随着人工智能（AI）技术的发展，AI 代理可以加速营养研究的进展，但其分析结果受限于底层数据的身份、语义和发布的模糊性。为了解决这一问题，我们提出了一种名为营养数据服务（NDS）的源保留基础设施，它使得FAIR（可查找、可访问、可互操作和可重用）原则能够被自动化使用。NDS通过描述解析使发布特定的记录变得可查找；类型化的跨歩表连接独立发布的资源；机器可读的接口暴露版本化的源和跨歩表，使得AI代理的分析变得可重放和可审计。在食物描述基准测试中，NDS表现出强大的预测准确性，并超越了NutriBench上发布的最佳语言模型结果。外部和盲评的跨歩表评估表明，NDS的类型化契约有利于防御性链接并拒绝不支持的映射。在人群水平的血糖指数分析中，固定NDS输入可以在不同模型和重复运行中产生相同的输出，而开放网络的重构仍然不稳定。因此，代理介导的营养研究需要一种新的数据基础设施来支持数据身份、搜索和跨歩。 博主点评： NDS为营养研究领域带来了新的希望，通过提供稳定可靠的数据基础设施，能够更好地支持AI代理的分析和应用，从而推动营养研究的发展和进步。