导读：本文是对「食衡」家庭营养助手的端到端具身交互平台技术实现拆解。全文以五份档案袋材料为线索——体检报告、餐桌照片墙、口味问卷、买菜小票、复查单，逐份说明它们各自验证了哪项能力，并在文末用一张「六项能力 × 材料 × 技术模块」对照表把感知、理解、决策、表达与行动串成闭环。适合产品经理、AI 应用开发者与健康赛道从业者阅读：前者看产品逻辑如何落到灶台边，后者看 SDK 对接、容错降级与可插拔架构的具体写法。

图注：这张闭环图与文末「六项能力 × 材料 × 技术模块对照表」逐行对应，可对照查看每项能力背后的模块。

本文讨论的是一套端到端具身交互智能平台的技术实现思路：让 AI 通过屏幕和机器人进入真实世界，具备感知、理解、表达与行动的能力。

先交代背景。体检报告拿回家那晚，一家五口沉默地吃完了一顿红烧肉——"都查出来高血脂了，还吃这么油？"这句抱怨谁都没说出口，因为做饭的是妈。第二天，妈照旧做了一桌老三样：她不知道怎么改，全家也不知道该怎么提。

食衡（Shíhéng）就是为这张餐桌设计的一个家庭营养助手：以家庭营养师形象常驻在厨房屏和健康 App 里，录入全家体检报告和口味偏好，它给出的不是"少吃油多运动"这种正确废话，而是今晚这顿饭怎么改——红烧肉换做法不换菜，爸的碗换成杂粮饭，孙子的钙从早上的奶里补。它的知识范围只覆盖日常食材与家常做法，不涉及任何商品推荐。## 建档之前：为什么家庭营养管不住一张餐桌
健康饮食这个赛道，产品泛滥但没有一个能管住中国家庭的餐桌。原因很朴素：吃饭不是一个人的事。给爸爸做的低盐餐，妈妈嫌没味；给孙子做的辅食，奶奶嫌太素——一人一份方案在现实中等于全家都不执行。

先把认知摆正：健康 App、食谱库、热量计算器，各自都在自己的岗位上干活——App 记饮食，食谱库给灵感，计算器算热量。真正的坎在于它们管的是"你吃了多少"，不管"这顿饭谁做的、明天还吃不吃"；食谱库推的是理想餐，执行率低到没人好意思公布；而妈妈在厨房里腾不出手，想问"这个汤还能怎么改"得先洗手、解锁手机、打字——厨房场景天然需要免手操作。

食衡基于魔珐星云端到端 SDK XingyunAvatarAgent 构建，核心业务代码不到 500 行，前端对接三步：给一个 DOM 容器、注册一组回调、调用 agent.ask() 发消息。它把感知、大脑、表达连成一个循环：持续感知 → 持续理解 → 持续决策 → 持续表达与行动。营养管理的失败不在方案不对，在方案落不进那口炒锅——档案袋里的五份材料，份份对着这件事。
这份材料进袋的第一步是多模态感知，也是整个产品的第一道门槛：体检报告是拍照的、歪的、反光的；厨房里抽油烟机轰鸣、锅铲哐当；妈妈手上沾着面粉还要说话。算法降噪、AEC 抗回声先把油烟机的声音剥干净，远场语音保证灶台边正常音量她听得清，VAD 静默判据照顾掌勺人做饭中间的长停顿，Barge-in 智能打断让她报今日餐单时你随时能插"排骨先别动"——手上沾着面也能聊，handsFree 是厨房场景的生死线：真实测试里，"手上沾着面粉还要碰手机"这一个动作，就能让执行率掉一半。摄像头感知妈妈站到厨房屏前，"今日改法"才在饭点前主动开口——持续感知，而不是一次输入。语音免手 + 打断即问，才配得上做饭的真实节奏

import { XingyunAvatarAgent } from '@xingyun/avatar-agent';  const dietitian = new XingyunAvatarAgent({   container: document.getElementById('kitchen-root'),  // 厨房屏/智能音箱屏   avatarId: 'shiheng-nutri',          // 控制台配置：围裙、温和利落   persona: SHIHENG_PERSONA,   voice: { rate: 0.95 },              // 厨房有噪音，吐字清晰略慢   handsFree: true,                    // 厨房场景核心：全程免手 });  // 掌勺人做饭中随口问：手上沾着面也能聊 dietitian.on('interrupt', (q) => {   const dish = dishCtx.current();              // 当前话题菜   dietitian.ask(cookingKB.fix(dish, q) ?? '你先做着，这个我翻下资料——稍等叫你。'); });  // 每日主动汇报：饭点前的"今日改法" dietitian.on('mealPrep', (meal) => {   dietitian.ask(todayPlan(meal));  // "中午三个菜：排骨照做，油减一勺；加个凉拌菠菜；爸的主食换杂粮饭" });  await dietitian.init(); dietitian.ask('把全家的体检报告拍给我吧——不用整理，乱拍一摞就行，我来分。');

