现代人工智能已超越简单的文本生成；它如今是一个强大的分析引擎，能够处理复杂的饮食限制、计算代谢需求，并在数秒内生成面向客户的文档。
以下提示经过严格测试与优化，适用于所有主流大型语言模型（LLM），包括ChatGPT、Gemini、Claude和DeepSeek。虽然特定模型具备独特的架构优势（例如擅长逻辑严格约束的DeepSeek，或擅长共情式客户沟通的Claude），但这十条提示为任何希望在不牺牲个性化前提下扩展业务范围的营养师或营养专业人士，提供了一个通用且高效的基础框架。
1. “零数学”TDEE与宏量营养素分配计算器
任务：快速计算基础代谢需求，并根据特定临床目标分配宏量营养素。
最适合： DeepSeek（尤其擅长处理数学逻辑与严格的数值约束）。
请扮演临床营养师。计算以下客户档案的TDEE（每日总能量消耗）与宏量营养素分配。
客户档案：
- 年龄：[年龄]
- 性别：[性别]
- 体重：[体重]
- 身高：[身高]
- 活动水平：[久坐/轻度/中度/重度]
- 目标：[减重/维持/增肌]
- 偏好饮食：[生酮/地中海/高蛋白]
输出要求：
1. 使用Mifflin-St Jeor公式计算BMR（基础代谢率）。
2. 根据活动水平计算TDEE。
3. 提供三种不同的宏量营养素分配方案（保守、适中、激进），以克数和百分比表示，并符合客户目标。
4. 以清晰的Markdown表格呈现数据。
回报：消除手动计算错误，并立即提供一系列临床选项供与客户讨论。
2. 7天专属膳食计划生成器
任务：制定严格遵守复杂过敏或不耐受协议（如低FODMAP、AIP）的整周膳食计划。
最适合： ChatGPT（在创意食谱生成和模式识别方面具有多功能性）。
为需要严格饮食排除的客户制定一份7天膳食计划（包含早餐、午餐、晚餐、零食）。
限制条件：
- 每日总热量：[数字]
- 严格排除：[列出过敏原，例如麸质、乳制品、高FODMAP的大蒜/洋葱]
- 包含：尽可能多的高纤维食物。
- 准备方式：便于备餐（午餐可使用剩菜）。
格式：
- 按天组织（第1天 - 第7天）。
- 包含晚餐的简短准备说明。
- 确保食材多样化，防止口味疲劳。
回报：将根据排除标准交叉核对食材清单的时间，从数小时缩短至仅需几秒钟。
3. “健康替换”食谱重塑器
任务：针对客户最喜爱的不健康“安慰食物”，设计营养丰富的替代品，同时保留菜肴的精髓。
最适合： Claude（对细微差别和烹饪背景有很强的理解能力）。
我的客户喜欢[菜肴名称，例如千层面]，但需要减少[营养素，例如饱和脂肪/钠]并增加[营养素，例如蛋白质/纤维]。
请重写此食谱以满足这些营养目标，同时尽可能保持原始风味和口感。请提供：
1. 修改后的配料表及具体用量。
2. 简短解释*为何*进行特定替换（例如，“用低脂干酪替换乳清干酪以增加蛋白质”）。
3. 新版本单份的预估宏量营养素含量。
回报：允许客户保留喜爱的食物，并根据其健康目标进行调整，从而提高客户依从性。
4. 分类购物清单自动化工具
任务：将基于文本的膳食计划转化为按货架区域排序的购物策略清单。
最适合： Gemini（在数据排序、格式化和列表组织方面能力强大）。
查看以下每周膳食计划，并生成一份综合购物清单。
膳食计划：
[在此处粘贴膳食计划]
输出规则：
1. 合并数量（例如，若第1天需1个洋葱，第3天需2个洋葱，则列出“3个洋葱”）。
2. 按标准超市区域（农产品、蛋白质、乳制品/替代品、干货、冷冻食品）组织商品。
3. 标记客户在购买前应检查的所有常备干货（例如橄榄油、香料）。
回报：消除客户的后勤障碍，使他们更有可能实际购买食材并坚持计划。
5. 临床概念简化器（类比生成器）
任务：用非医学语言向客户解释复杂的代谢过程。
最适合： Claude（以自然、人性化的语气和清晰的解释而闻名）。
