面向AI时代的营养数据基础设施：为智能体介导的研究实现FAIR可操作化

# 面向AI时代的营养数据基础设施：为智能体介导的研究落地FAIR原则
来源：https://arxiv.org/html/2608.10363
###### 摘要

AI智能体可以加速营养研究，但其分析继承了底层数据的身份、语义和版本歧义。我们提出了营养数据服务（NDS），一种保留数据源的基础设施，将FAIR原则落地为自动化使用：描述解析使特定发布版本的记录可发现；类型化交叉映射连接独立发布的资源；机器可读接口暴露版本化的来源和交叉映射，使AI智能体的工作可重放且可审计。在食物描述基准测试中，NDS表现出很强的留出集准确率，并优于NutriBench上已发表的最佳语言模型结果。外部和盲法交叉映射评估表明，其类型化契约有利于可辩护的链接，并拒绝不支持的映射。在个体层面血糖指数分析中，固定的NDS输入在不同模型和重复运行中产生相同输出，而开放网络重建仍然不稳定。核心结论是，智能体介导的营养研究需要新的数据基础设施来处理数据身份、搜索和交叉映射。

## 1 引言

AI智能体能够检索文献、操作研究工具、编写并执行分析代码，并跨来源整合证据。我们用*智能体介导的研究*指代一种由人类指导的工作流程，其中智能体执行有界操作——查找证据、协调数据集、运行分析并记录产物——而研究者设定问题、约束和科学解释[21](https://arxiv.org/html/2608.10363#bib.bib21)。其前景不仅仅是更快的答案，而是从假设到可审计敏感性分析的更短路径。

营养学使这一机遇和约束都格外清晰。一项研究可能跨越食物成分表、膳食调查、品牌产品目录、价格、生物标志物和健康结局。智能体不仅要检索一个合理的营养素数值；它还必须选择预期的食物记录，保留其来源和发布版本，解读分析基础，并进行可审计的跨源连接。检索接地减少了对参数记忆的依赖，但它无法修复证据本身中的模糊标识符或缺失上下文[13](https://arxiv.org/html/2608.10363#bib.bib13)、[11](https://arxiv.org/html/2608.10363#bib.bib11)。

当前的食物数据格局使这些失败很可能发生。一项对覆盖110个国家的101个食物成分数据库的评估发现，只有32%提供API，只有17个满足FAIR原则全部13项评估标准（可发现、可访问、可互操作、可重用）[4](https://arxiv.org/html/2608.10363#bib.bib4)。该综述还报告，对于相同饮食，营养素摄入估计可能因所选数据库不同而相差20–45%[4](https://arxiv.org/html/2608.10363#bib.bib4)。互操作性尤其困难，因为没有一个数据库能独自提供它[14](https://arxiv.org/html/2608.10363#bib.bib14)、[10](https://arxiv.org/html/2608.10363#bib.bib10)。食物来源很少共享稳定标识符，而名称随地域、物种、制备方式、可食部分、加工方式、品牌和数据库目的而变化。字符串连接可能无声地混淆营养学上不同的食物；将来源展平为一个表可能抹去用于发现错误的发布历史和解析语义。连接独立发布的来源反而需要显式映射断言：哪些记录相关，通过什么关系，依据什么证据和置信度，在哪个端点版本下，并且在不存在可辩护链接时给出显式的不支持结果。因此，描述驱动的食物匹配不是叠加在基础设施上的应用；它正是使原本互不连接来源得以互操作的机制。

因此，我们将FAIR作为需求词汇表。AI并未重新定义FAIR；它提高了充分实施的标准。一个细心的研究者可能从文档中恢复的上下文必须可机器操作，并且模糊的连接必须显式失败，而不是在查询时临时凑合。

我们提出营养数据服务（NDS），一种面向这些需求构建的保留数据源基础设施。NDS保留独立可寻址的来源记录和营养素观测；通过混合检索、上下文排序和弃权来解析自然语言描述；在不折叠端点的情况下构建可审计的交叉映射；并通过REST、批量导出和Model Context Protocol（MCP）工具暴露结构化数据。

我们做出三项贡献。（1）基础设施：一个已部署的数据模型和访问层，保留来源身份、发布版本、营养素语义和存储的谱系。（2）解析与交叉映射：一个共享的描述驱动流水线，用于自然语言查找和跨源映射，在从膳食研究食品与营养素数据库（FNDDS）到血糖指数（GI）记录的已部署交叉映射中得以验证。（3）评估：对记录解析、端到端营养素估计、开放集对齐、交叉映射质量和可复现智能体使用的测试，并以来源协调作为支持性验证。

