CLine 界面初版

.gitignore

@@ -0,0 +1 @@
+.vscode/

README.md

@@ -13,3 +13,6 @@ short_description: Voice-based Pregnant Meal & Nutrition Tracker
 ---
 
 Check out the configuration reference at https://huggingface.co/docs/hub/spaces-config-reference
+
+
+Model to be Used: MiniCPM-o 4.5

app.py

@@ -0,0 +1,25 @@
+"""
+PregoPal - 孕期陪护AI助手
+=========================
+主入口：启动 Gradio 应用。
+
+架构：
+  app.py          ← 薄入口（仅启动）
+  config.py       ← 全局配置
+  core/           ← AI 核心层（等待 MiniCPM-o 部署）
+  modules/        ← 业务逻辑层
+  ui/             ← 表现层（Gradio 界面）
+  data/           ← 数据存储
+"""
+
+import gradio as gr
+from ui.app_builder import create_app
+
+if __name__ == "__main__":
+    demo = create_app()
+    demo.launch(
+        theme=gr.themes.Soft(
+            primary_hue="pink",
+            secondary_hue="green",
+        )
+    )

config.py

@@ -0,0 +1,84 @@
+"""
+PregoPal - 全局配置
+====================
+所有路径、常量、营养数据库、食谱模板集中管理。
+"""
+
+from pathlib import Path
+
+# ============================================================
+# 目录路径
+# ============================================================
+DATA_DIR = Path("data")
+VOICE_DIR = DATA_DIR / "voices"
+LOGS_DIR = DATA_DIR / "logs"
+REPORTS_DIR = DATA_DIR / "reports"
+FAMILY_FILE = DATA_DIR / "family.json"
+DIET_LOG_FILE = DATA_DIR / "diet_logs.json"
+NUTRITION_DB_FILE = DATA_DIR / "nutrition_db.json"
+
+# 确保目录存在
+for d in [DATA_DIR, VOICE_DIR, LOGS_DIR, REPORTS_DIR]:
+    d.mkdir(parents=True, exist_ok=True)
+
+# ============================================================
+# 家庭成员身份枚举
+# ============================================================
+FAMILY_ROLES = ["孕妇", "丈夫", "婆婆", "妈妈", "爸爸", "其他家人"]
+
+# ============================================================
+# 孕期阶段
+# ============================================================
+TRIMESTERS = ["孕早期", "孕中期", "孕晚期"]
+
+# ============================================================
+# 营养数据库（内置推荐）
+# 注意：此为基于通用知识的估算，后续将替换为中国官方标准
+# ============================================================
+DEFAULT_NUTRITION_DB = {
+    "叶酸": {"category": "维生素", "daily_recommend_mg": 0.4, "foods": ["菠菜", "西兰花", "芦笋", "牛肝", "豆类"], "benefit": "预防胎儿神经管畸形"},
+    "铁": {"category": "矿物质", "daily_recommend_mg": 27, "foods": ["红肉", "动物肝脏", "菠菜", "黑木耳", "红枣"], "benefit": "预防孕期贫血"},
+    "钙": {"category": "矿物质", "daily_recommend_mg": 1000, "foods": ["牛奶", "酸奶", "豆腐", "芝麻", "小鱼干"], "benefit": "促进胎儿骨骼发育"},
+    "DHA": {"category": "脂肪酸", "daily_recommend_mg": 200, "foods": ["三文鱼", "鳕鱼", "核桃", "亚麻籽", "藻油"], "benefit": "促进胎儿大脑发育"},
+    "蛋白质": {"category": "宏量营养素", "daily_recommend_g": 70, "foods": ["鸡蛋", "鸡肉", "鱼肉", "豆腐", "牛奶"], "benefit": "胎儿生长发育的基础"},
+    "维生素C": {"category": "维生素", "daily_recommend_mg": 85, "foods": ["橙子", "猕猴桃", "草莓", "番茄", "青椒"], "benefit": "增强免疫力，促进铁吸收"},
+    "维生素D": {"category": "维生素", "daily_recommend_mcg": 10, "foods": ["蛋黄", "肝脏", "三文鱼", "蘑菇", "晒太阳"], "benefit": "促进钙吸收"},
+    "膳食纤维": {"category": "宏量营养素", "daily_recommend_g": 25, "foods": ["燕麦", "全麦面包", "红薯", "蔬菜", "水果"], "benefit": "预防孕期便秘"},
+    "锌": {"category": "矿物质", "daily_recommend_mg": 11, "foods": ["牡蛎", "瘦肉", "坚果", "全谷物", "豆类"], "benefit": "促进胎儿生长发育"},
+    "碘": {"category": "矿物质", "daily_recommend_mcg": 220, "foods": ["海带", "紫菜", "碘盐", "海鱼", "贝类"], "benefit": "促进胎儿智力发育"},
+}
+
+# ============================================================
+# 孕期推荐食谱模板
+# ============================================================
+MEAL_TEMPLATES = {
+    "早餐": ["全麦面包+鸡蛋+牛奶", "燕麦粥+坚果+水果", "小米粥+包子+煮鸡蛋", "豆浆+全麦馒头+蔬菜沙拉"],
+    "午餐": ["清蒸鱼+糙米饭+炒时蔬", "番茄牛腩+杂粮饭+凉拌黄瓜", "鸡肉沙拉+藜麦饭+紫菜蛋花汤", "豆腐煲+红薯饭+清炒西兰花"],
+    "晚餐": ["鲫鱼豆腐汤+小馒头+清炒菠菜", "蒸蛋羹+小米粥+炒青菜", "虾仁西兰花+糙米饭+番茄汤", "瘦肉粥+蒸南瓜+凉拌木耳"],
+    "加餐": ["酸奶+坚果", "水果拼盘", "红枣枸杞茶+全麦饼干", "牛奶+燕麦能量棒"],
+}
+
+# ============================================================
+# 孕期阶段调整建议
+# ============================================================
+TRIMESTER_ADJUSTMENTS = {
+    "孕早期": {"focus": "补充叶酸，缓解孕吐", "avoid": ["油腻", "辛辣"]},
+    "孕中期": {"focus": "补充蛋白质、钙、铁", "avoid": []},
+    "孕晚期": {"focus": "控制体重，补充DHA", "avoid": ["高糖", "高盐"]},
+}
+
+TRIMESTER_TIPS = {
+    "孕早期": "🌱 孕早期建议：多补充叶酸，少食多餐，避免空腹。可以吃一些苏打饼干缓解孕吐。",
+    "孕中期": "🌿 孕中期建议：胎儿快速发育期，注意补充优质蛋白和钙质。建议每天喝一杯牛奶。",
+    "孕晚期": "🌾 孕晚期建议：控制体重增长，减少高糖高盐食物。多补充DHA促进胎儿大脑发育。",
+}
+
+# ============================================================
+# 数据存储 Schema 版本
+# ============================================================
+DIET_LOG_SCHEMA_VERSION = "1.0"
+
+# ============================================================
+# 声纹识别阈值
+# ============================================================
+VOICEPRINT_SIMILARITY_THRESHOLD = 0.7

core/__init__.py

@@ -0,0 +1,8 @@
+"""
+PregoPal - AI 核心层
+======================
+MiniCPM-o 4.5 多模态模型加载与推理。
+
+当前：空接口（等待 MiniCPM-o 部署）
+后续：填充模型加载、语音处理、视觉处理、对话管理
+"""

core/conversation_manager.py

@@ -0,0 +1,47 @@
+"""
+PregoPal - 对话管理器
+======================
+对话管理 + 系统提示词构建 + [DIET_RECORD] 标记解析。
+
+当前：空接口（等待 MiniCPM-o 部署）
+后续：管理任务模式/闲聊模式切换，构建系统提示词
+"""
+
+
+class ConversationManager:
+    """对话管理：模式切换、提示词构建、输出解析"""
+
+    MODE_TASK = "task"
+    MODE_CHAT = "chat"
+
+    def __init__(self):
+        self.current_mode = self.MODE_CHAT
+        self.current_speaker = None
+        self.conversation_history = []
+
+    def build_system_prompt(self) -> str:
+        """
+        构建系统提示词（待实现）
+        包含：角色定义、当前模式、说话人身份、输出格式规则
+        """
+        raise NotImplementedError("等待 MiniCPM-o 部署后实现")
+
+    def switch_mode(self, mode: str):
+        """切换对话模式"""
+        self.current_mode = mode
+
+    def set_speaker(self, speaker_info: dict):
+        """设置当前说话人"""
+        self.current_speaker = speaker_info
+
+    def parse_response(self, response: str) -> dict:
+        """
+        解析模型回复
+        检测 [DIET_RECORD] 标记等结构化输出
+        """
+        from modules.diet_logger import DietLogger
+        diet_record = DietLogger.parse_diet_record(response)
+        return {
+            "text": response,
+            "diet_record": diet_record
+        }

