WorkBuddy × 麦当劳，程序员创意开发大赛（求 Star Orz ..

爱意满满的作品展示区。

一、先说活动：WorkBuddy × 麦当劳，程序员创意开发大赛

WorkBuddy 联合麦当劳发起了 「麦当劳程序员创意开发大赛」。玩法很直接：参赛者基于麦当劳官方 MCP 能力，用 WorkBuddy 开发一个创意 Skill ，把点子变成能跑的东西。

麦当劳程序员创意开发大赛

奖励部分：

奖项	内容
前三名	巨无霸免费多次兑换券＋ 10240 WorkBuddy 积分
前 100 名	程序员节实体徽章、汉堡回车键
专项奖励	使用 WorkBuddy 开发参赛，额外 +3000 积分

我觉得这个命题挺有意思的地方在于：麦当劳 MCP 把营养表、门店菜单、订单查询、优惠券、报价下单都开放成了原子接口，但这些接口单独拎出来都很"碎"。真正有意思的不是调一次接口，而是怎么把这些原子能力编排成一条用户愿意每天用的闭环。于是就有了下面这个项目。

二、我的参赛作品：热麦卡路里

麦当劳订单热量估算与餐段档位套餐推荐 · Agent Skill · 麦当劳程序员节创意开发大赛参赛作品

一句话：给它一个订单号，它告诉你这单多少热量、落在哪个档位、想轻一点该怎么换；说一个目标（减脂 / 控盐 / 省钱…），它按场景帮你配餐；确认金额后还能代你下单（支付仍由你自己完成）。

GitHub：https://github.com/orderye/mcd-calorie-skill
在线演示（手机可直接打开）：https://orderye.github.io/mcd-calorie-skill/food.html

点餐流程演示页首屏 <sub>▲ 演示页首屏（模拟数据 · 纯代码 SVG 静态重绘，无 JS / 无外部资源）</sub>

三、它能干什么

底层能力全部来自麦当劳中国官方 MCP 服务 M-China/mcd-mcp-server；热量计算则是本地纯 Python 脚本完成的，不联网、无第三方依赖。

能力	你说	它做	依赖
A. 订单热量估算	「这单多少热量？订单号 xxx 」	展开套餐 → 逐项匹配营养表 → 整单合计 + 档位结论	`query-order`
B. 档位推荐	「想吃 300 大卡左右的早餐」	取该餐段实时菜单 → 枚举组合 → ±12% 筛选 → Top 3–4	`query-meals`
C. 替换建议	「昨天那单偏高，今天来点轻的」	高于标准档则切标准档 → 输出更轻组合 + 少多少 kcal	`query-meals`
G. 目标场景推荐	「减脂吃什么」「想控盐」「今天还剩 600 卡」	13 个场景自动切换档位 / 排序 / 硬上限 / 关键词排除	`query-meals` + `mcd_goal.py`
D. 一键导入历史订单	「导入我的历史订单分析热量」	`order-list` 原始响应 → 自动脱敏落盘 → 逐单算热量 → 排行与汇总	`order-list` + `mcd_import.py`
D2. 历史订单复盘	「我最近都吃了些什么」	已脱敏样本逐单算热量、按餐段比对、出排行（跳过脱敏）	`mcd_import.py --no-deidentify`
E. 安全下单	「就按推荐第 1 组帮我下单」	查券（只标注）→ 报价 → 确认闸门 → 创建订单	`calculate-price` / `create-order`
F. 全量目录（离线兜底）	—（后台能力）	多份菜单快照聚合为 `catalog.json` + 营养缺口清单	`query-meals` 快照
数据自更新（ v0.8 ）	—（随推荐自动生效）	餐品 100% 取当次 `query-meals` 实时可售（上新/下架/调价即时生效）；规格证据五级分级，仅 A 级补录别名表	`mcd_spec_evidence.py`

实际对话长这样

算一单

用户：这单多少热量？订单号 9900004064
WorkBuddy：
   [订单估算] 订单 SAMPLE-20261009-01 · 餐段 午餐 · 档位 标准（目标 750 kcal ）
   ✓ 板烧鸡腿堡       391 kcal ｜钠 1041mg
   ✓ 中薯条           289 kcal ｜钠  165mg
   ✓ 可乐中杯         147 kcal ｜钠    0mg
   整单：827 kcal
   结论：落在本餐段标准档范围内，合适

