# Nährwerte vervollständigen

Findet Zutaten, bei denen Eigenschaften fehlen, lässt die Lücken schätzen und
schreibt sie nach Prüfung zurück.

## Die drei Schritte

**1 · Prüfen** liest alle Zutaten und Eigenschaften und zeigt, wo was fehlt.
Sortiert nach Rezeptzahl — eine Lücke bei „Zwiebel“ (18 Rezepte) wiegt
schwerer als bei „Yuzukosho“ (0 Rezepte). Verändert nichts.

**2 · Vorschlagen** lässt ein Sprachmodell die fehlenden Werte je 100 g
schätzen. Geht in Blöcken zu 20 Zutaten an OpenAI. Schreibt eine
Vorschlagsdatei, in Tandoor passiert nichts.

**3 · Übernehmen** zeigt jeden Vorschlag mit Häkchen und änderbarem Wert.
Erst „Trockenübung“, dann „Übernehmen“. Von jeder geänderten Zutat wird der
Zustand vorher und nachher gesichert.

## Was die Zahlen sind — und was nicht

Schätzungen eines Sprachmodells. Für Hausgebrauch und Größenordnung gedacht,
keine Laboranalyse. Wer Nährwerte medizinisch braucht, prüft sie besser gegen
eine echte Datenbank. Deshalb ist jeder Wert vor dem Schreiben editierbar.

## Wie es mit Tandoor umgeht

* Vorhandene Werte werden **nie** überschrieben (außer man hakt es ausdrücklich an).
* Tandoor ersetzt beim `PATCH` die komplette `properties`-Liste. Das Tool
  schickt deshalb immer den vollständigen Bestand mit — sonst fiele weg, was
  schon da war.
* Zutaten ohne Bezugsmenge bekommen sie mitgesetzt (Vorgabe: 100 g). Ohne die
  kann Tandoor keine Rezeptwerte rechnen.

## Ohne Suite

    export TANDOOR_URL=https://kitchen.example.de
    export TANDOOR_TOKEN=...
    export OPENAI_API_KEY=...

    python3 plugins/tandoor-nutrition/tool/nutrition.py pruefen
    python3 plugins/tandoor-nutrition/tool/nutrition.py vorschlagen --limit 20
    python3 plugins/tandoor-nutrition/tool/nutrition.py uebernehmen \
        --vorschlag data/tandoor-nutrition/vorschlaege/<datei>.json --apply

## Dateien

    data/tandoor-nutrition/bericht/bericht.json     letzte Prüfung
    data/tandoor-nutrition/bericht/luecken.csv      dieselbe als Tabelle
    data/tandoor-nutrition/vorschlaege/<zeit>.json  Vorschläge
    data/tandoor-nutrition/laeufe/<zeit>/           Sicherungen je Übernahme

## Wenn „Vorschlagen“ nur „ohne Ergebnis“ liefert

Kommt ein Lauf mit 0 Vorschlägen und „N ohne Ergebnis“ zurück, ist meist die
Modell-Abfrage grundsätzlich gescheitert, nicht an einzelnen Zutaten. Der erste
Fehler steht jetzt in der Vorschlagsdatei (`error`) und im Übernehmen-Reiter.

Schnellster Weg zur Ursache: im Reiter „2 · Vorschlagen“ auf **Verbindung
testen** (oder `nutrition.py probe`). Das macht eine einzelne Beispiel-Abfrage
und zeigt den vollständigen Fehler. Häufige Ursachen:

* **Modellname** nicht vorhanden oder nicht freigeschaltet → in den
  Einstellungen ein anderes Modell setzen (`OPENAI_MODEL`).
* **API-Key** wird abgelehnt → `OPENAI_API_KEY` prüfen.
* **Guthaben/Kontingent** erschöpft.
* **Aufruf-Parameter**: Neuere Modelle lehnen `temperature` ungleich dem
  Standard oder `response_format` ab. Das Tool probiert solche Fälle inzwischen
  selbst mildere Varianten durch und merkt sich die funktionierende — hier ist
  also normalerweise nichts mehr zu tun.