膳食营养规划在慢性疾病管理和保持健康方面至关重要。实际应用中需要同时满足个性化约束和多维营养目标，这两者常常冲突，且用户约束会随反馈而变化，导致通用指南与可执行方案之间存在较大差距。为弥合此差距，本文首先提出了个性化全量化多目标膳食规划问题（MDP）。为求解 MDP，作者开发了营养智能体 ShanLiangRen。系统首先将膳食规范、营养数据、用户属性以及自然语言需求转换为个体化的约束规划实例。随后采用精确的检索增强生成（retrieval‑augmented generation）方法，从大规模食材和菜谱空间中缩小可行候选集合。最后，系统基于帕累托原则进行细化：在确定性的营养计算和约束验证反馈的指导下，LLM 迭代修正候选方案。输出包括完整量化的餐食计划（明确列出食材及份量）以及营养合规报告，展示约束满足情况和营养区间达成情况。系统已以微信小程序形式上线，演示视频链接如文中所示。
点评