上面这段是理想路径。厨房里的真实情况是：油烟机一开，ASR 十句里错两句；晚高峰 WiFi 被全家设备挤爆，ask() 迟迟不回；掌勺人手上沾着面，等不了十秒。所以感知层必须自带兜底——识别失败就降级到文字，超时就先给预设话术，弱网就退回端侧缓存，任何一条都不能让灶台边的人干等。

// ============ 厨房场景的容错与降级 ============
// 原则：宁可先说一句"稍等"，也不能让掌勺人对着屏幕干等

// 1) ASR 识别失败：油烟机轰鸣、口音重、手上沾面说话含糊
async function listenWithFallback() {
  try {
    return await dietitian.listen({ timeout: 3000 }); // 3 秒内没出结果就当失败
  } catch (err) {
    // 真实场景：抽油烟机最大档 + 锅铲哐当，ASR 置信度低于阈值
    console.warn('[ASR] 识别失败，降级到文字输入', err);
    dietitian.ask('油烟机太吵，我没听清——您点一下屏幕上的字，或者凑近点再说一遍？');
    return await showTextInput(); // 降级：厨房屏弹出大字号输入框，免键盘语音转写
  }
}

// 2) agent.ask() 超时：晚高峰 WiFi 被挤爆，云端大脑迟迟不回
async function askWithTimeout(question, { timeout = 6000 } = {}) {
  const timer = new Promise((_, reject) =>
    setTimeout(() => reject(new Error('ASK_TIMEOUT')), timeout)
  );
  try {
    return await Promise.race([dietitian.ask(question), timer]);
  } catch (err) {
    if (err.message === 'ASK_TIMEOUT') {
      // 真实场景：饭点全家刷视频，云端往返超过 6 秒，掌勺人已经转身去翻锅
      // 兜底：先给一句不依赖云端的安全话术，同时后台继续等结果
      dietitian.ask('这个我算得慢了点，您先按老做法来，糖照旧后放——结果出来我马上喊您。');
      return await dietitian.ask(question, { retry: 1, background: true }); // 后台重试一次
    }
    throw err;
  }
}

// 3) 弱网 / 断网：端侧缓存兜底，保证"三个不动一个动"这类高频答案仍能说出口
const offlineCache = new Map([
  ['红烧肉', '五花肉、酱油比例、炖 90 分钟都不动，只把糖从 40g 减到 18g，冰糖后放，再加一步焯水去浮油。'],
  ['控盐', '爸的菜少放半勺盐，出锅前再放，咸味更明显；酱油减三分之一。'],
]);

async function askResilient(question) {
  if (!navigator.onLine) {
    // 真实场景：老小区宽带掉线，厨房屏只剩本地能力
    const hit = [...offlineCache].find(([k]) => question.includes(k));
    return dietitian.ask(hit ? hit[1] : '网断了，我先说能确定的：今晚这顿照常做，改法等网好了我再说。');
  }
  try {
    return await askWithTimeout(question);
  } catch (err) {
    // 4) 兜底总闸：任何未预期异常都不把错误抛给掌勺人
    console.error('[Agent] 未捕获异常', err);
    return dietitian.ask('我这边卡了一下，您先忙，好了我叫您。');
  }
}

// 统一入口：所有对话都走这一层，业务代码不直接调 ask()
dietitian.on('interrupt', (q) => askResilient(q));

四个 catch 分支对应四类厨房真实故障：听不清（油烟噪音）降级到文字输入，算得慢（晚高峰弱网）先给预设话术再后台重试，断网（宽带掉线）走端侧缓存，未知异常统一兜底不打扰掌勺人。容错做在感知层，才谈得上"持续感知"这四个字。