core/model_loader.py

@@ -0,0 +1,26 @@
+"""
+PregoPal - 模型加载器
+======================
+加载 MiniCPM-o 4.5 多模态模型。
+
+当前：空接口（等待 MiniCPM-o 部署）
+后续：使用 OpenBMB 官方推理代码加载模型
+"""
+
+
+class ModelLoader:
+    """MiniCPM-o 4.5 模型加载器"""
+
+    def __init__(self, model_path: str = None):
+        self.model_path = model_path
+        self.model = None
+        self.processor = None
+
+    def load(self):
+        """加载模型（待实现）"""
+        raise NotImplementedError("等待 MiniCPM-o 4.5 部署后实现")
+
+    def unload(self):
+        """卸载模型释放显存"""
+        self.model = None
+        self.processor = None

core/vision_processor.py

@@ -0,0 +1,22 @@
+"""
+PregoPal - 视觉处理器
+======================
+SigLip2 视觉理解（食物/环境/表情识别）。
+
+当前：空接口（等待 MiniCPM-o 部署）
+后续：使用 MiniCPM-o 内置的 SigLip2 处理摄像头画面
+"""
+
+
+class VisionProcessor:
+    """视觉处理：理解摄像头画面"""
+
+    def __init__(self):
+        self.vision_model = None
+
+    def analyze_frame(self, image_path: str) -> dict:
+        """
+        分析单帧图像（待实现）
+        返回：画面中的食物、环境、人物表情等信息
+        """
+        raise NotImplementedError("等待 MiniCPM-o 部署后实现")

core/voice_processor.py

@@ -0,0 +1,27 @@
+"""
+PregoPal - 语音处理器
+======================
+Whisper-medium ASR + 声纹 embedding 提取。
+
+当前：空接口（等待 MiniCPM-o 部署）
+后续：提取 Whisper encoder hidden states 做 speaker embedding
+"""
+
+
+class VoiceProcessor:
+    """语音处理：ASR + 声纹特征提取"""
+
+    def __init__(self):
+        self.asr_model = None
+        self.sample_rate = 16000
+
+    def transcribe(self, audio_path: str) -> str:
+        """语音转文字（待实现）"""
+        raise NotImplementedError("等待 MiniCPM-o 部署后实现")
+
+    def extract_speaker_embedding(self, audio_path: str) -> list:
+        """
+        提取说话人声纹 embedding（待实现）
+        方案：从 Whisper-medium encoder 的 hidden states 中提取
+        """
+        raise NotImplementedError("等待 MiniCPM-o 部署后实现")

data/nutrition_db.json

@@ -0,0 +1,122 @@
+{
+  "叶酸": {
+    "category": "维生素",
+    "daily_recommend_mg": 0.4,
+    "foods": [
+      "菠菜",
+      "西兰花",
+      "芦笋",
+      "牛肝",
+      "豆类"
+    ],
+    "benefit": "预防胎儿神经管畸形"
+  },
+  "铁": {
+    "category": "矿物质",
+    "daily_recommend_mg": 27,
+    "foods": [
+      "红肉",
+      "动物肝脏",
+      "菠菜",
+      "黑木耳",
+      "红枣"
+    ],
+    "benefit": "预防孕期贫血"
+  },
+  "钙": {
+    "category": "矿物质",
+    "daily_recommend_mg": 1000,
+    "foods": [
+      "牛奶",
+      "酸奶",
+      "豆腐",
+      "芝麻",
+      "小鱼干"
+    ],
+    "benefit": "促进胎儿骨骼发育"
+  },
+  "DHA": {
+    "category": "脂肪酸",
+    "daily_recommend_mg": 200,
+    "foods": [
+      "三文鱼",
+      "鳕鱼",
+      "核桃",
+      "亚麻籽",
+      "藻油"
+    ],
+    "benefit": "促进胎儿大脑发育"
+  },
+  "蛋白质": {
+    "category": "宏量营养素",
+    "daily_recommend_g": 70,
+    "foods": [
+      "鸡蛋",
+      "鸡肉",
+      "鱼肉",
+      "豆腐",
+      "牛奶"
+    ],
+    "benefit": "胎儿生长发育的基础"
+  },
+  "维生素C": {
+    "category": "维生素",
+    "daily_recommend_mg": 85,
+    "foods": [
+      "橙子",
+      "猕猴桃",
+      "草莓",
+      "番茄",
+      "青椒"
+    ],
+    "benefit": "增强免疫力，促进铁吸收"
+  },
+  "维生素D": {
+    "category": "维生素",
+    "daily_recommend_mcg": 10,
+    "foods": [
+      "蛋黄",
+      "肝脏",
+      "三文鱼",
+      "蘑菇",
+      "晒太阳"
+    ],
+    "benefit": "促进钙吸收"
+  },
+  "膳食纤维": {
+    "category": "宏量营养素",
+    "daily_recommend_g": 25,
+    "foods": [
+      "燕麦",
+      "全麦面包",
+      "红薯",
+      "蔬菜",
+      "水果"
+    ],
+    "benefit": "预防孕期便秘"
+  },
+  "锌": {
+    "category": "矿物质",
+    "daily_recommend_mg": 11,
+    "foods": [
+      "牡蛎",
+      "瘦肉",
+      "坚果",
+      "全谷物",
+      "豆类"
+    ],
+    "benefit": "促进胎儿生长发育"
+  },
+  "碘": {
+    "category": "矿物质",
+    "daily_recommend_mcg": 220,
+    "foods": [
+      "海带",
+      "紫菜",
+      "碘盐",
+      "海鱼",
+      "贝类"
+    ],
+    "benefit": "促进胎儿智力发育"
+  }
+}

docs/开发日志.md

@@ -0,0 +1,63 @@
+# PregoPal 开发日志
+
+## 2026-06-08 重构：四层架构 + 模块化
+
+### 架构变更
+
+```
+PregoPal/
+├── app.py              # 薄入口（仅启动 Gradio）
+├── config.py           # 全局配置（路径、模板、营养数据库）
+├── utils.py            # 工具函数（中文字体设置）
+├── core/               # AI 核心层（等待 MiniCPM-o 部署）
+│   ├── __init__.py
+│   ├── model_loader.py         # 模型加载器（空接口）
+│   ├── voice_processor.py      # 语音处理器（空接口）
+│   ├── vision_processor.py     # 视觉处理器（空接口）
+│   └── conversation_manager.py # 对话管理器（空接口）
+├── modules/            # 业务逻辑层
+│   ├── __init__.py
+│   ├── voiceprint.py           # 声纹识别
+│   ├── meal_recommender.py     # 菜品推荐
+│   ├── diet_logger.py          # 饮食记录
+│   └── nutrition_analyzer.py   # 营养分析
+├── ui/                 # 表现层
+│   ├── __init__.py
+│   └── app_builder.py          # Gradio 界面构建
+├── data/               # 数据存储
+│   ├── voices/         # 声纹音频
+│   ├── logs/           # 饮食日志（Markdown）
+│   ├── reports/        # 营养报告（Markdown）
+│   ├── family.json     # 家庭成员数据
+│   ├── diet_log.json   # 饮食记录数据
+│   └── nutrition_db.json # 营养数据库
+├── docs/               # 文档
+│   ├── 项目理解_技术架构.md
+│   └── 开发日志.md
+├── requirements.txt    # 依赖清单
+└── README.md
+```
+
+### 模块说明
+
+| 模块 | 文件 | 功能 |
+|------|------|------|
+| 声纹识别 | `modules/voiceprint.py` | 家庭成员注册/识别/管理 |
+| 菜品推荐 | `modules/meal_recommender.py` | 根据孕期阶段推荐食谱 |
+| 饮食记录 | `modules/diet_logger.py` | 记录饮食+Markdown自动生成 |
+| 营养分析 | `modules/nutrition_analyzer.py` | 分析+可视化图表+报告导出 |
+
+### 界面 Tab
+
+1. 🔊 声纹识别 - 注册/识别/列表
+2. 🍳 今日菜品推荐 - 孕期阶段+偏好
+3. 📝 饮食记录 - 表单+Markdown日志
+4. 📊 营养报告 - 分析+图表+导出
+5. 💝 关于 - 项目介绍
+
+### 运行状态
+
+- Gradio 6.16.0 运行在 localhost:7860
+- 所有 5 个 Tab 正常加载
+- 声纹识别、菜品推荐、饮食记录、营养报告功能可用
+- core/ 层预留接口等待 MiniCPM-o 部署

