照片最容易漏掉油、糖、酱料和内馅，不一定是 AI 没认好，而是这些东西常常已经融进食物、藏在表面下面，或者根本没有出现在画面里。亮晶晶的红烧肉能说明它有酱汁，却不能告诉你放了几勺油和糖；一只完整的包子，也不会把里面的馅主动展示出来。
nosh 可以根据照片识别食物并估算热量，但看不见的成分仍然需要你用已知信息修正。这里最重要的不是猜得更细，而是分清哪些线索在照片里，哪些答案只能从配方、包装或做饭的人那里获得。
油会留在锅里，也会悄悄进入食物
一盘炒青菜看起来清爽，不代表用油一定少；炸过的茄子吸了多少油，也不能只靠表面光泽判断。烹调油可能附着在表面、被食材吸收、留在盘底，或者混进汤汁里。
照片可以看到“有油的迹象”，却很难把迹象换成准确克数。更麻烦的是，同一道菜在家里、食堂和餐馆的做法可能完全不同。菜名认对了，油量仍然可能是整顿饭里最大的不确定之一。
如果你知道这道菜是少油做的，或盘底的油汤基本没吃，可以把这条事实留进记录；如果不知道，就别根据颜色编出“一勺油”。
糖和酱料，常常已经没有清楚边界
糖溶进红烧汁、糖醋汁和饮料后，画面里不会出现一小堆白糖。麻酱、沙拉酱和火锅蘸料也可能铺在食物上，AI 能看见“有酱”，却未必知道浓度、配方和实际吃掉多少。
同样一碗麻酱凉面，有人把整碗酱拌完，有人只放半袋；同样一杯咖啡，颜色相近，可能是无糖拿铁，也可能加了糖浆。外观相似，并不代表配方相同。
有独立酱料包时，包装容量和你实际用了多少，比照片猜测更有用。商家明确写了无糖、半糖或酱料另放，也可以作为补充；“看起来不甜”则不是可靠数据。
内馅是另一种问题：相机根本没看见
包子、饺子、饭团、三明治和夹心面包，都把重要信息藏在外壳下面。一个白胖包子可能是猪肉馅、豆沙馅或青菜馅，外表几乎不给答案。切开的月饼容易认馅，完整月饼只能靠包装或口味信息。
这类误差不是多换一个拍摄角度就一定能解决。如果方便，可以把切面拍进去；不想为了记录拆开食物，就直接用菜名、包装或商家菜单补充。吃饭不需要服从相机。
信息来源有先后，不必都交给 AI 猜
遇到隐藏成分，可以按这个顺序找答案：
- 包装上的配料、净含量和营养成分表；
- 自己做饭时真实使用的食材和用量；
- 餐厅菜单、口味选择和独立酱料包；
- 只有照片时，保留为大致估算。
这个顺序背后的原则很简单：已经写明或亲手量过的，不必再让照片猜；没有可靠信息的，也不要用一个具体数字掩盖不知道。
在 nosh 里，补你知道的，不补你希望知道的
如果照片把猪肉白菜包认成普通馒头，可以修改食物名称；如果一袋酱只用了半袋，可以调整实际份量；忘记拍照或照片无法说明做法时，也可以用文字或语音直接记录。
nosh 支持修改名称、卡路里、份量和记录时间。优先修正会改变判断的大信息，例如“油炸”“加糖”“肉馅”“酱只吃一半”。至于餐馆到底用了 18 克还是 25 克油，如果你没有依据，就让它保持不确定。
照片没有撒谎，它只是没有看到。好的饮食记录不是逼一张图交出所有秘密，而是知道什么时候看照片，什么时候看标签，什么时候接受这顿饭只能记个大概。