AI时代的营养数据基础设施：为Agent介导的研究落地FAIR原则

AI智能体可以加速营养研究，但其分析会继承底层数据在身份、语义和发布上的模糊性。我们提出Nutrition Data Service（NDS），一种保留源的基础设施，将FAIR原则落地为可自动化使用：描述解析使特定发布版本的记录可被找到；类型化交叉映射连接独立发布的资源；机器可读接口暴露带版本的源与交叉映射，支持可重放、可审计的分析。在食物描述基准上，NDS超越了NutriBench上已发表的最佳语言模型结果。外部与盲测的交叉映射评估表明，其类型化契约倾向于可辩护的链接并拒绝无支撑的映射。在一项个体层面血糖指数分析中，固定的NDS输入在多个模型和重复运行下产生相同输出，而开放网络重建仍不稳定。这些结果共同表明，Agent介导的营养研究需要一种将数据身份、搜索和交叉映射策略显式化的新基础设施。