docs/项目理解_技术架构.md

@@ -0,0 +1,300 @@
+# 🌸 PregoPal 项目理解与技术架构（v3 - 根据批注修正）
+
+> 本文档用于对齐对项目的整体认知。v3 已整合你所有批注。
+
+---
+
+## 一、一句话定位
+
+**一个基于 MiniCPM-o 4.5 全双工多模态大模型的 AI 孕期陪护助手**：家人（丈夫/婆婆/妈妈/孕妇本人）打开摄像头和麦克风，与 AI 实时语音对话，AI 能「看见」和「听见」——通过视觉识别食物、通过声纹区分身份、通过对话理解需求，自动记录饮食、推荐食谱、分析营养并输出报告。
+
+> **✅ 已确认。**
+
+---
+
+## 二、四大模块详解
+
+### 模块 1：🔊 声纹识别 + 多模态身份感知
+
+**核心变化：从「单独录音注册」变为「对话中自然感知」**
+
+**业务需求：**
+- 用户在实时对话过程中，AI 自动识别说话人身份（丈夫/婆婆/妈妈/孕妇…）
+- 无需单独「注册」步骤，在自然对话中完成声纹采集和识别
+- 结合摄像头画面辅助确认（视觉+语音多模态）
+
+**技术选型（最终方案）：**
+1. **主要方案：Whisper-medium encoder embedding**
+   - MiniCPM-o 4.5 内置了 Whisper-medium 作为语音编码器
+   - 当音频经过 Whisper encoder 时，中间层隐藏状态包含了说话人的声学特征（音色/语速/口音）
+   - 做法：提取 encoder 输出的 hidden states，做时间维度的平均池化，得到固定维度的 **speaker embedding**
+   - 新音频与该 embedding 做余弦相似度比对，判断是否为同一人
+   - 这是业界成熟做法，比当前 6 维统计特征鲁棒许多
+
+2. **备选方案：保留当前频谱相似度方案**
+   - 作为 fallback 兜底
+   - 也可作为置信度参考，与 embedding 方案加权融合
+
+**部署说明：**
+- MiniCPM-o 4.5 是一个统一的多模态模型，不是多个独立组件的拼装
+- 需要用 MiniCPM-o 官方推理框架（OpenBMB 提供）部署
+- **llama.cpp 对 MiniCPM-o 的全双工多模态支持可能不完整**，后续会根据实际情况选择：A) OpenBMB 官方推理 B) Modal GPU 部署 C) llama.cpp（如果兼容）
+
+> **✅ 已根据你的批注修正：优先开发 Whisper-medium embedding 方案，频谱相似度保留为备选。**
+
+---
+
+### 模块 2：🍳 智能菜品推荐（由 MiniCPM-o 4.5 驱动）
+
+**核心变化：从「模板随机选」变为「AI 实时对话推荐」**
+
+**业务需求：**
+- 用户和 AI 对话：「今天想吃鱼」「有点没胃口」「嘴里发苦」…
+- AI 理解上下文 → 生成个性化推荐
+- 输出三餐+加餐方案 + 理由 + 注意事项
+
+**技术选型：**
+- **MiniCPM-o 4.5（统一模型）**：直接用对话能力做推荐
+- **营养数据本地嵌入**：把中国孕期营养数据整理成 JSON，在系统提示词中提供给模型
+- **不需要 RAG**（你说得对，过度设计了），只需要把营养数据放在上下文里
+- **规则兜底**：`MEAL_TEMPLATES` 保留作为离线 fallback（无模型时可用）
+
+**注意：** MiniCPM-o 4.5 本身是一个统一的端到端多模态模型，不是「全家桶」——SigLip2、Whisper、Qwen3、CosyVoice2 是其内部组件，不是独立安装的库。
+
+> **✅ 已根据你的批注修正：去掉 RAG，营养数据本地嵌入，规则兜底保留。**
+
+---
+
+### 模块 3：📝 饮食记录 — 对话中自动记录，存 Markdown
+
+**核心变化：从「手动填表单」变为「AI 自动从对话中提取」**
+
+**业务需求：**
+- AI 在对话中记录：「今天中午吃了番茄牛腩和米饭」
+- 用户确认后自动存档
+- 生成结构化数据（JSON）+ 可读文档（Markdown）
+- 对历史记录支持查询
+
+**技术选型（修正后）：**
+
+**1. 数据提取方式（关键设计）**
+MiniCPM-o 4.5 **没有 toolcall 功能**，所以不能直接调用 Python 函数。
+改为 **「标记格式输出 + 正则解析」** 方案：
+- 在系统提示词中告诉模型：当你需要记录饮食时，请输出以下格式——
+  ```
+  [DIET_RECORD]
+  日期: 2026-06-07
+  早餐: 全麦面包+鸡蛋+牛奶
+  午餐: 清蒸鱼+糙米饭+炒时蔬
+  晚餐: 
+  加餐: 酸奶+坚果
+  心情: 挺好
+  备注: 
+  [/DIET_RECORD]
+  ```
+- 后端 Python 用正则表达式解析 `[DIET_RECORD]...[/DIET_RECORD]` 之间的内容
+- 解析后存入 JSON + 生成 Markdown
+
+**2. Markdown 模板引擎是什么？**
+就是当前 `diet_logger.py` 中的 `_generate_markdown()` 方法——**用 Python f-string 拼接 Markdown 文本**。不是什么复杂东西，就是一个字符串模板函数。保留不变，只是数据来源从「用户填表单」变为「AI 对话中提取」。
+
+**3. 为什么不需要向量检索？**
+你直觉正确——**确实冗余了**。之前我提出向量检索（ChromaDB）是为了支持语义搜索「上周三吃了什么？」，但实际上直接用 JSON 按日期过滤就能实现。去掉此方案，保持简单。
+
+**数据流向：**
+```
+MiniCPM-o 回复 (含 [DIET_RECORD] 标记)
+  ��� Python 正则解析
+  → 存储到 data/diet_logs.json (结构化)
+  → 同时生成 data/logs/饮食日志_YYYY-MM-DD.md (可读)
+```
+
+> **✅ 已根据你的批注修正：去掉 toolcall 假设，改用标记格式解析；去掉向量检索；详细解释了 Markdown 模板引擎。**
+
+---
+
+### 模块 4：📊 营养报告（基于中国官方标准）
+
+**核心变化：从「凭记忆编数据库」变为「查中国官方营养标准」**
+
+**业务需求：**
+- 基于中国官方营养标准做分析
+- 输出可视化报告 + 改善建议
+- 模板预先设计好，美观专业
+
+**需要你下载的文件清单：**
+
+请搜索并下载以下文件，放到 `data/nutrition/raw/` 目录下：
+
+| # | 文件名/关键词 | 发布机构 | 建议搜索方式 |
+|---|-------------|---------|------------|
+| 1 | **中国食物成分表（标准版）** 第6版 | 中国疾控中心营养与健康所 | 搜索 "中国食物成分表 标准版 第6版 Excel" 或 PDF |
+| 2 | **中国居民膳食营养素参考摄入量（DRIs 2023）** 摘要 | 中国营养学会 | 搜索 "DRIs 2023 中国居民膳食营养素参考摄入量" |
+| 3 | **中国孕期妇女膳食指南（2022）** | 中国营养学会 | 搜索 "孕期妇女膳食指南 2022 中国营养学会" |
+| 4 | **妊娠期妇女体重增长推荐值（WS/T 801-2022）** | 国家卫健委 | 搜索 "WS/T 801-2022 妊娠期妇女体重增长推荐值" |
+
+如果你有些文件找不到，给我说，我协助搜索。
+
+**如果没有下载到正式文件怎么办：**
+我已编写了一份基于 DRIs 公开数据的营养数据库作为 baseline（当前 `DEFAULT_NUTRITION_DB`），可以先用它做原型开发，等你找到正式文件后替换即可。
+
+> **✅ 已根据你的批注修正：列出具体文件清单，你下载后我整理成 JSON。**
+
+---
+
+## 三、交互流程设计
+
+### 核心设计原则
+
+你批注得对：**不需要穷举所有情况，而是设计好 MiniCPM-o 的系统提示词 + 当前模式状态。**
+
+### 系统提示词架构
+
+```
+你叫 PregoPal，是一个孕期陪护 AI 助手。
+你的任务：
+1. 识别说话人身份（通过声音判断是谁在说话）
+2. 根据对话理解用户需求（记录饮食、推荐菜品、闲聊陪伴）
+3. 当用户有明确需求时，按指定格式输出记录
+
+当前模式：{模式名称}  ← 动态注入（任务模式/闲聊模式）
+当前说话人：{身份}    ← 声纹识别结果
+
+输出格式规则：
+- 当用户描述了饮食内容，请在回复末尾附加 [DIET_RECORD]...[/DIET_RECORD]
+- 当用户要求推荐菜品，直接推荐并给出理由
+- 普通对话保持自然、温馨、关心的语气
+```
+
+### 交互流程
+
+```
+用户打开摄像头+麦克风
+       │
+       ▼
+AI 根据系统提示词主动问候
+       │
+       ▼
+用户说话 → MiniCPM-o 全双工处理
+  ├→ 声纹识别 → 更新「当前说话人」
+  ├→ 理解语义 → 更新「当前模式」
+  └→ 生成回复 → 含 [DIET_RECORD] 标记（如需）
+       │
+       ▼
+后端解析回复：
+  ├→ 检测到 [DIET_RECORD] → 提取数据 → 存 JSON + Markdown
+  ├→ 检测到推荐请求 → 显示推荐结果到 UI
+  └→ 其他 → 正常对话
+```
+
+### 双模式设计
+
+| 模式 | 判定方式 | 行为 |
+|------|---------|------|
+| 🎯 **任务模式** | 用户提到「记录」「推荐」「分析」「报告」等关键词 | 执行对应业务逻辑 + 标记输出 |
+| 💬 **闲聊模式** | 用户开启日常对话 | 自然陪伴，不做结构化记录 |
+
+> **✅ 已根据你的批注修正：聚焦系统提示词设计 + 模式管理，不穷举情况。**
+
+---
+
+## 四、技术栈一览
+
+| 层级 | 技术 | 用途 |
+|------|------|------|
+| 核心模型 | **MiniCPM-o 4.5**（统一多模态模型） | 全双工推理：视觉+语音+文本+语音输出 |
+| 前端框架 | **Gradio** | Web 界面，实时对话交互 |
+| 声纹识别 | **Whisper-medium encoder embedding**（模型内置） | 说话人身份识别 |
+| 频谱方案 | **NumPy + SoundFile**（备选 fallback） | 声纹识别兜底 |
+| 数据存储 | **JSON + Markdown**（结构化可扩展） | 饮食记录 + 报告存档 |
+| 营养标准 | **中国官方 DRIs / 食物成分表**（你下载后我整理） | 营养分析基准 |
+| 部署平台 | **Modal**（你有黑客松额度，后续配置） | 云端 GPU 部署 |
+
+### 数据存储 Schema 设计（可扩展）
+
+**JSON 格式（diet_logs.json）：**
+```json
+{
+  "schema_version": "1.0",
+  "records": [
+    {
+      "id": "a1b2c3d4",
+      "date": "2026-06-07",
+      "speaker": {"name": "小明", "relation": "丈夫"},
+      "meals": {"早餐": "...", "午餐": "...", "晚餐": "", "加餐": "..."},
+      "mood": "挺好",
+      "notes": "",
+      "extensions": {},
+      "created_at": "2026-06-07T10:30:00"
+    }
+  ]
+}
+```
+
+- `extensions: {}` 保留给未来扩展（如血糖、体重、胎动等）
+- `schema_version` 支持后续数据结构升级
+
+> **✅ 已根据你的批注修正：去掉「全家桶」表述，添加数据 schema 设计说明。**
+
+---
+
+## 五、模块拆分方案（最终版）
+
+```
+PregoPal/
+├── app.py                          # 主入口：启动 Gradio + 加载模型
+├── config.py                       # 路径 / 枚举 / 模型参数 / 系统提示词模板
+├── core/                           # AI 核心层
+│   ├── __init__.py
+│   ├── model_loader.py             # 加载 MiniCPM-o 4.5 模型
+│   ├── voice_processor.py          # Whisper ASR + 声纹 embedding 提取
+│   ├── vision_processor.py         # SigLip2 视觉处理
+│   └── conversation_manager.py     # 对话管理 + 系统提示词构建 + [DIET_RECORD] 解析
+├── modules/                        # 业务逻辑层
+│   ├── __init__.py
+│   ├── voiceprint.py               # 声纹注册/识别（调用 core 或 fallback 频谱方案）
+│   ├── meal_recommender.py         # 菜品推荐（调用 MiniCPM-o 或兜底规则）
+│   ├── diet_logger.py              # 饮食记录 + Markdown 生成（JSON 双写）
+│   └── nutrition_analyzer.py       # 营养分析（基于官方标准）+ matplotlib 可视化
+├── ui/                             # 表现层
+│   ├── __init__.py
+│   └── app_builder.py              # Gradio 界面 + 事件绑定
+├── data/                           # 数据存储
+│   ├── nutrition/
+│   │   └── raw/                    # ← 你下载的营养标准原始文件放这里
+│   ├── voices/                     # 声纹数据
+│   ├── logs/                       # Markdown 饮食日志
+│   └── reports/                    # 导出报告
+├── docs/
+│   ├── 项目理解_技术架构.md         # 本文档
+│   └── 开发日志.md                  # 记录错误、调试经验、模型调用技巧
+├── requirements.txt                # 每次运行成功后根据环境版本锁定
+└── README.md
+```
+
+> **✅ 已确认。**
+
+---
+
+## 六、决策记录（你已回答）
+
+| # | 问题 | 你的决策 |
+|---|------|---------|
+| 1 | 声纹识别方案？ | **Whisper-medium embedding**（优先），频谱相似度（备选） |
+| 2 | 部署方式？ | **Modal**（你有黑客松额度），后续我帮你配置 |
+| 3 | 营养标准谁来整理？ | **你下载文件**到 `data/nutrition/raw/`，我整理成 JSON |
+| 4 | 拆分时机？ | **处理好上述问题后**立即拆分 |
+
+---
+
+## 七、后续行动计划（按顺序）
+
+- [ ] **你做的事：** 下载营养标准文件到 `data/nutrition/raw/`
+- [ ] **我做的事：** 更新开发日志 → 列出需要下载的营养文件清单 → 等文件就绪后执行文件拆分
+- [ ] **然后：** 研究 Whisper-medium embedding 提取方案
+- [ ] **然后：** 配置 Modal 部署
+- [ ] **然后：** 逐步替换规则引擎为 AI 驱动
+
+---
+
+*文档生成时间：2026-06-07 | v3 - 已整合所有批注*