厨房故障排查清单

上面那段代码里的四个 catch 分支，落到测试和运维手里就是一张排查表。四类故障的现象、触发条件、降级策略和验证方法整理如下，出问题时按行对号入座：

故障类型	现象	触发条件	降级策略	验证方法
ASR 识别失败	掌勺人说完话，屏幕没反应或答非所问；日志出现 [ASR] 识别失败	抽油烟机最大档、锅铲哐当、口音重、手上沾面说话含糊，3 秒内未出识别结果或置信度低于阈值	播报「油烟机太吵，我没听清」，厨房屏弹出大字号文字输入框，免键盘语音转写	开抽油烟机最大档，隔 1 米含糊说一句「排骨怎么改」，确认 3 秒内出现文字输入框且提示语正确
ask() 超时	提问后长时间无回应，掌勺人已转身翻锅；日志出现 ASK_TIMEOUT	晚高峰全家设备挤占带宽，云端往返超过 6 秒	先播报不依赖云端的安全话术（「您先按老做法来，糖照旧后放」），同时后台带 retry: 1 重试一次	用限速工具把上行压到 100kbps 以下，提问后确认 6 秒内先出预设话术，网络恢复后结果能补播
弱网 / 断网	厨房屏只剩本地能力，联网类问题无响应；navigator.onLine 为 false	老小区宽带掉线、路由器重启、WiFi 信号被墙体遮挡	命中端侧缓存（红烧肉、控盐等高频答案）直接播报；未命中则说明「网断了，先说能确定的」	拔掉网线或关闭 WiFi，分别问「红烧肉怎么改」和一句缓存外的问题，确认前者答得准、后者话术得体不报错
未知异常	界面卡住或静默失败，掌勺人得不到任何反馈；日志出现 [Agent] 未捕获异常	任何未预期异常，如接口返回结构变更、SDK 内部错误、回调抛错	统一兜底话术「我这边卡了一下，您先忙，好了我叫您」，错误只进控制台不抛给用户	用 mock 让 ask() 抛一个非超时异常，确认屏幕有兜底话术、控制台有错误堆栈、页面不白屏

排查顺序建议从下往上：先看有没有 [Agent] 未捕获异常（总闸兜底说明上游已经出错），再判断是网络层（navigator.onLine）还是超时层（ASK_TIMEOUT），最后才怀疑 ASR——因为前三类都会表现为「她没反应」，只有日志能区分。

厨房屏首屏：食衡形象 + 今日餐单 + 家庭成员头像（各有健康标记）

材料二｜一周餐桌照片墙：红烧肉的三个不动一个动

档案袋第二份：七天晚饭的照片，一张不落。她看的不是吃了多少，是"这家饭的灵魂是什么"。

这份材料背后是专属智脑，也是档案袋里分量最重的一份。大模型解决"能不能回答红烧肉热量多少"，专属智脑解决"我是这家人的营养师、我掌握的是这家人的指标和口味、我改的是做法不是菜"。分三层交底。

第一层：她知道什么。 先把这个家庭的真实资料摊开看：体检报告是五份格式各异的 PDF，家常菜谱是奶奶口述录下的音频，孙子幼儿园的膳食要求是一张 Word，一周餐桌照片是图片墙，买菜小票是零散票据。传统做法"转成文字"喂给模型，"全家都爱吃的红烧肉"会被当成一个需要消灭的对象。专属智脑做三件事：

• 全模态数据解析：PDF、Word、PPT、图片、音频、表格都进得来，解析时保留层级、图文、表格关系和上下文——奶奶口述菜谱里"糖要后放才亮"这句手艺，和它的操作位置一起被留住；

• 知识图谱 + RAG 深度融合：把"红烧肉—糖量—焯水—爸的血脂—妈的爱吃—一周吃两次"串成关系网。"这道菜怎么改"的答案不是命中某段文字，而是顺着关系把"三个不动一个动"整个给出来：五花肉主料不动、红烧酱油比例不动、砂锅炖足 90 分钟不动，只动糖量（40g→18g，冰糖后放）和加一步焯水去浮油；向量、关键词、图谱三路召回一起上，"孙子不爱吃菠菜怎么补铁"这种跨成员、跨食材的问题也接得住；

• 高效知识治理：复查后爸的用药调整，膳食钠目标当天全库更新；换季食材上市，应季替换建议同步——围绕知识块、标签、实体、关系、向量索引和来源信息持续治理。给一家人记口粮，错一次伤的是信任。

