背景
很多个人健康管理工具功能很全，但也因此显得复杂。对于日常使用来说，真正需要的往往不是一套专业营养系统，而是一个能快速记录、方便回看、能给出一点提醒的小工具。
这个项目的出发点很朴素：记录每天的早餐、中餐、晚餐，再结合睡眠和锻炼情况，帮助自己观察生活习惯。比如早餐常吃面包、三明治、鸡蛋、包子；中餐可能是蔬菜、荤菜、小荤，或者外卖；晚餐有时不吃，有时吃玉米、水果。记录方式不能太重，最好点选即可，同时又允许随时添加新内容。
因此，这个程序采用 Python 编写，界面使用 wxPython，数据保存在本地 config.json 中，既轻量，又方便打包成桌面程序。
C:\Users\86182\Desktop\早餐管理
目标
这个程序的目标主要有五个。
第一，输入要简单。常见食物、锻炼类型都做成模板，用户每天只需要勾选，不必重复打字。
第二，模板要能扩展。比如早餐新增"咖啡"，晚餐新增"西瓜"，锻炼新增"跳绳"，都可以直接输入并添加到模板，下次继续使用。
第三，数据要持久保存。所有记录、模板和 DeepSeek API 设置都保存到 config.json，下次启动自动加载。
第四，要能做本地分析。即使不配置 AI 接口，也能根据最近 30 天记录生成基础建议。
第五，保留 AI 扩展能力。如果用户配置 DeepSeek API，就可以把最近记录交给模型，生成更自然的饮食、睡眠、锻炼综合建议。
方法
程序采用单文件结构，核心代码集中在 app.py。
整体结构可以分为几层。
第一层是配置层。程序通过 ConfigStore 负责读取、合并和保存 config.json。默认配置放在 DEFAULT_CONFIG 中，包括三餐模板、锻炼模板、记录列表和 DeepSeek 设置。
第二层是输入面板。三餐使用 MealPanel，睡眠使用 SleepPanel，锻炼使用 ExercisePanel。每个面板只关心自己的输入和输出，最后由主窗口统一保存。
第三层是主窗口。MainFrame 负责布局、日期切换、记录保存、历史刷新、分析输出和 API 设置。
第四层是分析函数。build_analysis() 根据最近 30 天数据做规则统计，例如早餐记录天数、中餐蔬菜比例、外卖频率、睡眠平均时长、锻炼累计分钟数等。
第五层是 AI 接口。build_ai_prompt() 把记录组织成中文提示词，request_deepseek() 用标准 HTTP 请求调用 DeepSeek。
这种结构的好处是清晰：界面负责输入，配置负责保存，分析函数负责输出建议，AI 调用是可选增强。
过程
程序启动时，首先确定配置文件位置。源码运行时读取 app.py 同目录下的 config.json；打包成 exe 后读取 exe 同目录下的 config.json。这个设计解决了打包后找不到原记录的问题。
配置加载由 ConfigStore.load() 完成。如果配置文件不存在，就使用默认配置。如果文件存在，就读取 JSON。随后 merge_defaults() 会把旧配置和新默认配置合并，这样即使后来新增了"睡眠""锻炼"等字段，旧记录也不会失效。
界面部分使用 wxPython 搭建。主窗口左侧是分页输入区，包含"早餐""中餐""晚餐""睡眠""锻炼"五个标签页。右侧是历史记录和综合分析。顶部是日期选择、保存按钮、分析按钮、DeepSeek 建议按钮和 API 设置按钮。
三餐输入的设计比较统一。每一餐都有一个 CheckListBox 用于勾选模板项，有一个文本框输入新内容，还有一个"添加到模板"按钮。保存时，程序会把勾选项和自定义输入合并，并去重后写入当天记录。
睡眠输入相对结构化，包括睡眠时长、睡眠质量、入睡时间、起床时间和备注。这里睡眠时长默认是 0，表示未记录，避免用户只是打开程序但没有填写睡眠时，被误算成睡了 7 小时。
锻炼输入结合了模板和数值。用户可以选择散步、快走、跑步、力量训练等类型，也可以输入新的锻炼项目。同时记录锻炼时长和强度，方便后续统计。
保存逻辑集中在 save_current_date()。它会读取所有面板的数据，组成一个以日期为 key 的记录对象，然后写入 config.json。保存后会刷新历史表格，并立即重新生成分析结果。
分析逻辑集中在 build_analysis()。它先取最近 30 天记录，再计算多个指标：早餐、中餐、晚餐记录天数，外卖天数，蔬菜天数，蛋类次数，晚餐不吃次数，平均睡眠时长，较差睡眠天数，锻炼天数和累计锻炼分钟数。然后根据这些指标生成建议。
例如：
- 如果中餐蔬菜比例偏低，建议把"蔬菜 + 荤菜/小荤"作为默认组合。
- 如果外卖频率偏高，建议优先选择少油、带蔬菜、主食不过量的组合。
- 如果平均睡眠不足 6.5 小时，建议先把目标定为每晚增加 30 分钟。
- 如果锻炼频率偏低，建议从每周 3 次、每次 20 分钟开始。
- 如果既有锻炼记录又有睡眠质量波动，建议对比锻炼日和非锻炼日的睡眠差异。
DeepSeek 功能是可选的。用户在 API 设置中填写 API Key 后，点击"DeepSeek建议"，程序会先保存当天记录，然后调用接口。提示词会明确要求模型给出温和、可执行、不夸张的建议，并且不要做医学诊断。
结果
最终程序实现了一个轻量的个人健康记录工具。
它支持三餐、睡眠、锻炼三类生活数据。输入方式以点选为主，适合每天快速记录；同时支持自定义内容，避免模板太死板。所有数据都保存在本地 config.json，透明、可备份，也方便用 Python 进一步分析。
程序还支持历史回看。双击历史记录中的某一天，可以重新加载当天内容。分析区域会根据最近记录自动更新，帮助用户看到近期饮食、睡眠和锻炼习惯。
在工程层面，这个程序也处理了一个很实际的问题：源码运行和 exe 运行时配置文件路径不同。通过判断 sys.frozen，程序可以在打包后读取 exe 同目录的配置文件，并在界面底部显示当前配置路径，降低排查成本。
总结
这个项目的价值不在于算法复杂，而在于它把个人健康记录这件小事做得足够顺手。
它的设计思路可以概括为：用模板降低输入成本，用 JSON 保证数据可控，用本地规则提供即时反馈，用 DeepSeek 作为可选增强。
从代码结构看，程序拆分得比较清楚：ConfigStore 管配置，多个 Panel 管输入，MainFrame 管界面流程，build_analysis() 管本地建议，request_deepseek() 管 AI 接口。这样的结构虽然简单，但已经足够支撑一个个人桌面工具的持续迭代。
后续如果继续扩展，可以考虑增加图表、月度统计、CSV 导出、体重记录、饮水记录，以及更细的睡眠和运动趋势分析。当前版本已经完成了一个实用基础：每天点几下，保存下来，慢慢看见自己的生活模式。