modules/__init__.py

@@ -0,0 +1,5 @@
+"""
+PregoPal - 业务逻辑层
+======================
+包含所有业务模块：声纹识别、菜品推荐、饮食记录、营养分析。
+"""

modules/diet_logger.py

@@ -0,0 +1,165 @@
+"""
+PregoPal - 饮食记录模块
+========================
+记录孕妇的饮食习惯，同时保存为 JSON（结构化）+ Markdown（可读）。
+
+数据流向：
+  MiniCPM-o 回复 (含 [DIET_RECORD] 标记)  →  正则解析  →  JSON + Markdown
+
+当前：手动表单输入
+后续：AI 对话中自动提取 [DIET_RECORD] 标记
+"""
+
+import json
+import datetime
+import hashlib
+import re
+from pathlib import Path
+from config import DIET_LOG_FILE, LOGS_DIR, DIET_LOG_SCHEMA_VERSION
+
+
+class DietLogger:
+    """记录孕妇的饮食习惯并保存为 Markdown"""
+
+    def __init__(self):
+        self.log_file = DIET_LOG_FILE
+        self.logs = self._load_logs()
+
+    def _load_logs(self):
+        """加载饮食记录"""
+        if self.log_file.exists():
+            with open(self.log_file, 'r', encoding='utf-8') as f:
+                return json.load(f)
+        return {"schema_version": DIET_LOG_SCHEMA_VERSION, "records": []}
+
+    def _save_logs(self):
+        """保存饮食记录"""
+        with open(self.log_file, 'w', encoding='utf-8') as f:
+            json.dump(self.logs, f, ensure_ascii=False, indent=2)
+
+    def add_record(self, member_name: str, member_relation: str, date: str,
+                   meals: dict, mood: str = "", notes: str = ""):
+        """添加一条饮食记录"""
+        record = {
+            "id": hashlib.md5(f"{date}_{member_name}_{datetime.datetime.now()}".encode()).hexdigest()[:8],
+            "member_name": member_name,
+            "member_relation": member_relation,
+            "date": date,
+            "meals": meals,
+            "mood": mood,
+            "notes": notes,
+            "extensions": {},  # 预留扩展字段
+            "created_at": datetime.datetime.now().isoformat()
+        }
+        self.logs["records"].append(record)
+        self._save_logs()
+
+        # 同时生成 Markdown 文件
+        md_path = self._generate_markdown(record)
+        return record, md_path
+
+    def _generate_markdown(self, record: dict) -> Path:
+        """生成 Markdown 格式的饮食日志"""
+        date_str = record["date"]
+        md_filename = LOGS_DIR / f"饮食日志_{date_str}.md"
+
+        content = f"""# 🥗 孕期饮食日志
+
+## 📋 基本信息
+- **日期**: {date_str}
+- **记录人**: {record['member_relation']} - {record['member_name']}
+- **记录时间**: {record['created_at'][:19]}
+
+## 🍽️ 今日饮食记录
+
+"""
+        for meal_time, food in record["meals"].items():
+            content += f"### {meal_time}\n- {food}\n\n"
+
+        if record["mood"]:
+            content += f"## 😊 今日心情\n{record['mood']}\n\n"
+
+        if record["notes"]:
+            content += f"## 📝 备注\n{record['notes']}\n\n"
+
+        content += """---
+*由 PregoPal 自动生成*
+"""
+
+        with open(md_filename, 'w', encoding='utf-8') as f:
+            f.write(content)
+
+        return md_filename
+
+    def get_recent_records(self, days: int = 7) -> list:
+        """获取最近几天的记录"""
+        today = datetime.date.today()
+        cutoff = today - datetime.timedelta(days=days)
+        recent = []
+        for r in self.logs["records"]:
+            try:
+                record_date = datetime.date.fromisoformat(r["date"])
+                if record_date >= cutoff:
+                    recent.append(r)
+            except ValueError:
+                continue
+        return sorted(recent, key=lambda x: x["date"], reverse=True)
+
+    def get_all_markdown_files(self) -> list:
+        """获取所有 Markdown 日志文件"""
+        return sorted(LOGS_DIR.glob("*.md"), reverse=True)
+
+    # ============================================================
+    # [DIET_RECORD] 标记解析（后续 AI 版本使用）
+    # ============================================================
+    @staticmethod
+    def parse_diet_record(text: str) -> dict | None:
+        """
+        从 AI 回复中解析 [DIET_RECORD] 标记
+
+        Args:
+            text: AI 模型的回复文本
+
+        Returns:
+            解析出的饮食记录字典，或 None（未找到标记）
+
+        示例输入：
+            [DIET_RECORD]
+            日期: 2026-06-07
+            早餐: 全麦面包+鸡蛋+牛奶
+            午餐: 清蒸鱼+糙米饭+炒时蔬
+            晚餐:
+            加餐: 酸奶+坚果
+            心情: 挺好
+            备注:
+            [/DIET_RECORD]
+        """
+        pattern = r'\[DIET_RECORD\](.*?)\[/DIET_RECORD\]'
+        match = re.search(pattern, text, re.DOTALL)
+        if not match:
+            return None
+
+        content = match.group(1).strip()
+        record = {"meals": {}, "mood": "", "notes": ""}
+
+        for line in content.split('\n'):
+            line = line.strip()
+            if not line:
+                continue
+
+            if ':' in line:
+                key, value = line.split(':', 1)
+                key = key.strip()
+                value = value.strip()
+
+                if key == '日期':
+                    record['date'] = value
+                elif key == '心情':
+                    record['mood'] = value
+                elif key == '备注':
+                    record['notes'] = value
+                elif key in ['早餐', '午餐', '晚餐', '加餐']:
+                    if value:  # 只记录非空值
+                        record['meals'][key] = value
+
+        return record if record['meals'] else None

