我尝试用AI追踪卡路里30天——Nutrola如何改变了我的饮食

我之前尝试过计算卡路里，实际上尝试过两次。第一次是在三年前，用电子表格记录，结果坚持了四天就放弃了。第二次是大约一年前使用MyFitnessPal，这次我坚持了两周。那段时间里，我不断在搜索框输入“鸡胸肉，烤制6盎司”，然后浏览40个不同卡路里数的结果，最后只能猜测哪个最接近我盘子里的食物。到第15天，我发现自己花在记录食物上的精力比真正吃得健康的精力还要多，于是选择了放弃。

当朋友告诉我Nutrola及其AI驱动的照片识别功能时——只需拍下你的盘子，系统就能识别食物、估算份量并记录营养信息——我虽然有些怀疑，但也充满好奇。无需繁琐的手动输入就能追踪饮食的想法让我决定再认真尝试一次卡路里追踪。这次，我设定了30天的目标，每餐都记录，不留例外。

接下来发生了什么呢？

我为何决定再次尝试

我32岁，做办公室工作，过去两年慢慢增加了大约15磅的体重。虽然没有太大变化，但足以让我感到衣服穿着不再合适，下午的精力明显下降。我知道一些基本知识：摄入的卡路里与消耗的卡路里、增加蛋白质摄入、不要只吃加工食品。但我对具体数字没有真正的概念，所有的份量、卡路里、蛋白质都是在猜测，显然猜错了。

促使我愿意再试一次的是手动记录的繁琐。查找每种食材、测量每汤匙油、为包含12种成分的食谱做数学计算——这简直像是一份兼职工作。如果AI能消除一半的繁琐，那就可能是我能否坚持到两周和真正养成习惯的关键。

我下载了Nutrola，输入了我的数据，并设定了每天约2100卡路里的适度缺口目标，周一早上开始了我的追踪之旅。

第一周：现实的冲击

第一天——咖啡的启示

实验的第一条记录让我了解到一些我不想知道的事情。我拍下了早上的咖啡——一杯来自办公室附近咖啡馆的大杯香草拿铁，几乎是我过去一年每个工作日都点的饮品。Nutrola识别出它并记录为347卡路里。

347卡路里。仅仅是咖啡。

我一直以为那杯拿铁大约只有100卡路里，最多150卡路里。结果我在一杯饮料上就错了200多卡路里，而我每周喝五天，这意味着我每周多摄入了超过1000卡路里。就在那一瞬间，我明白了为什么我会发胖，尽管我认为自己“吃得还不错”。

对照片识别的初步印象

照片记录功能的表现超出了我的预期，虽然并不是完美无缺。对于简单的餐食——一盘鸡肉、米饭和西兰花——它的识别速度快且准确。我只需拍张照片，确认或调整份量，30秒内就能完成。对于更复杂的菜肴，比如炒菜或炖菜，它有时需要一点帮助来识别具体的食材。但即便如此，整个过程也只需90秒，而我以前在MyFitnessPal上手动搜索和记录每个成分时，往往要花五到七分钟。

我还开始使用语音记录功能来记录简单的食物。走到办公桌的路上说“两个炒鸡蛋，配一片全麦吐司和一汤匙黄油”成为了最快的方法。AI几乎每次都能正确识别。

第一周的数据

到第一周结束时，数据让我感到震惊。我的每日平均数据如下：

• 平均每日卡路里： 2620（我的目标是2100）
• 平均蛋白质： 每天62克
• 平均纤维： 每天14克
• 平均记录时间： 每天大约8分钟
• 宏量营养素分配： 大约45%碳水化合物，38%脂肪，17%蛋白质

蛋白质的摄入量成了一个问题。以我192磅的体重来看，大多数指南建议在卡路里缺口期间每天摄入大约115到140克蛋白质，而我每天的摄入量还不到一半。我一直以为自己“吃了足够的蛋白质”，因为大多数晚餐都有鸡肉或肉类。但早餐通常是那杯高卡路里的拿铁和一块糕点（几乎没有蛋白质），午餐常常是以碳水为主的三明治或卷饼，而我的零食则是薯片、饼干或水果。

Nutrola追踪的不仅仅是基本的宏量营养素，还有100多种营养素，微量营养素的数据也很有启发性。我的纤维摄入量低，钠含量高，维生素D和镁的摄入量也始终低于推荐水平。这些都是我之前从未考虑过的数字。

