一张照片里的食物越多，AI 就越要先分清“哪一块属于哪种食物”，再判断每一块是什么、各有多少。遮挡、叠放、相似颜色和共用酱汁，会让食物边界、菜名和份量三层误差叠在一起。整桌合照很适合留念，却很难说明你自己到底吃了多少。
用 nosh 记录复杂的一餐时，不必追求把画面里每根菜都拆开。先决定你想留下整顿饭，还是分别估算每种食物；目标不同，照片也应该不同。
AI 得先把一张照片切成几块
面对一只分格餐盘，人很自然地看见米饭、鸡腿和两份蔬菜。对图像系统来说，它要先找出每种食物的边界，再给每一块匹配名称，最后估算面积、高度和份量。
如果番茄和鸡蛋炒在一起，边界已经不清楚；咖喱汁盖住米饭，系统可能看不出下面还有多少主食；一块鸡排压在蔬菜上，又会把下层挡住。第一步没有分清，后面的菜名和份量都会受到影响。
多食物的难点不只是“菜太多”，而是每一种食物都可能改变旁边食物的可见程度。
分格餐盘、盖饭和整桌菜，是三种难度
分格餐盘通常最容易理解。格子把主食、荤菜和蔬菜自然隔开，完整餐盘也提供了大致比例。拍的时候让每一格都露出来，别用餐巾或筷子遮住主体。
盖饭更难。菜、酱汁和米饭上下叠放，照片看到的是最上面一层。牛肉铺满表面，不代表下面全是牛肉；咖喱遮住米饭，也不代表米饭不存在。遇到这种情况，知道餐盒分量或实际剩下多少，比反复放大照片更有用。
火锅和多人合餐最难。整桌照片既有大量食物，又有碗碟重叠，还混入“上桌的份量”和“你吃的份量”两件不同的事。AI 认出桌上有牛肉、豆腐和蔬菜，也无法知道其中多少进入了你的碗。
先决定：你要记整顿饭，还是要算每一样
如果目的是留下今天和朋友吃了火锅，一张整桌照片已经很好。它保留了场景，也能帮助你回想主要吃过什么。
如果目的是估算自己吃了多少，拍自己的餐盘或小碗更有用。分格套餐可以整盘拍；盖饭可以保留整盒，再补充“米饭剩三分之一”；火锅则记录自己主要吃的几类食物，不必试图把整桌总量分摊到每个人。
记录目标越具体，画面里的主体也应该越具体。不是每一顿饭都需要相同精度。
三个小动作，比把食物摆成标本更现实
第一，让整只盘子、餐盒或杯子入镜。它们能提供位置和大致比例，也能减少食物被裁掉。
第二，移开没有信息的遮挡。餐巾、外卖袋和手可以让开，食物本身的自然叠放不用为了 AI 全部拆散。
第三，检查有没有关键漏项。饮料、蘸料和小吃经常被放在画面外；如果它们会改变你对这顿饭的判断，就一起记录。
复杂食物需要时可以单独拍，但不用默认一盘菜拍一张。多拍带来的记录负担，也可能让你下一顿不想再记。
nosh 先留住整餐，你再修正大问题
拍照后，先看主要食物有没有认错，份量有没有跨错一个大档，饮料和配菜是否漏掉。nosh 当前允许修改名称、卡路里、份量和记录时间；没有合适照片时，也能通过文字或语音补记。
一份盖饭里咖喱、米饭和鸡肉没有完全拆准，不一定要从头重建。把主要菜名改对，把实际吃掉的份量调到合理范围，再补上明显遗漏，通常就足以支持日常回看。
多食物照片的误差，很少只发生在最后那个卡路里数字上。它往往从“哪里是一种食物”就开始了。先把记录目的和画面主体说清楚，比要求 AI 从一张热闹的合照里还原每一口更有效。