modules/meal_recommender.py

@@ -0,0 +1,89 @@
+"""
+PregoPal - 菜品推荐模块
+========================
+根据孕妇需求推荐今日菜品。
+
+当前：规则模板随机推荐（轻量 baseline）
+后续：MiniCPM-o 4.5 AI 对话推荐
+"""
+
+import datetime
+import random
+from config import MEAL_TEMPLATES, TRIMESTER_ADJUSTMENTS, TRIMESTER_TIPS
+
+
+class MealRecommender:
+    """根据孕妇需求推荐今日菜品"""
+
+    def __init__(self):
+        self.templates = MEAL_TEMPLATES
+
+    def get_recommendation(self, preference: str = "", trimester: str = "孕中期", restrictions: str = ""):
+        """
+        根据孕妇偏好和孕期阶段推荐菜品
+
+        Args:
+            preference: 孕妇的口味偏好或要求
+            trimester: 孕期阶段（孕早期/孕中期/孕晚期）
+            restrictions: 饮食禁忌
+        """
+        # 根据孕期阶段调整推荐
+        adj = TRIMESTER_ADJUSTMENTS.get(trimester, TRIMESTER_ADJUSTMENTS["孕中期"])
+
+        # 根据偏好选择菜品
+        breakfast = random.choice(self.templates["早餐"])
+        lunch = random.choice(self.templates["午餐"])
+        dinner = random.choice(self.templates["晚餐"])
+        snack = random.choice(self.templates["加餐"])
+
+        # 如果有偏好，尝试匹配
+        if preference:
+            all_foods = []
+            for meal_list in self.templates.values():
+                all_foods.extend(meal_list)
+            matched = [f for f in all_foods if any(kw in f for kw in preference.split())]
+            if matched:
+                pass  # 简化处理，后续 AI 版本会真正理解偏好
+
+        result = {
+            "date": datetime.date.today().isoformat(),
+            "trimester": trimester,
+            "preference": preference,
+            "focus": adj["focus"],
+            "meals": {
+                "早餐": breakfast,
+                "午餐": lunch,
+                "晚餐": dinner,
+                "加餐": snack
+            },
+            "tips": self._generate_tips(trimester, preference)
+        }
+
+        return result
+
+    def _generate_tips(self, trimester, preference):
+        """生成饮食建议"""
+        tips = []
+        trimester_tips = TRIMESTER_TIPS
+        tips.append(trimester_tips.get(trimester, ""))
+        tips.append("💡 建议每天饮水1.5-2L，适量运动如散步30分钟。")
+        tips.append("💡 保持心情愉快，避免过度焦虑。")
+        return tips
+
+    def format_meal_plan(self, recommendation: dict) -> str:
+        """将推荐结果格式化为可读文本"""
+        lines = [
+            f"📅 {recommendation['date']} 孕期食谱推荐",
+            f"🤰 阶段: {recommendation['trimester']}",
+            f"🎯 重点: {recommendation['focus']}",
+            "",
+            "🍳 今日食谱：",
+        ]
+        for meal_time, food in recommendation["meals"].items():
+            lines.append(f"  {meal_time}: {food}")
+
+        lines.append("")
+        for tip in recommendation["tips"]:
+            lines.append(tip)
+
+        return "\n".join(lines)

