[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"skill-1f8b6332-1b1a-439f-8d8d-d7f1b0a46dc6":3,"$fs3QwMBK891gqR0JJP6oyLR-veIdHTTxdXGXYSpXw8mY":42},{"id":4,"title":5,"description":6,"categoryId":7,"moduleId":8,"tags":9,"prompt":10,"icon":11,"source":12,"sourceUrl":13,"authorId":14,"authorName":15,"isPublic":16,"stars":17,"runs":18,"createdAt":19,"updatedAt":19,"module":20,"category":27,"packages":33},"1f8b6332-1b1a-439f-8d8d-d7f1b0a46dc6","food-database-query","食品数据库查询","cat_coding_backend","mod_coding","sickn33,coding","---\nname: food-database-query\ndescription: Food Database Query\nrisk: unknown\nsource: community\n---\n\n# 食物数据库查询技能\n\n**技能名称**: Food Database Query\n**技能类型**: 数据查询与分析\n**创建日期**: 2026-01-06\n**版本**: v1.0\n\n---\n\n## When to Use\n- 需要查询食物营养成分、比较食物差异或做营养计算时使用。\n- 任务涉及食物数据库检索、食物推荐、份量换算或分类筛选。\n- 需要基于结构化食物数据生成分析结果而不是自由文本建议时使用。\n\n## 技能概述\n\n本技能提供全面的营养食物数据库查询功能,支持食物营养信息查询、比较、推荐和自动营养计算。\n\n**核心功能**:\n- ✅ 食物营养信息查询\n- ✅ 食物比较分析\n- ✅ 智能食物推荐\n- ✅ 自动营养计算\n- ✅ 分类浏览和搜索\n- ✅ 份量转换和估算\n\n---\n\n## 数据源\n\n### 主数据库\n- **文件**: `data\u002Ffood-database.json`\n- **内容**: 50种常见食物的详细营养数据\n- **结构**: 每种食物包含30+营养素指标\n\n### 分类体系\n- **文件**: `data\u002Ffood-categories.json`\n- **分类**: 10大类,30+子类\n- **支持**: 按分类浏览和筛选\n\n---\n\n## 功能模块\n\n### 1. 食物查询 (Food Query)\n\n#### 1.1 精确查询\n\n**用途**: 根据食物名称查询营养信息\n\n**支持输入**:\n- 中文名称: \"燕麦\", \"西兰花\", \"三文鱼\"\n- 英文名称: \"Oats\", \"Broccoli\", \"Salmon\"\n- 别名: \"燕麦片\", \"broccoli\", \"三文鱼肉\"\n\n**查询流程**:\n1. 接收食物名称\n2. 在数据库中搜索匹配项\n3. 支持模糊匹配和别名匹配\n4. 返回完整营养信息\n\n**返回信息**:\n- 基本信息 (名称、分类、标准份量)\n- 宏量营养素 (卡路里、蛋白质、碳水、脂肪、纤维)\n- 微量营养素 (维生素、矿物质)\n- 特殊营养素 (Omega-3\u002F6、胆碱等)\n- 升糖指数数据\n- 健康标签和适用人群\n- 常见份量\n- 营养优势说明\n\n**示例**:\n```python\n# 用户输入: \"燕麦\"\n# 返回:\n{\n  \"name\": \"燕麦\",\n  \"name_en\": \"Oats\",\n  \"category\": \"谷物类\",\n  \"nutrition_per_100g\": {\n    \"calories\": 389,\n    \"protein_g\": 16.9,\n    \"carbs_g\": 66.3,\n    \"fat_g\": 6.9,\n    \"fiber_g\": 10.6,\n    # ... 更多营养素\n  },\n  \"health_tags\": [\"高纤维\", \"低GI\"],\n  \"glycemic_index\": {\"value\": 55, \"level\": \"低\"}\n}\n```\n\n#### 1.2 模糊搜索\n\n**用途**: 根据营养特征搜索食物\n\n**搜索条件**:\n- 营养素含量: \"高蛋白\", \"高纤维\", \"低GI\"\n- 营养素组合: \"高蛋白 低卡路里\", \"高纤维 低GI\"\n- 分类筛选: \"谷物类\", \"蔬菜\", \"蛋白质\"\n- 适用人群: \"素食友好\", \"高血压\", \"糖尿病\"\n\n**搜索逻辑**:\n```python\n# 示例: 搜索\"高蛋白 低卡路里\"\ndef search_foods(criteria):\n    results = []\n    for food in database:\n        protein = food.nutrition_per_100g.protein_g\n        calories = food.nutrition_per_100g.calories\n\n        # 定义阈值\n        high_protein = protein >= 15  # 每100g≥15g蛋白质\n        low_calorie = calories \u003C= 150  # 每100g≤150卡\n\n        if high_protein and low_calorie:\n            results.append(food)\n\n    return sorted(results, key=lambda x: x.protein_g, reverse=True)\n```\n\n**返回格式**:\n- 按匹配度排序\n- 显示关键营养素\n- 标注匹配标签\n\n#### 1.3 分类浏览\n\n**用途**: 按食物分类浏览所有食物\n\n**分类层级**:\n```\n蛋白质来源\n├── 肉类\n├── 禽类\n├── 鱼虾贝类\n├── 蛋类\n├── 豆类\n├── 坚果种子\n└── 乳制品\n```\n\n**浏览模式**:\n- 列出某分类下所有食物\n- 按营养素排序\n- 按GI值排序\n- 按健康标签筛选\n\n---\n\n### 2. 食物比较 (Food Comparison)\n\n#### 2.1 双食物比较\n\n**功能**: 比较两种食物的营养差异\n\n**比较维度**:\n- **宏量营养素**: 卡路里、蛋白质、碳水、脂肪、纤维\n- **微量营养素**: 主要维生素和矿物质\n- **升糖指数**: GI值、升糖负荷\n- **营养密度**: 综合评分\n\n**计算逻辑**:\n```python\ndef compare_foods(food1, food2):\n    comparison = {}\n\n    # 宏量营养素差异\n    for nutrient in [\"calories\", \"protein_g\", \"fiber_g\"]:\n        val1 = food1.nutrition_per_100g[nutrient]\n        val2 = food2.nutrition_per_100g[nutrient]\n        diff = val1 - val2\n        percent = (diff \u002F val2) * 100\n\n        comparison[nutrient] = {\n            \"food1\": val1,\n            \"food2\": val2,\n            \"difference\": diff,\n            \"percent_change\": percent,\n            \"better\": \"food1\" if diff > 0 else \"food2\"\n        }\n\n    return comparison\n```\n\n**输出格式**:\n- 对比表格\n- 差异百分比\n- 优势标注\n- 推荐建议\n\n#### 2.2 多维度比较\n\n**支持模式**:\n- 全方位营养比较\n- 仅比较特定营养素\n- 仅比较GI值\n- 仅比较特定健康标签\n\n**示例**: `\u002Fnutrition compare 三文鱼 鸡胸肉 营养素`\n\n---\n\n### 3. 食物推荐 (Food Recommendation)\n\n#### 3.1 基于营养素推荐\n\n**推荐逻辑**:\n```python\ndef recommend_by_nutrient(nutrient, min_value=None, max_value=None):\n    recommendations = []\n\n    for food in database:\n        value = food.nutrition_per_100g[nutrient]\n\n        # 筛选符合条件\n        if min_value and value \u003C min_value:\n            continue\n        if max_value and value > max_value:\n            continue\n\n        recommendations.append({\n            \"food\": food,\n            \"value\": value,\n            \"rda_percent\": (value \u002F RDA[nutrient]) * 100\n        })\n\n    # 按含量排序\n    return sorted(recommendations, key=lambda x: x[\"value\"], reverse=True)\n```\n\n**推荐类别**:\n- **高蛋白**: ≥15g\u002F100g\n- **高纤维**: ≥5g\u002F100g\n- **低GI**: ≤55\n- **富含维生素C**: ≥50mg\u002F100g\n- **富含Omega-3**: ≥1g\u002F100g\n- **高钙**: ≥100mg\u002F100g\n- **高铁**: ≥3mg\u002F100g\n\n#### 3.2 多条件推荐\n\n**支持组合条件**:\n- \"高蛋白 低卡路里\"\n- \"高纤维 低GI\"\n- \"富含铁 素食友好\"\n\n**排序策略**:\n1. 按第一优先级排序\n2. 筛选符合第二条件的\n3. 