说个目标就行

用户：午餐想控盐，钠低一点
WorkBuddy：
   [推荐 · 午餐 · 轻量 · 低钠控盐] 目标 500 kcal （区间 440–560 ，命中 34 组）
   场景策略：整组钠不超上限，钠越低越靠前｜生效约束：钠 ≤1000mg
   1. 麦香鱼 + 苹果片 + 100% 苹果汁(盒装)   445 kcal ｜蛋白 16g ｜钠 556mg ｜≈¥41.0
   2. 麦香鱼 + 苹果片 + 咖啡阿芙佳朵        496 kcal ｜蛋白 20g ｜钠 605mg ｜≈¥44.0
   3. 麦香鱼 + 咖啡阿芙佳朵                464 kcal ｜蛋白 20g ｜钠 605mg ｜≈¥37.0

翻旧账

用户：导入我的历史订单分析热量
WorkBuddy：
   [历史订单一键导入 · 热量分析报告] （原始响应已自动脱敏落盘）
   下单时间             餐段   项数   热量    标准档  结论
   2025-11-22 18:28    晚餐    8    2243     750   偏高 +1493
   2025-10-11 13:26    午餐    5    1470     750   偏高  +720
   2026-03-20 18:32    晚餐    5     987     750   偏高  +237
   …
   订单数 8 ｜平均 1085.6 kcal ｜超标准档 6 单｜最重 2243 kcal
   商品项 39 ｜热量未知 4 项（ 10.3%）｜歧义待选 0 项

四、口径设计：餐段 × 档位 × 目标场景

档位目标值（ kcal ），筛选区间为目标值 ±12%：

餐段	轻量	标准	吃饱	兜底时段
早餐	300	450	600	05:00–10:30
午餐	500	750	1000	10:30–15:30
随便吃吃（下午茶）	150	300	450	15:30–17:59
晚餐	500	750	1000	18:00–22:00
宵夜（单列档）	300	450	600	22:00–23:59 、00:00–05:59

补充规则：宵夜单列，不并入晚餐；门店时段实测优先（各店营业餐段不同，query-meals 需传 reservationDate，接口并没有 daypart 字段）；档位内无解时提示换档位，**绝不偷偷放宽 ±12%**；历史订单的餐段取订单自带时间，而不是当前时刻。

目标场景（ G ）：第三个维度

「目标场景」是叠在「餐段 × 档位」之上的第三层（mcd_goal.py 策略层）。每个场景 = 一套营养策略描述符，自动切换推荐档位 / 热量容差 / 硬上限 / 关键词排除 / 排序评分，用户不用自己算。场景键就是对话触发词（比如「减脂吃什么」→ cut）。

#	场景键	场景名	推荐档位	核心策略	场景入参
1	`cut`	减脂	轻量	蛋白密度优先 + 钠偏低 + 剔甜品、小食 ≤1 （ min_protein 15g ）	—
2	`bulk`	增重	吃饱	蛋白与碳水双高 + 小食 ≤2 、允许甜品（ min_protein 20g ）	—
3	`post`	练后餐	标准	蛋白总量优先 + 必含主食回补碳水（ min_protein 20g ）	—
4	`cheat`	放纵餐	吃饱（容差 ±15%）	热量上浮 + 允许甜品 + 性价比排序	—
5	`low-sodium`	低钠控盐	轻量	钠硬上限 ≤1000mg + 钠升序	`--sodium-max`
6	`high-protein`	高蛋白增肌	标准	蛋白密度优先 + 蛋白总量（日常版，min_protein 25g ）	—
7	`low-carb`	低糖低碳水	轻量	碳水硬上限 ≤60g + 碳水升序	`--carb-max`
8	`low-fat`	低脂清淡	轻量	脂肪硬上限 ≤30g + 脂肪升序	`--fat-max`
9	`vegetarian`	素食 / 蛋奶素	轻量	排除肉类水产（蛋奶可食）关键词粗筛；无主食时拼小食达档	—
10	`kids`	儿童 / 小份量	轻量（×0.85 ）	热量下浮 + 单组最多 2 件	`--max-items`
11	`daily-budget`	热量预算日控	按剩余预算	用满预算但不超；区间 [0.7B, B]	`--budget`
12	`allergen`	过敏原规避	标准	按过敏原关键词排除（花生 / 坚果 / 乳制品 / 麸质 / 海鲜等，粗筛带告警）	`--allergens`
13	`value`	性价比 / 省钱	标准	价格硬上限 + 价格升序	`--price-max`

麦当劳

营养