modules/nutrition_analyzer.py

@@ -0,0 +1,305 @@
+"""
+PregoPal - 营养分析与报告模块
+==============================
+分析饮食数据，基于中国官方营养标准输出可视化报告。
+
+当前：基于内置 DEFAULT_NUTRITION_DB（通用知识估算）
+后续：替换为中国官方标准（DRIs 2023 / 中国食物成分表）
+"""
+
+import json
+import datetime
+import numpy as np
+import matplotlib
+matplotlib.use('Agg')
+import matplotlib.pyplot as plt
+from pathlib import Path
+from config import NUTRITION_DB_FILE, DEFAULT_NUTRITION_DB, REPORTS_DIR
+
+
+class NutritionAnalyzer:
+    """分析饮食数据，输出可视化营养报告"""
+
+    def __init__(self):
+        self.nutrition_db = self._load_nutrition_db()
+
+    def _load_nutrition_db(self):
+        """加载营养数据库"""
+        if NUTRITION_DB_FILE.exists():
+            with open(NUTRITION_DB_FILE, 'r', encoding='utf-8') as f:
+                return json.load(f)
+        # 使用默认数据库并保存
+        self._save_nutrition_db(DEFAULT_NUTRITION_DB)
+        return DEFAULT_NUTRITION_DB
+
+    def _save_nutrition_db(self, db):
+        with open(NUTRITION_DB_FILE, 'w', encoding='utf-8') as f:
+            json.dump(db, f, ensure_ascii=False, indent=2)
+
+    def analyze_diet(self, records: list) -> dict:
+        """
+        分析一段时间内的饮食记录
+
+        Args:
+            records: 饮食记录列表
+        Returns:
+            分析结果字典
+        """
+        if not records:
+            return {"error": "暂无饮食记录", "score": 0}
+
+        # 统计各餐次频率
+        meal_counts = {"早餐": 0, "午餐": 0, "晚餐": 0, "加餐": 0}
+        food_items = []
+        total_days = len(set(r["date"] for r in records))
+
+        for r in records:
+            for meal_time, food in r.get("meals", {}).items():
+                if meal_time in meal_counts:
+                    meal_counts[meal_time] += 1
+                # 提取食物关键词
+                food_items.extend(self._extract_foods(food))
+
+        # 计算营养覆盖情况
+        nutrition_coverage = self._calculate_nutrition_coverage(food_items)
+
+        # 计算饮食多样性评分
+        diversity_score = self._calculate_diversity_score(meal_counts, total_days)
+
+        # 生成建议
+        suggestions = self._generate_suggestions(nutrition_coverage, diversity_score)
+
+        return {
+            "total_days": total_days,
+            "total_records": len(records),
+            "meal_counts": meal_counts,
+            "food_items": list(set(food_items)),
+            "nutrition_coverage": nutrition_coverage,
+            "diversity_score": diversity_score,
+            "suggestions": suggestions
+        }
+
+    def _extract_foods(self, food_str: str) -> list:
+        """从餐食描述中提取食物名称"""
+        # 简单分词提取
+        separators = ['+', '、', '，', ',', '/', ' ']
+        foods = [food_str]
+        for sep in separators:
+            expanded = []
+            for f in foods:
+                expanded.extend(f.split(sep))
+            foods = expanded
+        return [f.strip() for f in foods if f.strip()]
+
+    def _calculate_nutrition_coverage(self, food_items: list) -> dict:
+        """计算营养覆盖情况"""
+        coverage = {}
+        food_text = " ".join(food_items)
+
+        for nutrient, info in self.nutrition_db.items():
+            # 检查食物列表中是否包含推荐食物
+            matched_foods = [f for f in info["foods"] if f in food_text]
+            coverage[nutrient] = {
+                "matched_foods": matched_foods,
+                "covered": len(matched_foods) > 0,
+                "recommended_foods": info["foods"],
+                "benefit": info["benefit"],
+                "daily_recommend": info.get("daily_recommend_mg") or info.get("daily_recommend_g") or info.get("daily_recommend_mcg", ""),
+                "unit": "mg" if "daily_recommend_mg" in info else ("g" if "daily_recommend_g" in info else "mcg")
+            }
+
+        return coverage
+
+    def _calculate_diversity_score(self, meal_counts: dict, total_days: int) -> dict:
+        """计算饮食多样性评分"""
+        if total_days == 0:
+            return {"score": 0, "details": "暂无数据"}
+
+        max_possible = total_days * len(meal_counts)
+        actual = sum(meal_counts.values())
+        score = min(100, int((actual / max_possible) * 100))
+
+        details = []
+        for meal, count in meal_counts.items():
+            rate = count / total_days if total_days > 0 else 0
+            status = "✅" if rate >= 0.7 else ("⚠️" if rate >= 0.4 else "❌")
+            details.append(f"{status} {meal}: {count}/{total_days}天 ({rate:.0%})")
+
+        return {"score": score, "details": details}
+
+    def _generate_suggestions(self, nutrition_coverage: dict, diversity: dict) -> list:
+        """生成营养建议"""
+        suggestions = []
+
+        # 检查未覆盖的营养素
+        missing = [n for n, info in nutrition_coverage.items() if not info["covered"]]
+        if missing:
+            suggestions.append(f"⚠️ 以下营养素摄入不足: {', '.join(missing[:5])}")
+            for n in missing[:3]:
+                info = nutrition_coverage[n]
+                suggestions.append(f"  💡 建议补充 {n}（{info['benefit']}）：可多吃 {', '.join(info['recommended_foods'][:3])}")
+
+        if diversity["score"] < 60:
+            suggestions.append("⚠️ 饮食多样性不足，建议增加食物种类")
+        elif diversity["score"] >= 80:
+            suggestions.append("✅ 饮食多样性良好，继续保持！")
+
+        suggestions.append("💪 建议每天摄入12种以上食物，每周25种以上")
+        suggestions.append("🥤 保证每天1.5-2L饮水")
+
+        return suggestions
+
+    def generate_report_chart(self, analysis: dict) -> plt.Figure:
+        """生成营养报告图表"""
+        if "error" in analysis:
+            fig, ax = plt.subplots(figsize=(8, 4))
+            ax.text(0.5, 0.5, analysis["error"], ha='center', va='center', fontsize=14)
+            return fig
+
+        fig = plt.figure(figsize=(14, 10))
+
+        # 1. 营养覆盖雷达图
+        ax1 = fig.add_subplot(2, 2, 1, polar=True)
+        nutrients = list(analysis["nutrition_coverage"].keys())[:8]
+        coverage_values = [1 if analysis["nutrition_coverage"][n]["covered"] else 0 for n in nutrients]
+
+        angles = np.linspace(0, 2 * np.pi, len(nutrients), endpoint=False).tolist()
+        coverage_values += coverage_values[:1]
+        angles += angles[:1]
+
+        ax1.plot(angles, coverage_values, 'o-', linewidth=2, color='#FF6B9D')
+        ax1.fill(angles, coverage_values, alpha=0.25, color='#FF6B9D')
+        ax1.set_xticks(angles[:-1])
+        ax1.set_xticklabels(nutrients, fontsize=9)
+        ax1.set_ylim(0, 1.2)
+        ax1.set_title('🥗 营养覆盖雷达图', pad=20, fontsize=13, fontweight='bold')
+
+        # 2. 各餐次频率柱状图
+        ax2 = fig.add_subplot(2, 2, 2)
+        meals = list(analysis["meal_counts"].keys())
+        counts = list(analysis["meal_counts"].values())
+        colors = ['#FF9AA2', '#FFB7B2', '#FFDAC1', '#E2F0CB']
+        bars = ax2.bar(meals, counts, color=colors, edgecolor='white', linewidth=1.5)
+        ax2.set_title('🍽️ 各餐次记录频率', fontsize=13, fontweight='bold')
+        ax2.set_ylabel('记录次数')
+        for bar, count in zip(bars, counts):
+            ax2.text(bar.get_x() + bar.get_width() / 2, bar.get_height() + 0.1,
+                     str(count), ha='center', va='bottom', fontsize=11)
+
+        # 3. 饮食多样性评分仪表盘
+        ax3 = fig.add_subplot(2, 2, 3)
+        score = analysis["diversity_score"]["score"]
+        ax3.pie([score, 100 - score], startangle=90,
+                colors=['#FF6B9D', '#F0F0F0'],
+                wedgeprops={'width': 0.3, 'edgecolor': 'white'})
+        ax3.text(0, 0, f'{score}', ha='center', va='center', fontsize=28, fontweight='bold')
+        ax3.text(0, -0.15, '多样性评分', ha='center', va='center', fontsize=10, color='gray')
+        ax3.set_title('📊 饮食多样性评分', fontsize=13, fontweight='bold')
+
+        # 4. 建议文本
+        ax4 = fig.add_subplot(2, 2, 4)
+        ax4.axis('off')
+        suggestions = analysis.get("suggestions", [])
+        if suggestions:
+            text = "📋 营养建议\n" + "\n".join(f"• {s}" for s in suggestions[:6])
+        else:
+            text = "✅ 营养状况良好！"
+        ax4.text(0.05, 0.95, text, transform=ax4.transAxes,
+                 fontsize=10, verticalalignment='top',
+                 fontfamily='sans-serif',
+                 bbox=dict(boxstyle='round,pad=0.5', facecolor='#FFF5F5', edgecolor='#FF6B9D'))
+
+        plt.tight_layout()
+        return fig
+
+    def generate_report_text(self, analysis: dict) -> str:
+        """生成文本格式的营养报告"""
+        if "error" in analysis:
+            return f"⚠️ {analysis['error']}"
+
+        lines = [
+            "=" * 50,
+            "📋 孕期营养分析报告",
+            "=" * 50,
+            f"📅 分析周期: {analysis['total_days']} 天",
+            f"📝 记录总数: {analysis['total_records']} 条",
+            "",
+            "📊 饮食多样性评分: {}/100".format(analysis['diversity_score']['score']),
+        ]
+
+        lines.append("")
+        lines.append("📈 各餐次记录情况:")
+        for detail in analysis['diversity_score']['details']:
+            lines.append(f"  {detail}")
+
+        lines.append("")
+        lines.append("🥗 营养覆盖情况:")
+        for nutrient, info in analysis['nutrition_coverage'].items():
+            status = "✅" if info['covered'] else "❌"
+            matched = ", ".join(info['matched_foods']) if info['matched_foods'] else "无"
+            lines.append(f"  {status} {nutrient}: 匹配食物 [{matched}]")
+            lines.append(f"     💡 {info['benefit']}")
+
+        lines.append("")
+        lines.append("💡 改善建议:")
+        for s in analysis.get("suggestions", []):
+            lines.append(f"  {s}")
+
+        lines.append("")
+        lines.append("=" * 50)
+        lines.append("由 PregoPal 自动生成")
+
+        return "\n".join(lines)
+
+    def export_report_markdown(self, analysis: dict, filename: str = None) -> Path:
+        """导出营养报告为 Markdown 文件"""
+        if filename is None:
+            filename = f"营养报告_{datetime.date.today().isoformat()}.md"
+
+        md_path = REPORTS_DIR / filename
+
+        content = f"""# 📋 孕期营养分析报告
+
+## 📅 基本信息
+- **分析周期**: {analysis.get('total_days', 0)} 天
+- **记录总数**: {analysis.get('total_records', 0)} 条
+- **生成时间**: {datetime.datetime.now().strftime('%Y-%m-%d %H:%M')}
+
+## 📊 饮食多样性评分
+**评分: {analysis.get('diversity_score', {}).get('score', 0)}/100**
+
+| 餐次 | 记录天数 | 覆盖率 |
+|------|---------|--------|
+"""
+        for detail in analysis.get('diversity_score', {}).get('details', []):
+            parts = detail.split(': ', 1)
+            if len(parts) == 2:
+                content += f"| {parts[0]} | {parts[1]} |\n"
+
+        content += """
+## 🥗 营养覆盖分析
+
+| 营养素 | 状态 | 匹配食物 | 功效 |
+|--------|------|---------|------|
+"""
+        for nutrient, info in analysis.get('nutrition_coverage', {}).items():
+            status = "✅" if info['covered'] else "❌"
+            matched = ", ".join(info['matched_foods']) if info['matched_foods'] else "-"
+            content += f"| {nutrient} | {status} | {matched} | {info['benefit']} |\n"
+
+        content += """
+## 💡 改善建议
+
+"""
+        for s in analysis.get('suggestions', []):
+            content += f"- {s}\n"
+
+        content += """
+---
+*由 PregoPal 自动生成 | 仅供参考，不构成医疗建议*
+"""
+
+        with open(md_path, 'w', encoding='utf-8') as f:
+            f.write(content)
+
+        return md_path

