ai饮食健康管控教练产品系统Vibe Coding

减脂与体重管理人群普遍面临两个问题：一是记录成本高，手动查食物热量、估算克重繁琐，坚持不了几天就放弃；二是建议与执行脱节，通用食谱无法对应到食堂、外卖、便利店这些真实就餐场景。
本项目面向健康管理与体重管理行业，定位为「饮食记录—热量核算—即时建议—行为激励」的闭环工具，服务三类角色：C 端减脂用户、提供轻食、健身、体检服务的商家、负责内容与流量的运营方。业务上承接商家获客与复购需求，通过券、挑战赛、社区互动提升留存，并以订阅制实现商业化。

项目分三端、共 10 个功能模块。
用户端（微信小程序 + H5）：① AI 拍照识别，拍摄或上传餐食图片，返回菜品、克重与碳水、蛋白、脂肪，可逐条修正后确认入账；② 热量账户，按档案计算 BMR/TDEE 与每日预算，实时显示摄入、运动消耗与余额；③ 饭点决策，按食堂、外卖、便利店场景给出可执行选择；④ AI 教练，流式对话，按红、黄、绿三级风险给出建议与就医提示；⑤ 运动与微信步数同步、体重趋势与 BMI；⑥ 社区，含动态、战队、监督搭子、约战、挑战赛与举报审核；⑦ 积分、券包、邀请裂变与订阅升级。
商家端：SKU 与套餐维护、物料、券核销、结算对账。
运营后台：流量分发、券批次与活动、成本测算、结算、知识库与 AI 分诊。
三端通过 JWT 与路径前缀做身份域隔离，用户、商家、运营数据互不可见。

我独立负责三端全栈：数据库设计（59 张表）、Java 业务接口（163 个）、FastAPI AI 服务与 UniApp 页面（37 个）。
技术栈：Spring Boot 4 + 原生 MyBatis + Redis；FastAPI + LangGraph 对接 DeepSeek 与 Ollama；UniApp/Vue3 一码两端。
亮点：1）鉴权用 JWT 双令牌（access + refresh 轮换）加 Redis 白名单，Filter 统一校验、AOP 做数据权限，按路径强制隔离三类身份，解决过 admin 登录态被当普通用户的越权问题。2）流式对话由 py-ai 逐 token 输出、Java 用 SseEmitter 转发、小程序 enableChunked 接收；难点是小程序逻辑层没有 TextDecoder，且中文 3 字节、emoji 4 字节会被 chunk 切断，因此手写 UTF-8 增量解码并按换行切帧，同时修掉 Java 转发时重复加 data 前缀导致前端解析不出事件的问题。3）名额、库存、余额、计数类写操作统一条件更新加唯一键，用影响行数判成败，不做先查再写；支付、领券、结算均带幂等键。4）积分用三层账本：余额表权威、流水只增不改、用户表镜像按绝对值回写，避免增量漂移。5）AI 错误分层：传输层失败统一提示服务暂时不可用，业务失败才提示未识别到菜品，避免服务宕机时用户反复重拍。