大模型部分支持自选惯用的模型接入，没有指定的则使用平台自研模型，RAG、FAQ、自研大模型加可视化编排开箱即用。

材料三｜口味问卷：她的分寸写在六条规则里

第二层：她是谁。 身份、人设、角色、任务、规则、音频、Agent、Workflow、对话流程、工具调用全部可配置：

const SHIHENG_PERSONA = `你是家庭营养师食衡。规则： 1. 每周新菜不超过1道，其余全是家里常吃菜的低负担改法 2. 改法必须保留"菜的灵魂"：红烧肉还是红烧肉，只动糖量和焯水步骤 3. 每顿饭只针对"主要矛盾"提1个重点：爸控盐就只说盐，不贪多 4. 掌勺人的手艺永远先肯定再调整："您这个做法比我说的好在哪儿" 5. 禁止推荐任何代餐、补剂、保健品——缺什么，说哪种常见食物里有 6. 孩子的餐单独提醒：不拿大人的低盐标准卡孩子`;  // 配餐约束求解：多目标 + 硬约束 function planWeek(family) {   return solver({     hard: [       rule.dad.sodium < 2000,          // mg/day 高血压       rule.mom.sugarLowsansugar,       // 糖尿病主食结构       rule.kid.calcium >= 800,         // 生长期       rule.palate.noExotic > 80,       // 80%以上是常吃菜     ],     soft: [ minimize cookingTime, maximize momApproval ],   }); }  // 单菜改造示例：红烧肉的"三个不动一个动" const braisedPork = {   keep: ['五花肉主料', '红烧酱油比例', '砂锅炖足90分钟'],   change: { sugar: '40g->18g（冰糖后放）', blanch: '先焯水去浮油' },   why: '糖和浮油是血脂的两个抓手，做法动了香味就没了，不动您手艺', };

这六条就是她的岗位说明书：第 1 条"每周新菜不超过 1 道"是被数据逼出来的——第一版推标准健康食谱，两周执行率 11%；切换成"老菜改法"策略后 73%，营养学上少 20% 的完美，换来执行率翻 6 倍。第 4 条最见功力：掌勺人的手艺永远先肯定，“没觉得被指挥"是这条规则挣来的。第 5 条是价值观红线：她的知识库里只有菜市场，没有货架。这就是岗位化：大模型解决"能不能算热量”，专属智脑解决"我是谁家的营养师、这家人的主要矛盾是什么、我说话的顺序是先肯定还是先纠正"。

单菜改造卡片：红烧肉"三个不动一个动"对比图（左原做法右改法）

材料四｜买菜小票：从建议到菜篮子的距离

第三层：她能不能真正进入业务。 "爸的主食换杂粮饭"不是一句话，是一连串系统动作。食衡对接的是家庭和社区两头的一套真实系统，从 CRM、ERP、OA、HIS、BI 到订单系统、客户系统、门店系统、IoT、第三方 Agent 都能挂接——这个家庭实际用到的是：CRM（家庭成员健康档案与偏好记录，"孩子拒绝杂粮饭"记在案）、HIS（复查医院的指标对接，血脂血糖趋势直接进档案）、ERP（社区团购的食材库存与价格，“本周杂粮米有活动”）、订单系统（买菜清单一键下单，改法里要的食材已经在单子上）、门店系统（常去菜市场的摊位档口信息）、BI（家庭健康周报：三位成员的指标趋势线）、OA（家庭日程协同——孙子的幼儿园活动日提醒奶奶别做硬饭）、IoT（智能冰箱的存量识别、"五花肉还够一顿"她知道），以及与外卖平台的 第三方 Agent 同步——在外就餐那 5.4 次/周，她也帮着挑相对好的组合。她不只是聊天，她查询、协同、触发流程。

材料五｜复查单：九十天后的那行数字

档案袋第五份：复查报告。8/12 个家庭体重或血脂至少一项改善。

这份材料收尾，验的是多模态表达和长期陪伴的底气。改菜的话是说给掌勺人听的：说"您这个焯水比我说的还地道"时眼神是真的赞许，提"糖减到 18 克"时语速放缓、手势比在砧板上——像站在灶台边的那位朋友，不像念食谱的机器。语音、口型、情绪表情、眼神、头部动作、手势依据当前对话实时生成、统一同步，不是 TTS 加对口型，更不是预制视频轮播。AI 端渲则是厨房场景的工程底座：厨房屏是存量硬件、油烟环境、WiFi 被全家设备挤爆的晚高峰——渲染下沉到端侧，不依赖云 GPU 拉视频流，弱网可用，"不换一块屏就能上"是 12 个家庭试点铺开的前提。