第二周：发现隐藏的卡路里

到第二周，记录的过程已经变得更加自动化。看到食物被量化的这种新鲜感并没有消退，反而让我更加关注。

烹饪油和调料——隐形的卡路里来源

第二周最大的启示来自于在家做饭。我一直认为自制餐食比餐馆食物“更健康”，在很多方面确实如此。但我没有考虑到自己在烹饪时使用的橄榄油有多少。随意倒入锅中的那一大勺，通常是两到三汤匙。这就意味着240到360卡路里的纯脂肪，在最终的菜肴中是看不见的。

调料也是另一个罪魁祸首。我在炒菜时使用的照烧酱、沙拉上的牧场酱、烤鸡上的烧烤酱——每种调料都增加了100到200卡路里，而我从未考虑过这些。当我开始在准备食物时拍照，而不仅仅是拍成品时，Nutrola帮助我看到了卡路里隐藏的地方。

蛋白质问题

到第二周中期，我对蛋白质的关注达到了痴迷的程度。不是那种健身狂人的方式，而是“我怎么能这么久都摄入这么少的蛋白质”的心态。Nutrola的每日数据清晰地表明，我的蛋白质摄入量平均在60到65克之间，而达到120克的目标需要刻意努力。

我开始做一些小的改变。用希腊酸奶替代早上的糕点。健身后加一杯蛋白质奶昔。把我通常以米饭为主的午餐换成双倍鸡肉的版本。这些都不是激进的改变，但需要我真正关注数字并进行相应的计划。

第二周每日平均数据

• 平均每日卡路里： 2340（仍高于目标，但有所改善）
• 平均蛋白质： 每天89克（从62克上升）
• 平均纤维： 每天18克
• 平均记录时间： 每天大约5分钟
• 宏量营养素分配： 大约40%碳水化合物，30%脂肪，30%蛋白质

记录时间明显减少。Nutrola的食品数据库被描述为经过验证且全面，这意味着我大多数常吃的餐食都已经保存。我可以快速调出“上周二的午餐”，几秒钟就能记录下来。AI也随着时间的推移，逐渐更好地识别我常吃的餐食，从而减少了调整的时间。

第三周：行为改变开始累积

第三周发生了一些变化。记录不再是我需要提醒自己去做的事情——它已经成为了饮食的一部分。拿出手机，拍照，看看数字，然后收起手机。整个过程比刷Instagram的时间还短。

餐前准备进入了我的生活

我从来不是一个喜欢提前准备餐食的人。周日为整周做饭的想法听起来很累人。但到第三周，我注意到那些我最容易达到蛋白质和卡路里目标的餐食，都是我自己计划和准备的。因此，我开始进行简单的周日烹饪：一批烤鸡、烤蔬菜和米饭。没有复杂的步骤，大约90分钟的工作。

效果立竿见影。在我准备好餐食的日子里，卡路里平均为2080，蛋白质达到118克。而在随意应付的日子里，卡路里又回升到2300，蛋白质降到约85克。数据没有说谎，Nutrola通过并排比较不同日子的方式，让我轻松看到了这个模式。

更聪明的零食选择

我还彻底改造了我的零食，不是因为我强迫自己，而是因为数据让我意识到了问题。办公室自动售货机里的薯片是320卡路里和3克蛋白质，而一盒希腊酸奶加上一把杏仁则是280卡路里和22克蛋白质。一旦你清楚地看到这种对比，选择就变得简单了。

我用酸奶和坚果替代了下午的薯片，用奶酪和浆果替代了晚上的饼干。我开始在办公桌抽屉里放牛肉干。这些都是小改变，但对我每日蛋白质总量的累积影响显著。

第三周每日平均数据

• 平均每日卡路里： 2110（正好在目标范围内）
• 平均蛋白质： 每天117克
• 平均纤维： 每天24克
• 平均记录时间： 每天大约3分钟
• 宏量营养素分配： 大约38%碳水化合物，27%脂肪，35%蛋白质

