AI 只凭一张普通照片，通常不能准确知道食物有多少克。照片能看见形状、面积和一部分高度，却没有直接测量重量；从画面走到克数，还要先估体积，再猜食物密度。容器、餐具和拍摄角度可以提供参照，但不能把相机变成食物秤。
nosh 展示的份量来自视觉推断，适合帮助你快速留下大致记录。如果你的决定必须精确到克，直接称重或查看包装标注会更可靠。
相机看形状，食物秤感受重量
一碗米饭和一碗爆米花可以占据相近空间，重量却差很多；同样大小的一块西瓜和一块蛋糕，含水量、空气和密度也不同。照片看到“有多大”，并不能直接推出“有多重”。
AI 若要从照片估重量，通常要连续猜三件事：食物在画面里占了多少空间，它在现实里大概有多大，这种食物每单位体积大概有多重。任何一层估偏，最后的克数都会跟着偏。
所以，一个看起来非常具体的“186 克”，仍可能只是多次推断后的显示结果，不代表相机真的量到了 186 克。
一张二维照片，最容易丢掉的是深度
从正上方拍，米饭铺开的面积看得很清楚，但不知道中间堆了多高；从侧面拍，高度更明显，后面的食物又可能被挡住。镜头距离也会改变大小：靠近的食物显得更大，远处的食物显得更小。
深碗尤其难。碗口一样大，浅浅铺一层面和装到碗底的面，从顶部可能长得很像。盖饭、沙拉和三明治也会叠在一起，下面藏着多少食物，单张照片未必能看见。
这不是识图模型多认几个菜名就能完全解决的问题，而是二维画面本来就少了一部分空间信息。
盘子和餐具能帮忙，但它们不是标准尺
完整盘沿、餐盒或杯子一起入镜，可以让 AI 少一点“这到底有多大”的猜测。研究中的图像份量估算，有时会使用已知尺寸的标记物、硬币、餐具或容器来校准比例。
日常照片里的盘子却未必有标准尺寸。两个白瓷碗看起来相似，直径和深度可能完全不同；筷子、勺子和手掌也因款式与个人而异。它们能提供大致比例，不能自动给出准确克数。
因此，保留容器通常比把食物裁得满屏更好，但不必为了记录每顿饭随身摆一把尺子。
什么时候照片估算已经够用
如果你只是想知道今天午餐大致是一小碗还是一大碗米饭，比较几天里主食和蔬菜的变化，照片估算已经能减轻很多手动输入。
拿到 nosh 的结果后，先看份量有没有跨错一个大档：半碗变成一整碗，一片面包变成三片，几口甜点变成完整一份。这些明显错误值得修改；140 克还是 155 克，若没有称重依据，继续微调也只是把猜测写得更细。
日常记录关心的是方向，就处理会改变方向的误差。
什么时候应该直接称一下
包装食品先看净含量和营养成分表，自己做饭又需要准确配方时可以称主要食材。需要严格控制摄入、执行临床营养方案，或依据克数调整药物和治疗时，不应只依赖照片估算，应遵循医生或有资质的营养专业人士意见。
nosh 的识别结果可以修改名称、卡路里和份量，但编辑能力不能替代缺失的测量。你知道真实重量，就用真实重量校正；不知道时，保留一个大致份量比编出精确克数更诚实。
照片擅长告诉你“这一餐大概长什么样”，食物秤擅长回答“它到底有多重”。让两种工具各做自己擅长的事，比要求一张照片承担全部答案更可靠。