modules/voiceprint.py

@@ -0,0 +1,158 @@
+"""
+PregoPal - 声纹识别模块
+========================
+家庭成员声纹注册、识别、管理。
+
+当前方案：频谱特征相似度（轻量 baseline）
+后续升级：Whisper-medium encoder embedding（MiniCPM-o 内置）
+"""
+
+import json
+import numpy as np
+import datetime
+import hashlib
+from pathlib import Path
+from config import VOICE_DIR, FAMILY_FILE, VOICEPRINT_SIMILARITY_THRESHOLD
+
+
+class VoiceprintManager:
+    """声纹识别与家庭成员管理"""
+
+    def __init__(self):
+        self.family_file = FAMILY_FILE
+        self.family_data = self._load_family()
+
+    def _load_family(self):
+        """加载家庭成员数据"""
+        if self.family_file.exists():
+            with open(self.family_file, 'r', encoding='utf-8') as f:
+                return json.load(f)
+        return {"members": [], "voiceprints": {}}
+
+    def _save_family(self):
+        """保存家庭成员数据"""
+        with open(self.family_file, 'w', encoding='utf-8') as f:
+            json.dump(self.family_data, f, ensure_ascii=False, indent=2)
+
+    def register_member(self, name: str, relation: str, audio_path_input):
+        """注册家庭成员声纹"""
+        if audio_path_input is None:
+            return None, "请先录制或上传语音"
+
+        # 生成声纹ID
+        member_id = hashlib.md5(f"{name}_{datetime.datetime.now()}".encode()).hexdigest()[:8]
+
+        # 保存音频文件到数据目录
+        audio_path = VOICE_DIR / f"{member_id}.wav"
+        try:
+            import shutil
+            shutil.copy2(audio_path_input, audio_path)
+        except Exception as e:
+            return None, f"保存音频失败: {str(e)}"
+
+        # 提取简单的声纹特征（使用音频的频谱特征作为简化方案）
+        features = self._extract_features_from_file(audio_path)
+
+        # 保存成员信息
+        member_info = {
+            "id": member_id,
+            "name": name,
+            "relation": relation,
+            "registered_at": datetime.datetime.now().isoformat(),
+            "audio_path": str(audio_path),
+            "features": features
+        }
+
+        self.family_data["members"].append(member_info)
+        self.family_data["voiceprints"][member_id] = features
+        self._save_family()
+
+        return member_info, f"✅ 成功注册 {relation} - {name}！"
+
+    def _extract_features_from_file(self, audio_path):
+        """
+        从音频文件提取声纹特征
+        当前：频谱统计特征（轻量 baseline）
+        后续：Whisper-medium encoder embedding（更鲁棒）
+        """
+        try:
+            import soundfile as sf
+            data, samplerate = sf.read(audio_path)
+            if len(data.shape) > 1:
+                data = data.mean(axis=1)
+
+            # 提取简单特征：MFCC-like 统计量
+            features = {
+                "mean": float(np.mean(data)),
+                "std": float(np.std(data)),
+                "max": float(np.max(data)),
+                "min": float(np.min(data)),
+                "zero_crossing_rate": float(np.sum(np.abs(np.diff(np.sign(data)))) / len(data)),
+                "energy": float(np.sum(data ** 2) / len(data)),
+                "duration": float(len(data) / samplerate)
+            }
+            return features
+        except Exception:
+            # 如果无法解析音频，返回占位特征
+            return {
+                "mean": 0.0, "std": 0.0, "max": 0.0, "min": 0.0,
+                "zero_crossing_rate": 0.0, "energy": 0.0, "duration": 0.0
+            }
+
+    def identify_speaker(self, audio_path_input):
+        """识别说话人身份"""
+        if audio_path_input is None:
+            return None, "请先录制或上传语音"
+
+        if not self.family_data["members"]:
+            return None, "⚠️ 尚未注册任何家庭成员，请先注册"
+
+        features = self._extract_features_from_file(audio_path_input)
+
+        # 计算与每个注册成员的相似度
+        best_match = None
+        best_score = -1
+
+        for member in self.family_data["members"]:
+            stored = member["features"]
+            score = self._compute_similarity(features, stored)
+            if score > best_score:
+                best_score = score
+                best_match = member
+
+        # 相似度阈值判断
+        threshold = VOICEPRINT_SIMILARITY_THRESHOLD
+        if best_score >= threshold:
+            return best_match, f"🔊 识别结果: {best_match['relation']} - {best_match['name']} (置信度: {best_score:.2f})"
+        else:
+            return None, f"🔊 未能识别说话人 (最高匹配: {best_score:.2f}，需≥{threshold})"
+
+    def _compute_similarity(self, f1, f2):
+        """计算两个声纹特征的余弦相似度"""
+        keys = ["mean", "std", "max", "min", "zero_crossing_rate", "energy"]
+        v1 = np.array([f1.get(k, 0) for k in keys])
+        v2 = np.array([f2.get(k, 0) for k in keys])
+
+        # 归一化
+        norm1 = np.linalg.norm(v1)
+        norm2 = np.linalg.norm(v2)
+        if norm1 == 0 or norm2 == 0:
+            return 0
+
+        return float(np.dot(v1, v2) / (norm1 * norm2))
+
+    def get_members_list(self):
+        """获取家庭成员列表"""
+        if not self.family_data["members"]:
+            return "📋 暂无注册成员"
+        lines = ["📋 已注册家庭成员："]
+        for m in self.family_data["members"]:
+            lines.append(f"  • {m['relation']} - {m['name']} (注册于 {m['registered_at'][:10]})")
+        return "\n".join(lines)
+
+    def delete_member(self, member_id: str):
+        """删除家庭成员"""
+        self.family_data["members"] = [m for m in self.family_data["members"] if m["id"] != member_id]
+        self.family_data["voiceprints"].pop(member_id, None)
+        self._save_family()
+        return f"已删除成员 {member_id}"

requirements.txt

@@ -0,0 +1,9 @@
+# PregoPal - 依赖清单
+# 安装: pip install -r requirements.txt
+
+gradio>=6.0.0
+numpy>=1.24.0
+matplotlib>=3.7.0
+pandas>=2.0.0
+soundfile>=0.12.0
+pillow>=10.0.0

ui/__init__.py

@@ -0,0 +1,5 @@
+"""
+PregoPal - 表现层
+==================
+Gradio 界面构建与事件绑定。
+"""