每天三分钟。这比我花在决定看什么Netflix的时间还少。而且与我之前的记录尝试不同，这并没有让我感到乏味。照片识别和语音记录的结合将繁琐程度降到了几乎为零。

第四周：结果

数据对比

到30天结束时，趋势非常明显。以下是我第一周平均数据与第四周平均数据的对比：

指标	第一周平均	第四周平均	变化
每日卡路里	2620	2050	-570卡
蛋白质	62克	124克	+62克（翻倍）
纤维	14克	26克	+12克
脂肪	111克	68克	-43克
每日记录时间	8分钟	3分钟	-5分钟
宏量营养素分配（C/F/P）	45/38/17	37/26/37	---

身体变化

在第1天和第30天，我在相同条件下称重。起始体重：192.4磅。结束体重：188.2磅。30天减重4.2磅，平均每周减重超过1磅——这是一个健康且可持续的速度。

但体重并不是最明显的变化。到最后一周，我的下午能量崩溃几乎消失了。我不再在下午2:30感到需要小憩或喝第三杯咖啡。我认为这部分是因为摄入了更多的蛋白质（有助于保持血糖稳定），部分原因则是我在一天中更规律地进食，而不是像以前那样不规律。

我的健身表现也有所提升。我已经坚持每周举重三天约六个月，在实验的最后两周，我几乎在每个动作上都增加了重复次数或重量。充足的蛋白质确实能带来可衡量的差异，而我之前几个月却没有意识到自己错过了这些增益。

记录习惯

到第30天，记录我的餐食就像锁门一样自然。我不再思考，只是自然而然地去做。每天不到三分钟的记录时间让这一过程变得可持续，而我之前的手动记录尝试从未做到这一点。

让我最惊讶的事情

回顾这30天，有四件事让我感到真正的惊讶。

1. 我严重低估了液体卡路里。 我的早晨拿铁、偶尔的奶昔、一杯果汁、晚餐时的一杯啤酒——这些都为我的每日总摄入增加了400到700卡路里，而我几乎一直在忽视它们。液体卡路里是增重的隐形炸弹。

2. 蛋白质需要努力。 我曾真心认为自己摄入了足够的蛋白质，因为我“几乎每天都吃肉”。但数据却显示并非如此。每天达到120克以上的蛋白质需要在几乎每餐中做出刻意的选择。这不是偶然发生的。

3. 感知与实际份量之间的差距巨大。 我以为的一汤匙花生酱其实接近三汤匙。我以为的一杯米饭其实接近两杯。Nutrola的AI份量估算虽然不是完美的，但比我凭眼睛判断要准确得多，随着时间的推移，我也逐渐学会了什么是真正的份量。

4. 记录时间在第一周后显著减少。 第一天的8分钟在第三周变成了3分钟。AI学习了我的饮食习惯，常吃的餐食被保存，整个过程变得自然而然。人们担心“记录需要太长时间”的说法只适用于最初的几天。

诚实的优缺点

我想坦诚地说出什么有效，什么无效。

优点

• 照片识别节省了大量时间。 这是相较于手动记录应用的最大优势。拍一张照片只需几秒钟，AI处理大部分识别和份量估算。
• 语音记录非常适合简单餐食。 比打字快，意外地准确地解析自然语言描述的食物。
• 经过验证的食品数据库减少了猜测。 我很少遇到其他应用中同一食物有15个不同条目且卡路里差异巨大的问题。
• 追踪100多种营养素让我获得了超越卡路里和宏量营养素的见解。 看到我的纤维、钠和微量营养素数据帮助我做出更好的选择，这些选择我之前根本没有考虑过。
• 核心功能是免费的。 我不需要高级订阅就能获得基本的追踪体验，这消除了开始的障碍。

缺点

• 照片识别对复杂混合菜肴的识别较差。 一碗辣椒或一个砂锅菜需要比简单的分开食物的盘子更多的手动调整。
• 外出就餐比在家做饭更难准确记录。 餐馆的份量不可预测，即使AI也无法完美估算厨房使用了多少黄油。不过，这实际上是卡路里追踪的一般限制，而非某个应用的特定问题。
• 第一周需要耐心。 使用任何新工具都有学习曲线，我在早期遇到了一些令人沮丧的时刻，需要纠正AI的识别。这随着时间的推移变得好多了。
• 数据可能会让人有些过于执着。 在第二周的几天里，我发现自己在每餐后焦虑地查看卡路里总数。我不得不时刻提醒自己，一天的高卡路里并不意味着灾难。

