Food4All：面向实时免费食物发现的多智能体框架及营养元数据集成

食物不安全是美国持续存在的公共卫生紧急情况，与慢性病、精神疾病和阿片滥用紧密交织。尽管存在数千个食物银行和仓库，但获取仍高度碎片化：1)当前检索系统依赖静态目录或通用搜索引擎，提供不完整且地理位置不相关的结果；2)基于LLM的聊天机器人仅提供模糊的营养建议，无法适应现实中的约束，如时间、活动力和交通工具；3)现有食物推荐系统侧重于烹饪多样性，忽视了面对食物不安全人群的生存性需求，包括近距离获取、核实可用性以及情境性障碍。这些限制可能使最易受困者——包括流浪者、成瘾者和数字不熟练者——无法获取紧急所需资源。为此，我们引入Food4All——首个专为实现实时、情境感知的免费食物检索而设计的多智能体框架。Food4All统一了三项创新：1)跨官方数据库、社区平台和社交媒体的异构数据聚合，提供持续更新的食物资源池；2)在精选案例上训练的轻量级强化学习算法，优化地理可达性和营养正确性；3)在线反馈循环，动态适应用户需求的演变。通过连接信息获取、语义分析与决策支持，Food4All在需求点提供带营养标注的食物指导。该框架为建立可扩展、平等且智能化的系统奠定了基础，直接支持面临食物不安全及其复合健康风险的人群。