吃啥 🍳⚡

解决健身人士「今天吃什么、怎么做好吃」的网站。

一句话定位：输入身体信息和目标（增肌 / 减脂 / 维持），自动算出每日热量与三大营养素目标，推荐搭配的菜谱（中餐 + 全球做法），并给出专业、可执行、好吃的菜谱（食材克数、步骤、火候、营养、技巧）。

线上演示 / 免费部署

• 演示站（Render 免费版，非长期保障）：见 render.yaml 一键部署蓝图，在 render.com 用 GitHub 登录 → New → Blueprint，选择本仓库即可。
• 免费版注意事项：容器磁盘是临时的，SQLite 数据会在休眠或重建后重置（每次启动自动重新导入数据，功能始终可用）；首次访问冷启动约 1 分钟。
• 若需数据持久化：免费申请 Neon Postgres，在 Render 服务环境变量里设置 DATABASE_URL 即可（项目原生支持，无需改代码）。

快速开始（Docker，推荐）

docker compose up -d --build
# 打开 http://localhost:8000

首次启动会自动导入数据（1741 条食材营养 + 238 道菜谱），之后数据保存在 chisha-data 卷里，重启不丢失。

可选演示账户

项目默认不创建用户。若要在本地或受控演示环境预置一个可登录账户，在首次启动前同时设置以下环境变量；例如在 PowerShell 中：

$env:DEFAULT_ACCOUNT_EMAIL = "demo@chisha.local"
$env:DEFAULT_ACCOUNT_PASSWORD = Read-Host "设置至少 6 位的演示账户密码"
docker compose up -d --build

登录邮箱为 DEFAULT_ACCOUNT_EMAIL 的值，密码为你刚设置的 DEFAULT_ACCOUNT_PASSWORD。seed 只在账号不存在时创建一次，不会在后续启动时重置密码、登录状态或同步数据。请勿把密码写入仓库或公开部署的环境变量；此演示账户也不应用于真实个人健康数据。

本地开发（不用 Docker）

# 1. 后端（Python 3.11+）
python -m venv .venv
.venv/Scripts/pip install -r api/requirements.txt   # Windows
# venv/bin/pip install -r api/requirements.txt       # macOS / Linux

# 2. 初始化数据库（首次运行）
cd api
../.venv/Scripts/python -m app.seed          # Windows
# ../.venv/bin/python -m app.seed            # macOS / Linux

# 3. 启动后端（API + 前端静态托管）
cd ..
.venv/Scripts/python -m uvicorn app.main:app --app-dir api --port 8000

# 4. （可选）前端开发模式，热更新
cd web
NEXT_PUBLIC_API_URL=http://localhost:8000 npm install
NEXT_PUBLIC_API_URL=http://localhost:8000 npm run dev  # http://localhost:3000

前端是纯静态导出（web/out），由后端直接托管，所以日常使用只需跑后端一个进程。

架构（刻意保持简单）

[ 单个 FastAPI 服务 :8000 ]
   ├── /api/*         营养计算 / 推荐 / 菜谱 / 用户 API
   └── /*             前端静态文件（next build 产物，无 Node 运行时）
   └── SQLite         单文件数据库（var/chisha.db，零配置）

• 原来 Postgres + 3 容器，现为 SQLite + 1 容器：部署、备份、开源都更轻。
• 前端 Next.js 用 output: export 纯静态导出，菜谱详情页在构建时读取 data/processed/recipes.json 生成。
• 如需 PostgreSQL，仍可通过环境变量 DATABASE_URL 切回（模型用通用 JSON 类型，兼容两者）。