一个智能体，可以进入不同的身体。现在食衡住在厨房屏和健康 App 里，她的行动还停留在数字与物理行动的数字行动这一层：把改法说出来、把对比卡片摆出来、把买菜单生成出来。但她的身份、知识、记忆、任务全长在智脑里——二期让她进入客厅大屏，她还是那个记得孙子不吃菠菜的食衡，还能导航带路把"杂粮米在橱柜第二层"说清楚；再往后装上厨房陪伴机器人的形态，行动就延伸到物理世界：转向你、靠近你、跟随移动、用上肢动作把减糖勺递过来，Robot Skill 直接读出锅温提醒焯水火候。智能体持续存在，身体不断升级。

袋底附注：市面上把几个开源件拼起来的方案不是不能用，而是模块一换脾气就变——"先肯定手艺"的表达长在状态管理里，拼装方案换个模型，掌勺人第一周就关机了。这套方案是可插拔的：ASR 可以换自研（Xmov 大/小模型 ASR）或火山引擎、腾讯云，TTS 可以换 Azure、豆包、MiniMax，大脑可以用自研、第三方 LLM、客户自建或 Dify、Coze 这类 LLMOps 平台，将来上厨房机器人，机器人运控也能在自研运控和本体厂商运控之间切换。可插拔不是 API 拼接：感知、认知、表达与执行之间时序依赖和状态关联很紧，星云靠标准化的接口契约加统一的状态管理，保证模块替换之后事件流转、会话状态、时间同步、异常处理都一致。翻译成这行的话：换耳朵不换脾气，六条岗位规则一条不动。背后把这一切实时对齐的，是 Real-time Interaction Runtime——整张餐桌的管理跑在一个持续交互循环（Continuous Interaction Loop）里。

家庭健康周报：本周餐桌照片墙

档案袋最底下的那张便签

90 天试点结束，档案袋最底下压着一张手写便签，是掌勺的奶奶托社区志愿者代写的：

“红烧肉还是我做的，糖少放一半，老头子没吃出来。降压药那口锅我不懂，饭我懂。”

数据替这张便签作证：12 个家庭，食谱执行率 11% 到 73%；爸爸日均钠摄入 3800mg 降到 2600mg（目标 2000，遇平台期，第二阶段靠低钠盐过渡）；妈妈餐后血糖达标餐次 42% 到 71%；全家在外就餐 5.4 降到 3.1 次/周；掌勺人满意度 88%；复查指标改善 8/12。便签背面也得写难处：2 个家庭的孩子死活不肯吃杂粮饭，最后靠"白米掺三分之一"的渐进方案才推下去；厨房屏在油烟环境里听人说话至今是难题，眼下全靠降噪模型顶着。

这张便签提醒我们：中国家庭健康管理的杠杆，不在每个人的手机里，在厨房里那一个人手上。所有针对"个人"的健康 App 都绕开了这个真相——你让爸爸自己管嘴，他管不住；你让掌勺的人改一勺糖，全家受益。食衡的全部产品逻辑都围着这位掌勺人转：尊重她的手艺，减轻她的负担，肯定她的付出。端到端具身交互智能在这个场景的价值，是把体检报告、买菜做饭、吃饭反馈这三件分散的事，缝进灶台边一来一往的对话里——她管的是处方和生活之间那口锅。

这类端到端具身交互智能平台的价值，在于让 AI 通过屏幕和机器人进入真实世界，成为能够感知、理解、表达并行动的智能体。

你家谁掌勺？TA愿意为全家的健康改菜吗，还是"想吃自己做去"？评论区聊聊家里的餐桌博弈，说不定下一篇方案就从你家学。

六项能力 × 材料 × 技术模块对照表

五份材料摊完，把「哪份材料验的是哪项能力、背后靠哪个技术模块」压成一张表，方便对照着看，也方便演示时按行挑重点：

能力	对应档案袋材料	依赖的技术模块	验证方式
持续感知（听清、看见）	材料一｜全家体检报告	ASR、AEC 抗回声、远场语音、VAD 静默判据、Barge-in 智能打断、摄像头人体感知	开着抽油烟机、手上沾面粉，乱拍一摞报告直接问，全程不碰手机
持续理解（知道什么）	材料二｜一周餐桌照片墙	全模态数据解析、知识图谱 + RAG 三路召回、知识治理	问「红烧肉还能吃吗」，看是否给出「三个不动一个动」而非泛泛的少油少盐
持续决策（她是谁）	材料三｜口味问卷	Persona 规则、配餐约束求解（硬约束 + 软目标）、岗位化编排	连续追问三道菜，看是否只抓一个主要矛盾、是否先肯定手艺再给改法
持续表达与行动（进入业务）	材料四｜买菜小票	工具调用、CRM / HIS / ERP / 订单 / IoT 等系统对接、第三方 Agent 协同	接受改法后看购物清单，要用的食材是否已在单子上并可一键下单
多模态表达（说给掌勺人听）	材料五｜复查单	语音 + 口型 + 情绪表情 + 眼神 + 头部动作 + 手势实时同步生成、AI 端渲	观察语气与手势是否随对话变化，弱网、存量厨房屏下是否仍流畅
长期陪伴与可插拔	袋底附注 + 复查数据	统一状态管理、Real-time Interaction Runtime、持续交互循环	替换 ASR / TTS / 大脑后，六条岗位规则与表达风格是否一条不变