向没有医学背景的客户解释[概念，例如胰岛素抵抗/肠漏症/糖异生]的概念。
语气：富有同理心、鼓励性且清晰。
要求：使用与现实世界相关的类比（如交通堵塞、锁与钥匙、花园）来说明其机制。避免使用艰深的行话。
回报：提高患者的健康素养和信任度，确保他们理解饮食干预背后的“原因”。
6. 药物-营养素相互作用检查器
任务：快速标记处方饮食与客户药物清单之间的潜在冲突。
最适合： DeepSeek 或 Gemini（在事实检索和安全检查方面可靠性高）。
检查以下药物与食物/补充剂之间潜在的药物-营养素相互作用。
药物：[列出药物，例如华法林、赖诺普利]
饮食重点：[列出饮食重点，例如高维生素K摄入、钾补充剂]
输出：
- 识别高风险相互作用。
- 解释相互作用的机制。
- 如有必要，建议调整饮食时间或排除某些食物。
*（注：我将根据临床手册验证所有输出；此工具仅用于初步筛查。）*
回报：在计划阶段充当安全网，确保饮食建议不会与医疗方案相悖。
7. “剩菜逻辑”效率规划师
任务：通过将餐食串联起来，优化食物浪费和预算。
最适合： ChatGPT（擅长逻辑排序和创造性地利用食材）。
为四口之家设计一个为期3天的餐食序列，重点关注零食物浪费和预算效率。
核心食材： [食材，例如一只烤鸡或5磅碎牛肉]
计划：
- 第一天：使用核心食材的主餐。
- 第二天：利用剩菜制作风味完全不同的第二餐（例如，从墨西哥风味转为亚洲融合风味）。
- 第三天：利用剩余边角料制作“清空冰箱”汤或沙拉。
回报：向注重预算的客户展示价值，并教会他们可持续的厨房习惯。
8. 行为改变与动机激励脚本
任务：为“受挫”的客户起草电子邮件或聊天回复。
最适合： Claude（卓越的情商和语气控制能力）。
为一位错过复诊并承认周末饮食失控的客户，起草一封富有同情心但强调责任的电子邮件。
关键要素：
- 不加评判地认可他们的感受（羞耻/沮丧）。
- 提醒他们，一个周末不会破坏长期进展。
- 提出一个他们可以立即采取的小而可行的步骤（例如，喝水、吃高蛋白早餐）来重启。
- 避免使用“有毒的积极”；保持现实且专业。
回报：自动化客户管理中的情感劳动，同时保持高互动性、支持性的关系。
9. 补充剂方案摘要
任务：为复杂的补充剂组合创建清晰、有时序的服用计划。
最适合： Gemini（擅长将数据构建成时间表）。
根据以下列表创建每日补充剂服用计划。
补充剂：
- [补充剂A，例如甘氨酸镁]
- [补充剂B，例如维生素D3 + K2]
- [补充剂C，例如吡啶甲酸锌]
要求：
- 按一天中的时间段分组（早晨、随午餐、睡前）。
- 注明是随餐服用还是空腹服用，以最大化吸收。
- 格式化为清单。
回报：将一堆令人困惑的瓶子变成一个简单、可遵循的清单，从而提高客户依从性。
10. 研究论文综合器
任务：在不阅读完整学术论文的情况下，了解特定营养素或健康状况的最新进展。
最适合： DeepSeek（擅长密集信息处理和总结）。
根据通用训练数据，总结关于[主题，例如一水肌酸对认知功能的作用]的当前共识和最新发现。
结构：
1. 主要作用机制。
2. 已证实的益处与理论上的益处。
3. 研究中使用的标准剂量方案。
4. 任何明显的副作用或禁忌症。
回报：让从业者能够快速更新知识库，并为客户的疑问提供基于证据的答案。
专业技巧：上下文注入
要从这些模型中获得最高质量的输出，请在对话开始时使用“上下文注入”。在询问膳食计划之前，先上传或粘贴定义您理念的“风格指南”文本块。
示例：“我是一名营养师，信奉直觉饮食、高蛋白和最少加工食品。从不推荐1200卡路里的饮食。始终优先选择天然食物来源而非粉末补充剂。”
通过一次性设定这些基本规则，聊天会话中的每个后续提示都将与您的临床品牌完美契合。
人工智能辅助营养的长期成功，并非取代您的专业知识，而是通过自动化管理和计算密集型工作，让您能够专注于护理中的人文因素。