关于我
我的开源
链滴
B3log相信大家都有出现过不只一次“吃什么？”的经历吧，虽然那感觉不至于糟糕到让我们不知所措，我们也一直没那它太当回事，但其实这真的是一个问题，而且是一个很难解决的问题。
出去吃还是自己做
这是两个完全不同的方式。
对于出去吃，我们要考虑饭店、路线，到了后根据菜单点菜就餐，最后应该还会小结一下哪些菜不错，哪些糟糕。对于自己做，先要想好这顿想吃什么，需要买哪些菜，然后买菜做饭，最后也应该会小结一下哪些菜烧得不行。
出去吃时我们最关注的是味道，自己做时我们最关注的是做法。不过无论我们是出去吃还是自己做，时间一长，大多数人都会面临一个问题：吃什么，特别是每个工作日的中午。
决定
如果我们认真分析，我觉得这是个人感性与理性的体现，是自我否定与肯定的体现……纠结。
要解决“纠结”，有个最简单的办法，那就是扔硬币，通过一系列随机事件确定最终结果[1]。比如说我们可以扔硬币决定是出去吃还是自己做，然后列出想吃的菜肴，扔硬币决定吃什么。实际上经常这么做的人不存在（偶尔来一次还是不错的），因为这个方法效率不高。
即使是扔硬币，我们也是需要决定一些要素。
数量
首先我们得确定有几个人要就餐，这样我们才能进一步确定要吃多少个菜，或是需要几个套餐。这个要素我们可以非常容易就确定了，但是接下来大麻烦来了。
菜单
这个要素是我们最头疼的问题，是我们要解决的最关键的问题（没有之一）。
先来看看平常我们的情况：
- 出去吃：一个人的时候往往比较随便（凑合一顿），几个人在一起的时候点菜就需要考虑一番，要照顾到每个人是不可能的，但也不能忽略别人
- 自己做：这个的随意性相对出去吃要大一些，自己做时比较容易确定菜单，但自己做的问题是不容易做新菜，想做一个从未做过的菜时无从下手。（我们自己所谓的“家常菜”一般不超过 10 个菜吧）
这两种情况都有些淡淡的恼人啊，先不管怎么解决，我们可以想象一下今后应该是这样的：
- 出去吃：在约好人后，去哪吃、吃什么已经自动确定了
- 自己做：可以开始学做别人的“家常菜”了
EW 应用
Eat-Wanted（EW） 是一个能够自动推荐给用户吃什么的应用。
我们知道程序是把输入变为输出的过程，EW 应用也需要给她一些输入信息，但随着我们使用的深入，输入的信息量应该会越来越少，因为她是一个非常智能的应用。
推荐
从我们自己计划吃什么转变为 EW 帮助我们计划，我们只要给 EW 很少量的信息（例如数量）后它就给出了“吃什么”的解决方案。
在推荐这个环节中，EW 会遵守下面几个原则：
- 随机：最基本的要求是要随机，但也要控制少量次数的均匀。比如上一顿吃了黑椒牛排，这一顿应该不能随机到菲力牛排
- 就近：应该是推荐附近的饭店
- 单一方案：最终的方案应该只有一套，描述了去哪吃以及吃什么
反馈
反馈是就餐完毕后的一个可选环节。我们可以反馈给 EW 一些信息，让她更了解我们的就餐习惯。这好比你的 Honey 在了解你的生活习惯后就会非常贴心地照顾你，那感觉我们都懂。
产品化
（这部分内容主要是面向 EW 开发团队）
减法
前面我们讨论了吃什么的两种方式：出去吃，自己做。目测我们之中的大多数都是出去吃居多（一日三餐平均要出去吃两餐），EW 产品化的第一步就是把“自己做”的支持去除，做好“出去吃什么”。
难点
菜单初始化
EW 在线时会更新菜单数据也会提交本地的菜单数据到 EW 服务器，菜单数据是用户输入的，我们需要找到一个有趣的方式吸引用户输入菜单（例如任务、签到之类）
推荐算法
这是 EW 服务器端的实时推荐算法，在某个 EW 请求推荐时需要考虑：
- 随机
- 菜的评分
- 商家评分
- 最多搭配
- 最少搭配
- 拥挤情况
- 天气
- 心情
- 工作情况
这些因素将赋予不同的权重，最终筛选出一个唯一的方案。
盈利
- 饭店商家：入驻 EW 后可以为其提供更多的推荐机会
- AD
习惯
需要培养用户的使用习惯，餐前使用 EW 选餐，餐后使用 EW 记录（比如这顿吃了什么新菜，什么菜比较好吃），将 EW 使用融入到吃饭中作为人们的日常。
未来
随身设备
随身（可穿戴）设备可以随时收集我们的个人身体状态（体重、体温、血压、心跳等），这些数据可以帮助分析出适合自己的饮食结构，EW 会从健康的角度出发，再结合我们的习惯计划出最适合我们自己的餐饮方案。
随着网络的普及、廉价，在未来每个人是可以通过随身设备时刻在线的，这意味着我们每时每刻不但可以从网络上获取数据，同时我们也可以直接提供数据给其他终端，未来的网络服务不是单一的公有云化，私有（个人）云服务也会随之兴起[2]。