我会继续吗？

会的。毫不犹豫。

我在第42天写下这些，意味着我已经超出了最初30天的承诺，已经过去了12天，我没有停止的计划。这个习惯已经建立，时间成本微乎其微，信息也确实有用。

改变我对卡路里追踪看法的不是意志力或自律，而是减少了繁琐。之前的每次尝试失败都是因为记录食物的过程太繁琐，逐渐侵蚀了我的动力。通过Nutrola的AI照片识别和语音记录，这个过程变得足够快速，以至于我再也没有理由跳过它。每天三分钟换来对我饮食的全面了解，这样的交易我愿意一直进行下去。

我并不是追求完美。我仍然会有吃披萨和冰淇淋的日子，超出我的卡路里目标。不同的是，现在我知道发生了什么，并且知道如何在第二天进行调整。我正在做出明智的选择，而不是盲目的猜测，结果——无论是在体重、能量、健身表现，还是与食物的整体关系上——都显而易见。

如果你曾尝试过卡路里追踪并因为太繁琐而放弃，我理解你的感受。我曾经也处于那个位置。AI驱动的方法确实改变了我的追踪体验。30天足以证明这一点。

常见问题

Nutrola的AI照片识别在卡路里追踪方面有多准确？

根据我的经验，Nutrola的照片识别在处理明显且分开的食物时相当准确——比如盘子上的烤鸡配蔬菜和米饭、一份三明治、一碗水果。对于这些类型的餐食，卡路里估算通常在我手动称重比较时计算的卡路里范围内的10%到15%之内。对于像汤、炖菜和砂锅菜这样的复杂混合菜肴，初始准确度较低，需要一些手动调整。随着我记录的餐食增多，准确度也随之提高。

AI驱动的卡路里追踪每天实际上需要多长时间？

在我的第一周，我每天花大约8分钟记录餐食，包括拍照、查看AI的估算和偶尔的修正。到第三和第四周，这个时间减少到大约3分钟。AI会保存你常吃的餐食并学习你的习惯，从而显著加快速度。与我以前在其他应用中手动记录所花的15到20分钟相比，节省的时间非常可观。

仅通过使用AI应用追踪卡路里真的能减肥吗？

我在30天内减掉了4.2磅，但仅仅依靠追踪并没有导致体重下降。追踪所做的是提供准确的信息，从而促使我做出更好的决策。我发现我的早晨咖啡是350卡路里，而不是我假设的100卡路里。我了解到我在烹饪油和调料中几乎摄入了双倍的脂肪目标。我意识到我的蛋白质摄入量只有应有的一半。这些见解自然导致了饮食行为的改变，从而产生了导致体重下降的卡路里缺口。追踪是催化剂，而不是原因。

Nutrola的卡路里追踪功能是免费的吗？

Nutrola的核心卡路里和营养追踪功能是免费的，包括照片识别、语音记录和访问经过验证的食品数据库。在实验的前两周，我使用的是免费版本，完全可以满足我大部分的追踪需求。

Nutrola与MyFitnessPal在卡路里追踪方面有什么区别？

我在切换到Nutrola之前使用MyFitnessPal进行了两周的记录，因此有直接的比较。最大的区别在于速度和繁琐程度。MyFitnessPal主要依赖手动文本搜索和从数据库中选择，而同一食物通常有多个条目，卡路里差异很大。Nutrola的AI照片识别和语音记录消除了大部分手动工作。我还发现Nutrola的经过验证的食品数据库更为一致——我很少遇到重复或冲突的条目。MyFitnessPal主要关注卡路里和基本宏量营养素，而Nutrola则追踪100多种营养素，这让我对饮食有了更全面的了解。

开始使用AI追踪卡路里的最佳方法是什么？

根据我30天的经验，我建议三件事。首先，承诺至少完整记录一周的所有饮食，而不做任何饮食调整——利用这一周来了解你的基础数据。其次，针对上菜的餐食使用照片记录，针对简单的零食和饮料使用语音记录，因为这两种方法在不同情况下各有优势。最后，首先关注大的发现。不要在第一天就陷入微量营养素的细节中。先从总卡路里和蛋白质入手，把它们调整到合理范围，然后再扩展关注纤维、钠和微量营养素等基本数据。