени калории и БЖУ, добавь строку в data/diary.jsonl и покажи
остаток дневного бюджета.
Шаг 1. Получи изображение/описание
- Если есть фото — прочитай его через Read (модель видит картинку).
- Если только текст («съела тарелку гречки с курицей») — работай по описанию,
source:"manual". - Если фото нет, но ожидается — попроси прислать или описать.
Шаг 2. Определи тип и распознай
Если это блюдо/тарелка:
- Перечисли продукты на фото.
- Оцени порции в граммах по
reference/portion-guide.md. - Сверься с
reference/foods.csv— если блюдо знакомое, бери выверенные значения иtypical_grams; пометьsource:"foods.csv". - Учти скрытые калории (масло, заправка, соус).
source:"photo"(или"manual"),confidence=medium/low.
Если это этикетка/упаковка:
- Прочитай с фото пищевую ценность (на 100 г и/или на порцию) и размер порции.
- Посчитай на фактически съеденное количество.
source:"label",confidence:"high".
Шаг 3. Посчитай и сохрани
- Посчитай ккал и БЖУ по каждой позиции, затем
total(сумма). - Определи
mealпо времени суток или спроси (breakfast/lunch/dinner/snack). - Если фото лежит по известному пути (например, из инбокса) — перемести его в
photos/YYYY-MM/YYYY-MM-DD-meal[-N].jpgи укажи путь вphoto. - Если фото прикреплено к сообщению без файлового пути — поставь
"photo": nullи пометьsource:"photo". Фото уже проанализировано inline, сохранять не куда. - Допиши запись хелпером (формат — см.
CLAUDE.md;totalможно не считать — хелпер пересчитает изitemsсам и гарантирует валидный JSONL):
Файл руками (Edit/Write) не правь.python3 scripts/jsonl-edit.py append data/diary.jsonl '<json одной строкой>'
Шаг 4. Отчитайся
Коротко по-русски:
- Что распознано и оценка:
≈ X ккал (Б/Ж/У: .. / .. / ..), уровень уверенности. - Допущения, если есть («посчитала с учётом ложки масла»).
- Остаток дневного бюджета: прочитай цель из
profile.mdи сумму всех записей за сегодня изdata/diary.jsonl→ «осталось N ккал из M».- Если
profile.mdнет — запиши приём пищи, но мягко предложи запуститьsetup-profile, чтобы показывать остаток бюджета.
- Если
Напоминание о взвешивании
После отчёта проверь data/weight.jsonl:
- Возьми дату последней записи. Если файла нет или он пуст — тоже считай, что давно не взвешивались.
- Если с этой даты прошло
WEIGH_IN_REMINDER_DAYSдней и больше (см.CLAUDE.md) — и это первая сегодняшняя запись вdata/diary.jsonl(проверь, нет ли других записей с сегодняшней датой раньше этой) — добавь короткую строку в конце ответа: «Кстати, вес не записан уже N дней — не забудь завтра взвеситься» (без цифры дней, если определить не удалось). - Не показывай напоминание повторно за один день и не превращай его в нотацию — одна мягкая строка, без давления.
Защита от дублирования
Если последняя запись в data/diary.jsonl добавлена менее 2 минут назад и её
items совпадают с тем, что сейчас распознаётся — переспроси: «Похоже, это уже
записано. Добавить ещё раз?»
Коррекция
Если пользователь уточняет («порция была меньше, грамм 100», «без масла») —
пересчитай items и замени только что добавленную запись:
python3 scripts/jsonl-edit.py replace data/diary.jsonl "<id>" '<исправленный json>'(total хелпер пересчитает сам.)
Если блюдо явно повторяющееся и пользователь подтвердил цифры — предложи занести
или обновить его в reference/foods.csv (значения на 100 г + typical_grams),
чтобы в следующий раз считать быстрее.
Всегда честно показывай неуверенность. Лучше дать диапазон и спросить, чем выдать ложную точность.
Does it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
No reviews yet
People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.
- It worked
- Partly
- It didn't
Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

