AI 拍照识别不准时，通常先改菜名和做法，再改份量，最后才考虑卡路里。因为菜名决定系统在用哪一种食物做计算，份量决定用了多少；如果前两步没对，直接把热量改成一个顺眼的数字，只是把结果改了，原因仍然是错的。
在 nosh 里，识别完成后可以修改名称、卡路里、份量和记录时间。面对一条不太对的记录，不需要四项全部重做。先找到错误属于哪一类，通常十几秒就能处理掉最影响结果的部分。
菜名错了：先把计算起点改对
白切鸡认成炸鸡、无糖酸奶认成冰淇淋、番茄牛腩认成番茄汤，都属于“这是什么”出了问题。此时先改菜名，必要时把做法一起说清楚。
菜名不是给记录看的标签，而是后续匹配营养数据的起点。同样是鸡肉，带皮油炸和清蒸的差别可能比份量多一小口更重要。起点错了，继续微调克数很难把结果救回来。
可以优先补充那些会明显改变判断的词：油炸或清蒸、加糖或无糖、全脂或脱脂、带酱或酱料另放。至于“外婆做的秘制版”这类数据库不可能准确知道的细节，不必硬凑成一个标准菜名。
菜名大致对，份量离谱：再改你实际吃了多少
深碗、堆叠的三明治、被遮住的米饭，都可能让照片难以判断体积。还有一种更常见的误差：照片拍的是上桌多少，记录真正关心的却是吃下去多少。
如果一碗面剩了半碗汤，一份米饭只吃了三分之二，或合餐里你只夹了几口，优先把份量改成实际摄入的大致情况。这里不一定需要知道准确克数。“半份”“一小碗”“剩三分之一”只要能让记录从明显错误回到合理范围，就已经有价值。
不要为了配合系统显示，反过来假装自己知道餐馆那碗饭究竟是 183 克还是 207 克。照片无法提供的信息，改成更具体也不会自动变真。
卡路里什么时候值得直接改
当你手里有比照片更可靠的信息时，直接改卡路里很合理。最典型的是有包装营养标签的酸奶、饮料、饼干，或者餐厅明确提供了对应份量的营养信息。这时标签比视觉猜测更接近产品本身。
另一种情况是你亲手做饭，并且知道主要食材和用量。你可以用实际配方校正结果，但不用为了几千卡的差异反复计算。
如果没有标签、不知道配方，只是觉得数字“好像太高”或“希望低一点”，不建议直接改成心理预期。保留一个不完美但诚实的估算，比创造一个让人安心的精确数更有用。
遇到隐藏的油和酱料，承认不知道也可以
麻酱拌面用了多少麻酱，炒菜吸了多少油，外卖酱汁里有多少糖，单张照片常常看不出来。你知道“酱只吃了一半”，就把这一点反映到记录里；你完全不知道，就不要把不确定伪装成确定。
这不是放弃准确，而是在区分三件事：系统认错了什么，你知道真实答案的是什么，以及谁都无法从照片里确认的是什么。前两类可以修，第三类只能保留边界。
最省事的纠错顺序
拿到 nosh 的识别结果，可以按这个顺序扫一遍：
- 主要食物和做法对不对；
- 实际吃掉的份量是否大致合理；
- 有没有漏掉饮料、酱料或配菜；
- 手里若有包装标签或真实配方，再校正卡路里。
不用每一餐都执行四步。炸鸡被认成白切鸡，改第一步；米饭只吃一半，改第二步；包装牛奶有明确标签，直接用标签。没发生的大错误，不必主动制造一场精修。
菜名是整条估算链的起点，卡路里是最后出现的结果。用 nosh 纠错时，先把起点改对，再处理份量，最后才碰结果，往往比盯着一个数字来回调更快，也更接近真实。