综合评分排序\n\n#### 3.3 基于健康状况推荐\n\n**高血压 (DASH饮食)**:\n- 低钠食物\n- 高钾食物\n- 高镁、高钙食物\n\n**糖尿病**:\n- 低GI食物\n- 高纤维食物\n- 低碳水化合物\n\n**高血脂**:\n- 高Omega-3食物\n- 低饱和脂肪\n- 高纤维食物\n\n**骨质疏松**:\n- 高钙食物\n- 富含维生素D\n- 高镁、高锌\n\n**贫血**:\n- 富含铁\n- 富含叶酸\n- 富含维生素B12\n\n---\n\n### 4. 自动营养计算 (Auto Nutrition Calculation)\n\n#### 4.1 食物识别\n\n**输入解析**:\n```python\ndef parse_food_input(text):\n    # 示例: \"燕麦粥 1杯 + 鸡蛋 1个 + 牛奶 250ml\"\n\n    foods = []\n    portions = []\n\n    # 识别食物名称\n    for item in text.split(\"+\"):\n        food_name = extract_food_name(item)  # \"燕麦粥\"\n        portion = extract_portion(item)      # \"1杯\"\n\n        # 标准化食物名称\n        standard_name = normalize_food_name(food_name)  # \"燕麦\"\n\n        # 查询数据库\n        food_data = query_database(standard_name)\n\n        foods.append(food_data)\n        portions.append(parse_portion(portion))\n\n    return foods, portions\n```\n\n#### 4.2 份量转换\n\n**常见份量**:\n- \"1杯\": 240ml (液体) 或 重量依据食物\n- \"1个\": 鸡蛋50g, 苹果150g\n- \"1片\": 面包30g\n- \"100g\": 直接使用\n\n**份量数据库**:\n```json\n{\n  \"common_portions\": [\n    {\n      \"amount\": 1,\n      \"unit\": \"个\",\n      \"weight_g\": 50,\n      \"description\": \"1个大号鸡蛋\"\n    },\n    {\n      \"amount\": 1,\n      \"unit\": \"杯\",\n      \"weight_g\": 240,\n      \"description\": \"1杯牛奶\"\n    }\n  ]\n}\n```\n\n#### 4.3 营养计算\n\n**计算公式**:\n```python\ndef calculate_nutrition(food, portion_grams):\n    nutrition = {}\n\n    for nutrient, value_per_100g in food.nutrition_per_100g.items():\n        # 按100g比例计算\n        nutrition[nutrient] = (value_per_100g * portion_grams) \u002F 100\n\n    return nutrition\n```\n\n#### 4.4 烹饪影响修正\n\n**考虑因素**:\n- 煮熟后重量变化\n- 维生素损失\n- 营养素保留率\n\n**示例**:\n- 燕麦生:100g → 煮熟:约300g (3倍重量)\n- 维生素保留: 煮熟保留60-80%\n\n---\n\n### 5. 智能搜索 (Smart Search)\n\n#### 5.1 别名匹配\n\n**支持同义词**:\n- \"燕麦\" = \"燕麦片\" = \"oats\" = \"rolled oats\"\n- \"西兰花\" = \"绿花菜\" = \"broccoli\"\n\n**匹配算法**:\n```python\ndef find_food(name):\n    # 1. 精确匹配主名称\n    if name in database:\n        return database[name]\n\n    # 2. 匹配别名\n    for food in database:\n        if name in food.aliases:\n            return food\n\n    # 3. 模糊匹配\n    matches = fuzzy_search(name)\n    if matches:\n        return matches[0]\n\n    return None\n```\n\n#### 5.2 拼写纠错\n\n**编辑距离算法**:\n```python\ndef fuzzy_search(name, max_distance=2):\n    matches = []\n\n    for food in database:\n        # 计算编辑距离\n        distance = levenshtein_distance(name, food.name)\n\n        if distance \u003C= max_distance:\n            matches.append((food, distance))\n\n    # 按距离排序\n    return sorted(matches, key=lambda x: x[1])\n```\n\n---\n\n## 