[第2节](https://arxiv.org/html/2608.10363#S2)讨论相关工作；[第3节](https://arxiv.org/html/2608.10363#S3)推导AI时代FAIR标准；[第4节](https://arxiv.org/html/2608.10363#S4)描述系统；[第5节](https://arxiv.org/html/2608.10363#S5)和[第6节](https://arxiv.org/html/2608.10363#S6)报告证据及其局限。

## 2 相关工作

#### 食物成分数据与协调。

食物成分数据库是营养科学的基础，然而其碎片化和不均衡的管理已被充分记录。全球评估发现更新不频繁、二级数据广泛复用，以及FAIR采纳存在地域差异[4](https://arxiv.org/html/2608.10363#bib.bib4)；已发表的研究也常常省略可复现性所需的数据库版本[14](https://arxiv.org/html/2608.10363#bib.bib14)。在成分、价格、环境和地理空间来源之间，交叉映射很少[10](https://arxiv.org/html/2608.10363#bib.bib10)。EuroFIR和新兴的最小信息标准在编译时处理协调问题[18](https://arxiv.org/html/2608.10363#bib.bib18)、[3](https://arxiv.org/html/2608.10363#bib.bib3)。我们转而连接未采纳共同标准的独立发布的成分、调查和品牌食物来源[7](https://arxiv.org/html/2608.10363#bib.bib7)。

#### 食物语义与映射标准。

FoodOn将LanguaL的大部分词汇转化为OWL本体，并在食品、原料、品质和过程之间建立显式关系[6](https://arxiv.org/html/2608.10363#bib.bib6)。共享本体映射的简单标准（SSSOM）提供了一种互补模式，用于交换带有类型化关系、理由、来源和置信度元数据的映射[15](https://arxiv.org/html/2608.10363#bib.bib15)。这些标准使食物和映射更可机器读取，但不决定应断言哪些记录级映射、何时弃权，或如何在来源版本变化时维护映射。

#### 食物记录匹配。

先前系统使用模糊距离、嵌入和大语言模型（LLMs）来映射食物描述。Morales-Garzón等人[17](https://arxiv.org/html/2608.10363#bib.bib17)表明，一条描述在多个特异性层级上可能存在可辩护的候选。NutriBench评估从餐食描述中估计碳水化合物的任务[5](https://arxiv.org/html/2608.10363#bib.bib5)。Lemay等人[12](https://arxiv.org/html/2608.10363#bib.bib12)将弃权作为一等结果，并表明相似性阈值不能干净地区分匹配与非匹配。NutriMatch[9](https://arxiv.org/html/2608.10363#bib.bib9)结合LLM归一化、嵌入检索和LLM验证，以扩展跨国家数据库的营养素覆盖。这些系统激发了我们聚焦于作为基础设施的匹配：不仅选择记录，还要发布审计或重放该选择所需的关系、证据、发布范围与弃权。

#### 大语言模型作为营养访问层。

NGQA等基准现在测试对美国国家健康与营养调查（NHANES）档案和FNDDS食物的个性化推理[22](https://arxiv.org/html/2608.10363#bib.bib22)。LLM也在被评估为遵循指南的营养信息的直接界面[19](https://arxiv.org/html/2608.10363#bib.bib19)，这提高了将答案锚定在版本化、保留数据源数据中的重要性。然而，模型答案难以引用或重放，并且仍然容易产生幻觉[11](https://arxiv.org/html/2608.10363#bib.bib11)。检索接地[13](https://arxiv.org/html/2608.10363#bib.bib13)仅在界面保留其返回证据的来源、发布版本和映射上下文时才有帮助。

## 3 AI时代的FAIR原则

FAIR面向人类研究者和计算智能体。它描述了数字研究对象的属性——包括数据、元数据、算法和工作流——而不规定存储或搜索架构[20](https://arxiv.org/html/2608.10363#bib.bib20)。因此，应用它需要特定领域的解释[8](https://arxiv.org/html/2608.10363#bib.bib8)。

对于智能体介导的营养研究，相关对象从数据集发布版本到记录、值或映射不等。表1列出了本文使用的标准和相应的NDS机制。

表1：面向智能体介导营养研究的FAIR标准与NDS机制。

## 4 系统

### 4.1 架构

参见图1说明：营养数据服务（NDS）分离权威来源存储、可重建检索索引，以及面向AI智能体和应用的访问。图1展示了NDS的高层架构。离线索引从来源描述构建搜索索引。在线请求使用该索引检索并重新排序候选，然后通过MCP或REST暴露选中的来源记录。MCP是一种开放协议，智能体通过它发现并调用命名的外部工具[1](https://arxiv.org/html/2608.10363#bib.bib