ui/app_builder.py

@@ -0,0 +1,274 @@
+"""
+PregoPal - Gradio 界面构建
+============================
+所有 UI 组件和事件绑定集中在此文件。
+"""
+
+import datetime
+import gradio as gr
+
+from modules.voiceprint import VoiceprintManager
+from modules.meal_recommender import MealRecommender
+from modules.diet_logger import DietLogger
+from modules.nutrition_analyzer import NutritionAnalyzer
+
+# ============================================================
+# 全局实例（单例）
+# ============================================================
+voiceprint_mgr = VoiceprintManager()
+meal_recommender = MealRecommender()
+diet_logger = DietLogger()
+nutrition_analyzer = NutritionAnalyzer()
+
+
+def create_app():
+    """创建主应用"""
+
+    with gr.Blocks(title="PregoPal - 孕期陪护AI助手") as demo:
+
+        # ==================== 顶部导航 ====================
+        gr.Markdown(
+            """
+            # 🌸 PregoPal - 孕期陪护AI助手
+            ### 一个温馨的家庭式孕期AI伴侣
+            """
+        )
+
+        # ==================== Tab 1: 声纹识别 ====================
+        with gr.Tab("🔊 声纹识别"):
+            gr.Markdown("### 识别家庭成员，记录谁在说话")
+
+            with gr.Row():
+                with gr.Column(scale=1):
+                    gr.Markdown("#### 🆕 注册新成员")
+                    member_name = gr.Textbox(label="姓名", placeholder="例如：小明")
+                    member_relation = gr.Dropdown(
+                        label="身份",
+                        choices=["孕妇", "丈夫", "婆婆", "妈妈", "爸爸", "其他家人"],
+                        value="孕妇"
+                    )
+                    audio_register = gr.Audio(label="录制语音", type="filepath")
+                    register_btn = gr.Button("📝 注册声纹", variant="primary")
+                    register_result = gr.Textbox(label="注册结果", interactive=False)
+
+                with gr.Column(scale=1):
+                    gr.Markdown("#### 🔍 识别说话人")
+                    audio_identify = gr.Audio(label="录制语音进行识别", type="filepath")
+                    identify_btn = gr.Button("🔊 识别身份", variant="primary")
+                    identify_result = gr.Textbox(label="识别结果", interactive=False)
+
+            with gr.Row():
+                with gr.Column():
+                    gr.Markdown("#### 📋 家庭成员列表")
+                    refresh_members_btn = gr.Button("🔄 刷新列表")
+                    members_display = gr.Textbox(label="已注册成员", interactive=False)
+
+            # 事件绑定
+            register_btn.click(
+                fn=lambda name, rel, audio: voiceprint_mgr.register_member(name, rel, audio),
+                inputs=[member_name, member_relation, audio_register],
+                outputs=[gr.State(), register_result]
+            ).then(
+                fn=lambda: voiceprint_mgr.get_members_list(),
+                outputs=members_display
+            )
+
+            identify_btn.click(
+                fn=lambda audio: voiceprint_mgr.identify_speaker(audio),
+                inputs=[audio_identify],
+                outputs=[gr.State(), identify_result]
+            )
+
+            refresh_members_btn.click(
+                fn=lambda: voiceprint_mgr.get_members_list(),
+                outputs=members_display
+            )
+
+        # ==================== Tab 2: 今日菜品推荐 ====================
+        with gr.Tab("🍳 今日菜品推荐"):
+            gr.Markdown("### 根据孕妇的需求推荐今日菜品")
+
+            with gr.Row():
+                with gr.Column():
+                    trimester = gr.Radio(
+                        label="孕期阶段",
+                        choices=["孕早期", "孕中期", "孕晚期"],
+                        value="孕中期"
+                    )
+                    preference = gr.Textbox(
+                        label="今天想吃什么？",
+                        placeholder="例如：想吃清淡的、想吃鱼、不想吃油腻的...",
+                        lines=2
+                    )
+                    restrictions = gr.Textbox(
+                        label="饮食禁忌（可选）",
+                        placeholder="例如：不能吃海鲜、不能吃辣...",
+                        lines=1
+                    )
+                    recommend_btn = gr.Button("🎯 生成今日推荐", variant="primary", size="lg")
+
+                with gr.Column():
+                    meal_result = gr.Textbox(label="📋 今日食谱推荐", lines=15)
+
+            # 事件绑定
+            recommend_btn.click(
+                fn=lambda tri, pref, rest: meal_recommender.format_meal_plan(
+                    meal_recommender.get_recommendation(pref, tri, rest)
+                ),
+                inputs=[trimester, preference, restrictions],
+                outputs=meal_result
+            )
+
+        # ==================== Tab 3: 饮食记�� ====================
+        with gr.Tab("📝 饮食记录"):
+            gr.Markdown("### 记录孕妇的每日饮食，自动保存为Markdown日志")
+
+            with gr.Row():
+                with gr.Column():
+                    gr.Markdown("#### 🍽️ 记录今日饮食")
+                    log_date = gr.Textbox(label="日期", value=datetime.date.today().isoformat())
+                    log_member_name = gr.Textbox(label="记录人姓名", placeholder="例如：小明")
+                    log_member_relation = gr.Dropdown(
+                        label="记录人身份",
+                        choices=["孕妇", "丈夫", "婆婆", "妈妈", "爸爸", "其他家人"],
+                        value="孕妇"
+                    )
+                    log_breakfast = gr.Textbox(label="早餐", placeholder="吃了什么？")
+                    log_lunch = gr.Textbox(label="午餐", placeholder="吃了什么？")
+                    log_dinner = gr.Textbox(label="晚餐", placeholder="吃了什么？")
+                    log_snack = gr.Textbox(label="加餐", placeholder="吃了什么？")
+                    log_mood = gr.Textbox(label="今日心情", placeholder="今天感觉怎么样？")
+                    log_notes = gr.Textbox(label="备注", placeholder="其他想记录的内容...", lines=2)
+                    save_log_btn = gr.Button("💾 保存饮食记录", variant="primary", size="lg")
+
+                with gr.Column():
+                    gr.Markdown("#### 📂 已保存的日志")
+                    refresh_logs_btn = gr.Button("🔄 刷新日志列表")
+                    log_result = gr.Textbox(label="保存结果", interactive=False)
+                    log_files_display = gr.Textbox(label="Markdown日志文件", interactive=False, lines=10)
+
+            # 事件绑定
+            def save_diet_log(name, relation, date, breakfast, lunch, dinner, snack, mood, notes):
+                meals = {}
+                if breakfast: meals["早餐"] = breakfast
+                if lunch: meals["午餐"] = lunch
+                if dinner: meals["晚餐"] = dinner
+                if snack: meals["加餐"] = snack
+
+                if not meals:
+                    return "⚠️ 请至少填写一餐的内容"
+
+                record, md_path = diet_logger.add_record(name, relation, date, meals, mood, notes)
+                return f"✅ 记录已保存！\n📄 Markdown文件: {md_path.name}"
+
+            def list_log_files():
+                files = diet_logger.get_all_markdown_files()
+                if not files:
+                    return "暂无日志文件"
+                return "\n".join(f"📄 {f.name}" for f in files[:20])
+
+            save_log_btn.click(
+                fn=save_diet_log,
+                inputs=[log_member_name, log_member_relation, log_date,
+                        log_breakfast, log_lunch, log_dinner, log_snack,
+                        log_mood, log_notes],
+                outputs=log_result
+            ).then(
+                fn=list_log_files,
+                outputs=log_files_display
+            )
+
+            refresh_logs_btn.click(
+                fn=list_log_files,
+                outputs=log_files_display
+            )
+
+        # ==================== Tab 4: 营养报告 ====================
+        with gr.Tab("📊 营养报告"):
+            gr.Markdown("### 分析饮食习惯，生成可视化营养报告")
+
+            with gr.Row():
+                with gr.Column():
+                    gr.Markdown("#### ⚙️ 分析设置")
+                    analysis_days = gr.Slider(
+                        label="分析天数",
+                        minimum=1, maximum=30, value=7, step=1
+                    )
+                    generate_btn = gr.Button("📊 生成营养报告", variant="primary", size="lg")
+
+                with gr.Column():
+                    gr.Markdown("#### 📋 报告预览")
+                    report_text = gr.Textbox(label="文本报告", lines=15, interactive=False)
+
+            with gr.Row():
+                with gr.Column():
+                    report_plot = gr.Plot(label="可视化报告图表")
+
+            with gr.Row():
+                with gr.Column():
+                    export_md_btn = gr.Button("📥 导出Markdown报告")
+                    export_result = gr.Textbox(label="导出结果", interactive=False)
+
+            # 事件绑定
+            def generate_report(days):
+                records = diet_logger.get_recent_records(days=int(days))
+                analysis = nutrition_analyzer.analyze_diet(records)
+                text_report = nutrition_analyzer.generate_report_text(analysis)
+                chart = nutrition_analyzer.generate_report_chart(analysis)
+                return text_report, chart
+
+            def export_report(days):
+                records = diet_logger.get_recent_records(days=int(days))
+                analysis = nutrition_analyzer.analyze_diet(records)
+                md_path = nutrition_analyzer.export_report_markdown(analysis)
+                return f"✅ 报告已导出: {md_path.name}"
+
+            generate_btn.click(
+                fn=generate_report,
+                inputs=[analysis_days],
+                outputs=[report_text, report_plot]
+            )
+
+            export_md_btn.click(
+                fn=export_report,
+                inputs=[analysis_days],
+                outputs=export_result
+            )
+
+        # ==================== Tab 5: 关于 ====================
+        with gr.Tab("💝 关于"):
+            gr.Markdown(
+                """
+                ## 🌸 PregoPal - 孕期陪护AI助手
+
+                ### 功能介绍
+
+                | 功能 | 说明 |
+                |------|------|
+                | 🔊 **声纹识别** | 识别家庭成员身份，自动区分谁在说话 |
+                | 🍳 **菜品推荐** | 根据孕期阶段和口味偏好推荐今日食谱 |
+                | 📝 **饮食记录** | 记录每日饮食，自动保存为Markdown日志 |
+                | 📊 **营养报告** | 分析饮食数据，生成可视化营养报告 |
+
+                ### 技术栈
+
+                - **前端框架**: Gradio
+                - **数据分析**: NumPy, Pandas, Matplotlib
+                - **音频处理**: SoundFile, Librosa
+                - **数据存储**: JSON + Markdown
+
+                ### 团队
+
+                - 项目参与: build-small-hackathon
+                - 开源协议: MIT
+
+                ### ⚠️ 免责声明
+
+                本应用仅供参考，不构成医疗建议。如有特殊饮食需求或健康问题，请咨询专业医生或营养师。
+
+                ---
+                *用AI温暖每一个孕期家庭 ❤️*
+                """
+            )
+
+    return demo

utils.py

@@ -0,0 +1,28 @@
+"""
+PregoPal - 工具函数
+====================
+通用工具函数，如字体设置等。
+"""
+
+import matplotlib
+matplotlib.use('Agg')
+import matplotlib.pyplot as plt
+import matplotlib.font_manager as fm
+
+
+def setup_chinese_font():
+    """尝试设置中文字体，返回使用的字体名称"""
+    font_candidates = [
+        'Microsoft YaHei', 'SimHei', 'WenQuanYi Micro Hei',
+        'Noto Sans CJK SC', 'Noto Sans SC', 'Source Han Sans SC',
+        'PingFang SC', 'Hiragino Sans GB', 'STHeiti'
+    ]
+    available = [f.name for f in fm.fontManager.ttflist]
+    for font in font_candidates:
+        if font in available:
+            plt.rcParams['font.sans-serif'] = [font]
+            plt.rcParams['axes.unicode_minus'] = False
+            return font
+    # fallback
+    plt.rcParams['font.sans-serif'] = ['DejaVu Sans']
+    return None