数据结构\n\n### 食物数据结构\n\n```json\n{\n  \"id\": \"FD_001\",\n  \"name\": \"燕麦\",\n  \"name_en\": \"Oats\",\n  \"aliases\": [\"燕麦片\", \"oats\", \"rolled oats\"],\n  \"category\": \"grains\",\n  \"subcategory\": \"whole_grains\",\n\n  \"standard_portion\": {\n    \"amount\": 100,\n    \"unit\": \"g\",\n    \"description\": \"100克\"\n  },\n\n  \"nutrition_per_100g\": {\n    \"calories\": 389,\n    \"protein_g\": 16.9,\n    \"carbs_g\": 66.3,\n    \"fat_g\": 6.9,\n    \"fiber_g\": 10.6,\n    \"sugar_g\": 0.99,\n    \"saturated_fat_g\": 1.4,\n    \"monounsaturated_fat_g\": 2.5,\n    \"polyunsaturated_fat_g\": 2.9,\n    \"trans_fat_g\": 0,\n    \"water_g\": 8.9,\n\n    \"vitamin_a_mcg\": 0,\n    \"vitamin_c_mg\": 0,\n    \"vitamin_d_mcg\": 0,\n    \"vitamin_e_mg\": 1.1,\n    \"vitamin_k_mcg\": 1.9,\n    \"thiamine_mg\": 0.763,\n    \"riboflavin_mg\": 0.139,\n    \"niacin_mg\": 6.921,\n    \"vitamin_b6_mg\": 0.165,\n    \"folate_mcg\": 56,\n    \"vitamin_b12_mcg\": 0,\n    \"pantothenic_acid_mg\": 1.349,\n    \"biotin_mcg\": 0,\n\n    \"calcium_mg\": 54,\n    \"iron_mg\": 4.72,\n    \"magnesium_mg\": 177,\n    \"phosphorus_mg\": 523,\n    \"potassium_mg\": 429,\n    \"sodium_mg\": 2,\n    \"zinc_mg\": 3.97,\n    \"copper_mg\": 0.526,\n    \"manganese_mg\": 4.916,\n    \"selenium_mcg\": 2.8,\n    \"iodine_mcg\": 0\n  },\n\n  \"special_nutrients\": {\n    \"omega_3_g\": 0.685,\n    \"omega_6_g\": 1.428,\n    \"choline_mg\": 43.4,\n    \"beta_carotene_mcg\": 0,\n    \"lutein_mcg\": 0,\n    \"zeaxanthin_mcg\": 0\n  },\n\n  \"glycemic_index\": {\n    \"value\": 55,\n    \"level\": \"低\",\n    \"glycemic_load\": 11\n  },\n\n  \"common_portions\": [\n    {\n      \"amount\": 30,\n      \"unit\": \"g\",\n      \"description\": \"1\u002F4杯\",\n      \"approximate_volume\": \"1\u002F4 cup\"\n    },\n    {\n      \"amount\": 40,\n      \"unit\": \"g\",\n      \"description\": \"1\u002F3杯\",\n      \"approximate_volume\": \"1\u002F3 cup\"\n    },\n    {\n      \"amount\": 200,\n      \"unit\": \"ml\",\n      \"description\": \"煮熟1杯\",\n      \"notes\": \"煮熟后体积增加\"\n    }\n  ],\n\n  \"cooking_effects\": {\n    \"boiling\": {\n      \"weight_change_percent\": 200,\n      \"nutrient_changes\": {\n        \"vitamin_c_retention\": 0,\n        \"b_vitamins_retention\": 60\n      }\n    }\n  },\n\n  \"health_tags\": [\"高纤维\", \"低GI\", \"无麸质选项\", \"心脏健康\"],\n\n  \"suitable_for\": [\"素食者\", \"高血压\", \"糖尿病\", \"高血脂\"],\n\n  \"notes\": \"富含β-葡聚糖,有助于降低胆固醇\"\n}\n```\n\n---\n\n## RDA参考值\n\n### 成年男性 (19-50岁)\n\n```python\nRDA = {\n  # 宏量营养素\n  \"calories\": 2500,  # 中等活动水平\n  \"protein_g\": 56,\n  \"carbs_g\": 130,  # 最低值\n  \"fiber_g\": 38,\n\n  # 维生素\n  \"vitamin_a_mcg\": 900,\n  \"vitamin_c_mg\": 90,\n  \"vitamin_d_mcg\": 15,\n  \"vitamin_e_mg\": 15,\n  \"vitamin_k_mcg\": 120,\n  \"thiamine_mg\": 1.2,\n  \"riboflavin_mg\": 1.3,\n  \"niacin_mg\": 16,\n  \"vitamin_b6_mg\": 1.3,\n  \"folate_mcg\": 400,\n  \"vitamin_b12_mcg\": 2.4,\n  \"pantothenic_acid_mg\": 5,\n  \"biotin_mcg\": 30,\n\n  # 矿物质\n  \"calcium_mg\": 1000,\n  \"iron_mg\": 8,\n  \"magnesium_mg\": 400,\n  \"phosphorus_mg\": 700,\n  \"potassium_mg\": 3400,\n  \"sodium_mg\": 1500,  # 上限\n  \"zinc_mg\": 11,\n  \"copper_mg\": 0.9,\n  \"manganese_mg\": 2.3,\n  \"selenium_mcg\": 55\n}\n```\n\n### 成年女性 (19-50岁)\n\n```python\nRDA_FEMALE = {\n  \"calories\": 2000,  # 中等活动水平\n  \"protein_g\": 46,\n  \"fiber_g\": 25,\n  \"iron_mg\": 18,  # 育龄期\n  # ... 其他略有差异\n}\n```\n\n---\n\n## 集成功能\n\n### 与营养模块集成\n\n1. **记录饮食**: 自动查询营养数据\n2. **营养分析**: 基于数据库的精确计算\n3. **营养建议**: 数据驱动的食物推荐\n\n### 与健康模块集成\n\n1. **高血压**: 推荐DASH饮食友好食物\n2. **糖尿病**: 筛选低GI食物\n3. **高血脂**: 推荐高Omega-3食物\n\n### 与运动模块集成\n\n1. **运动前后**: 推荐合适的食物\n2. **增肌**: 高蛋白食物推荐\n3. **减脂**: 低卡路里高蛋白食物\n\n---\n\n## 使用示例\n\n### 示例1: 记录早餐\n\n**用户输入**:\n```\n\u002Fnutrition record breakfast 燕麦粥 1杯 + 鸡蛋 1个 + 牛奶 250ml\n```\n\n**系统处理**:\n1. 识别食物: 燕麦、鸡蛋、牛奶\n2. 查询营养数据\n3. 计算份量营养\n4. 汇总整餐营养\n5. 记录到日志\n\n**返回结果**:\n```markdown\n✅ 早餐已记录\n\n**食物**: 燕麦粥(1杯) + 鸡蛋(1个) + 牛奶(250ml)\n\n**营养汇总**:\n- 卡路里: 417 卡\n- 蛋白质: 25.1g\n- 碳水化合物: 48.5g\n- 脂肪: 15.2g\n- 膳食纤维: 8.2g\n\n**微量营养素亮点**:\n- 维生素D: 3.1 μg (21% RDA)\n- 钙: 332 mg (33% RDA)\n- 维生素B12: 1.3 μg (54% RDA)\n```\n\n### 示例2: 查询食物\n\n**用户输入**:\n```\n\u002Fnutrition food 三文鱼\n```\n\n**返回结果**:\n```markdown\n# 三文鱼 营养信息\n\n## 基本信息\n- **名称**: 三文鱼 (Salmon)\n- **分类**: 蛋白质来源 > 鱼虾贝类\n- **标准份量**: 100克\n\n## 宏量营养素 (每100克)\n- **卡路里**: 208 卡\n- **蛋白质**: 20g ✅\n- **碳水化合物**: 0g\n- **脂肪**: 13g\n- **Omega-3**: 2.5g ✅✅✅\n\n## 营养亮点\n- ✅✅✅ 富含Omega-3脂肪酸 (EPA+DHA)\n- ✅✅ 高质量蛋白质\n- ✅ 富含维生素D (11μg)\n- ✅ 富含维生素B12 (3.2μg)\n\n## 健康标签\n- ✅ 高蛋白\n- ✅ 富含Omega-3\n- ✅ 心脏健康\n- ✅ 大脑健康\n\n## 推荐份量\n- 100-150g\u002F餐 (每周2-3次)\n```\n\n### 示例3: 比较食物\n\n**用户输入**:\n```\n\u002Fnutrition compare 鸡胸肉 三文鱼\n```\n\n**返回结果**:\n```markdown\n# 食物比较: 鸡胸肉 vs 三文鱼\n\n## 营养对比 (每100克)\n\n| 营养素 | 鸡胸肉 | 三文鱼 | 差异 |\n|--------|--------|--------|------|\n| 卡路里 | 165 | 208 | +26% |\n| 蛋白质 (g) | 31 | 20 | -35% ✅ |\n| 脂肪 (g) | 3.6 | 13 | +261% |\n| Omega-3 (g) | 0.1 | 2.5 | +2400% ✅✅✅ |\n\n## 推荐建议\n\n**选择鸡胸肉更适合**:\n- ✅ 减脂期间 (低卡高蛋白)\n- ✅ 