核心功能

1. 身体档案：身高 / 体重 / 年龄 / 性别 / 体脂率（选填）、活动量 / 目标
2. 营养计算：Mifflin-St Jeor → BMR → TDEE → 每日热量 + 蛋白 / 碳水 / 脂肪
3. 吃什么：按营养目标 + 过敏忌口 + 偏好菜系，分早餐 / 午餐 / 晚餐 / 加餐推荐，任选其一即可达标；不满意的菜可一键「换一道」
4. 怎么做：专业菜谱——食材克数、步骤与火候、每份营养、过敏原、师傅小贴士；详情页可一键记入当天饮食记录
5. 热量菜谱：直接输入每日目标热量，按早餐 / 午餐 / 晚餐 / 加餐生成全天菜谱；可选择均衡健身或严格控油控盐模式
6. 健康筛选：菜谱库支持最大热量、最低蛋白、最大脂肪、最大钠、最低纤维、最大添加油和过敏原排除
7. 厨具筛选：支持平底锅、炒锅、蒸锅、烤箱、空气炸锅、微波炉等；可按“我有这些厨具”筛选真正能做的菜
8. 一周餐单 + 购物清单：一键生成 7 天不重样的餐单（每格可单独换菜），采购清单按肉蛋 / 蔬菜 / 主食 / 调料分组，可勾选家里已有的，刷新不丢
9. 饮食记录：按食材/菜谱记录每天吃了什么，实时对照热量与三大营养素目标
10. 收藏：把喜欢的菜谱收进收藏夹，菜谱库可一键筛选
11. 记住档案：身体信息自动保存，下次直接继续
12. 账号同步：注册 / 登录后，档案、收藏、饮食记录云端保存，换设备不丢
13. 食材热量查询：输入“一个大苹果”“一个中等长度的香蕉”“一杯 250 ml 牛奶”等，查看匹配食材、换算重量和热量合计；未知份量会提示补充信息

数据管道

python scripts/build_data.py   # 中国食物成分表 + 全球食材 → data/processed/*.json

• 数据源：data/raw/china-food/（中国食物成分表第 6 版 OCR，来源见下方）、data/global_foods.json（USDA 近似值）
• 家庭份量规则在 data/food_portions.json，构建后生成 data/processed/food_portions.json；仅用于“个 / 根 / 杯 / ml”的估算
• 新菜谱放 data/recipes/*.json（格式见 data/recipes/chinese.json）；外部菜谱必须带 source.name/url/license/revision，重新 build + 重启即可
• 菜谱营养由「食材 × 克数」推导，随食材库自动更新；构建同时生成健康画像、添加油/糖、过敏原和厨具元数据
• 健康模式规则与运动营养依据见 decisions/adr/2026-08/2026-08-06-0008-fitness-health-profile-and-equipment-filter.md

测试

.venv/Scripts/python -m pytest api/tests -q   # 用 SQLite，无需 Docker

数据来源与版权

• 《中国食物成分表（第 6 版）》1657 条（Sanotsu/china-food-composition-data，OCR 识别，版权归出版社，商用需授权）
• 全球食材与家庭份量补充参考 USDA FoodData Central（公共领域 / CC0；data/global_foods.json、data/food_portions.json 标注 source）
• 菜谱（自建与 HowToCook 固定版本整理；外部菜谱逐道保留来源、Unlicense 和版本，营养仍由食材推导）

技术栈

• 前端：Next.js 15（App Router，静态导出）+ TypeScript + 自绘 SVG 图标 + 纯 CSS 设计系统（见 DESIGN.md）
• 后端：FastAPI（SQLAlchemy + SQLite）
• 设计规范：已安装 impeccable（本地开发工具，不入库），视觉世界「菜市场 · 价签」

文档

• 01-调研报告：GitHub 同类项目与数据源调研
• 02-产品设计：用户流程、页面、功能优先级
• 03-数据方案：数据源选型与数据结构
• 04-技术方案：架构与技术栈
• 05-路线图：从 MVP 到正式版
• 开源菜谱数据源调研
• PRODUCT.md：产品事实记录（impeccable）
• DESIGN.md：视觉世界与设计系统（impeccable）

参与贡献

加菜谱、跑测试、代码规范见 CONTRIBUTING.md。

开源许可

• 代码：MIT License（见 LICENSE）
• 数据：来源见上文「数据来源与版权」，部分数据版权归原作者 / 出版社，仅供学习研究