读表的一个提醒：这六行不是六个独立功能，而是同一个循环里的六段。感知断了，理解就拿到脏数据；决策没有规则约束，表达就会退回「少吃油多运动」；表达不落在掌勺人身上，行动再全也进不了那口炒锅。

术语速查

文中出现的专有名词不少，非技术背景的读者可以对照这张表快速回看，不必从头翻：

术语	一句话解释
XingyunAvatarAgent	端到端数字人 SDK，给一个 DOM 容器、注册回调、调用 ask() 就能让食衡开口说话。
AEC 抗回声	回声消除，把厨房屏自己喇叭放出来的声音从麦克风输入里剥掉，避免 AI 听见自己说话。
VAD 静默判据	语音活动检测，判断「人是在说话还是只是停顿」，让掌勺人做饭中间的长停顿不被误当成说完。
Barge-in 智能打断	允许用户在 AI 说话时直接插话，AI 立刻停下听你说，像真人对话而不是听录音。
handsFree	免手模式，全程语音交互、不用碰屏幕，对应厨房里手上沾着面粉的真实状态。
专属智脑	平台侧的家庭专属知识大脑，管的是「这家人是谁、指标多少、口味如何」，而不只是通用大模型。
知识图谱 + RAG 三路召回	向量、关键词、图谱三种检索方式一起上，把「红烧肉—糖量—爸的血脂」这类关系整条捞出来。
AI 端渲	渲染放在端侧设备上跑，不依赖云端 GPU 拉视频流，弱网和存量厨房屏也能流畅出画面。
Real-time Interaction Runtime	实时交互运行时，负责把感知、认知、表达、执行之间的时序和状态对齐，保证换模块不换脾气。
Continuous Interaction Loop	持续交互循环，感知 → 理解 → 决策 → 表达与行动不断循环，而不是一问一答就结束。
Robot Skill	机器人技能接口，让智能体在机器人身体上执行转向、靠近、递物等物理动作。

跟着这顿饭演一遍

演示不用照菜单念，就顺着周末这顿饭的流程走，六项能力按出锅顺序全验：

备菜时｜乱拍建档 —— 五份体检报告歪着拍一摞：自动分人建档，不用整理。

开火前｜红烧肉改法 —— 问"红烧肉还能吃吗"：三个不动一个动，灵魂还在。

灶台边｜沾着手说话 —— 开着抽油烟机、假装手上有面：免手对话、打断即问，全程不碰手机。

出锅后｜先肯定再改 —— 让她点评手艺：“您这个焯水比我说的地道”——先给面子，再给改法。

饭后｜拒推补剂 —— 问"要不要买点蛋白粉"：她只说哪种常见食物里有，货架零推荐。

睡前｜买菜单联动 —— 接受改法后看购物清单：要用的食材已在单子上，一键下单。

跟演须知：灶台边"不催不指挥"本身就是产品，别配音、别加速；"拒推补剂"务必真演——观众对"AI 不带货"的信任，比配餐多科学值钱。

写在最后

回到那个闭环：持续感知把油烟机下的含糊话听清，持续理解把体检报告和餐桌照片串成这家人专属的关系网，持续决策用六条岗位规则把「少吃油多运动」翻译成「糖减到 18 克」，持续表达与行动再让这句话带着眼神和手势落到灶台边——四段咬合，才让 AI 真正进得了厨房。而这一切的杠杆，始终在掌勺人手上：方案再科学，落不进那口炒锅就等于零。可插拔架构加统一状态管理，是给未来留的门——换耳朵不换脾气，接入客厅大屏、厨房机器人时，她还是那个记得孙子不吃菠菜的食衡。那么，你家厨房里，最该被 AI 接住的那句话是什么？