控制脂肪摄入\n- ✅ 蛋白质需求高\n\n**选择三文鱼更适合**:\n- ✅ 心脏健康 (高Omega-3)\n- ✅ 大脑健康 (DHA)\n- ✅ 抗炎需求\n```\n\n---\n\n## 扩展计划\n\n### 短期 (1-2个月)\n- ✅ 完成50种常见食物\n- ⏳ 扩展至100种食物\n- ⏳ 添加更多常见份量\n- ⏳ 优化搜索算法\n\n### 中期 (3-6个月)\n- ⏳ 扩展至300种食物\n- ⏳ 添加品牌食品\n- ⏳ 支持用户自定义食物\n- ⏳ 添加食物照片\n\n### 长期 (持续)\n- ⏳ 持续更新数据库\n- ⏳ 添加季节性食物\n- ⏳ 集成条形码扫描\n- ⏳ AI食物识别\n\n---\n\n## 质量保证\n\n### 数据准确性\n- 来源: 《中国食物成分表(第6版)》+ USDA\n- 验证: 交叉验证多个来源\n- 更新: 定期更新数据\n\n### 功能测试\n- 查询准确性测试\n- 计算精度测试\n- 边界条件测试\n- 性能测试\n\n---\n\n## 注意事项\n\n### ⚠️ 重要限制\n1. **数据范围**: 当前仅覆盖50种常见食物\n2. **烹饪影响**: 数据基于生食\u002F标准烹饪\n3. **个体差异**: 实际营养吸收因人而异\n4. **地域差异**: 不同地区食物营养可能不同\n\n### ⚠️ 使用建议\n1. **均衡饮食**: 不要依赖单一食物\n2. **多样化选择**: 轮换不同食物\n3. **适量原则**: 即使健康食物也需适量\n4. **专业指导**: 特殊需求咨询营养师\n\n---\n\n## 技术实现\n\n### 文件位置\n- 数据库: `data\u002Ffood-database.json`\n- 分类: `data\u002Ffood-categories.json`\n- 命令: `.claude\u002Fcommands\u002Fnutrition.md`\n- 技能: `.claude\u002Fskills\u002Ffood-database-query\u002FSKILL.md`\n\n### 性能优化\n- 数据库索引 (食物名称、分类)\n- 缓存常用查询\n- 模糊搜索优化\n\n---\n\n**技能版本**: v1.0\n**最后更新**: 2026-01-06\n**维护者**: WellAlly Tech\n\n## Limitations\n- Use this skill only when the task clearly matches the scope described above.\n- Do not treat the output as a substitute for environment-specific validation, testing, or expert review.\n- Stop and ask for clarification if required inputs, permissions, safety boundaries, or success criteria are missing.\n","","imported","https:\u002F\u002Fgithub.com\u002Fsickn33\u002Fantigravity-awesome-skills","user_system_seed","SkillOPIC",true,231,1610,"2026-05-16 13:18:25",{"id":8,"name":21,"slug":22,"icon":23,"description":24,"sort":25,"createdAt":26},"编程开发","coding","mdi-code-braces","代码生成、调试、审查，提升开发效率",2,"2026-05-16 12:53:40",{"id":7,"name":28,"slug":29,"icon":30,"description":31,"moduleId":8,"sort":25,"skillCount":32,"createdAt":26},"后端开发","backend","mdi-server","API、数据库、服务端架构",296,[34],{"id":35,"skillId":4,"version":36,"fileName":37,"fileSize":38,"filePath":39,"fileHash":40,"manifest":41,"createdAt":19},"97231533-d9b1-440a-b59f-cb43b53ff2ce","1.0.0","food-database-query.zip",6835,"uploads\u002Fskills\u002F1f8b6332-1b1a-439f-8d8d-d7f1b0a46dc6\u002Ffood-database-query.zip","d95e5e7d8db95928d3dd576d07259ac91772cca66ef9c545787fc951ee350e72","[{\"path\":\"SKILL.md\",\"isDirectory\":false,\"size\":16576}]",{"code":43,"message":44,"data":45},200,"success",{"items":46,"stats":47,"page":50},[],{"averageRating":48,"totalRatings":48,"ratingCounts":49},0,[48,48,48,48,48],{"limit":51,"offset":48,"hasMore":52,"nextOffset":51,"ratedOnly":16},15,false]