[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"$f3hhh3vxbn8sle":3},{"code":4,"message":5,"data":6,"timestamp":26},10000,"success",{"full_name":7,"position":8,"description":9,"language":10,"stars":11,"forks":12,"stars_gained":13,"age_days":14,"hn_threads":15,"one_liner":16,"summary_md":17,"topic":18,"github_topics":21,"license":22,"homepage":23,"updated_at":24,"history":25},"yeqv111\u002Fmccarbon",22,"麦麦碳账本 · 基于麦当劳 MCP 的个人餐饮碳足迹估算与减排模拟器 | Personal dining carbon footprint estimator powered by McDonald's MCP","Python",1382,37,112,13,[],"用麦当劳 MCP 读取个人订单，估算一年的餐饮碳足迹，并模拟换单品能减多少。","## 解决什么问题\n\n多数人只知道牛肉比鸡肉碳排放高，但没法把它变成自己的数字：我这一年点的麦当劳，到底排了多少 CO2e，哪一类占了大头？mccarbon 通过麦当劳官方 MCP 拉取历史订单，生成一份个人碳账本，给出总量、A–E 等级、月度曲线，并把排放拆成餐品、包装、配送三层。\n\n## 有什么不同\n\n常见做法是通用碳计算器，基于全国平均饮食，和你的真实订单无关。mccarbon 的不同在于把口径摊开：三层核算各有独立排放因子，有公开实测值的餐品直接用实测值（Vegan Society 的英国麦当劳数据、ADEME Agribalyse、欧盟牛肉 LCA），没有的按碳类别中值外推，并在 README 里明说。减排模拟器则把「红肉换白肉」「外送改自提」「拆套餐」这些动作换算成公斤数和占比。产物是单文件 HTML，图表用内联 SVG，不依赖 CDN 和脚本，适合截图分享。\n\n## 适合谁\n\n有麦当劳 MCP Token、攒了几个月订单、想看看自己饮食结构在碳维度上是什么形状的个人用户。也适合愿意逐条核对假设的人——所有因子都在一个 Python 文件里。不适合需要对外披露、口径必须绝对可靠的场景，README 自己写明是估算值；也不适合几乎不在 MCP 覆盖渠道点单的人。极少吃快餐或不吃肉的用户，模拟器里没什么可优化的。\n\n## 上手成本\n\nPython 3.9+，零第三方依赖，MIT 许可，自带 `--mock` 离线模式和全年示例数据，不用申请任何凭证就能先看效果。接真实数据需要自行申请 MCP Token，可能过期或返回 401。中文菜单的因子大多靠类别中值外推而非实测，精度受此限制。项目仅创建 12 天，文档基本就是 README，有单元测试，尚无长期维护记录。\n\n## 点评\n\n热度真实但非常新：不到两周拿到约 1566 star，日均约 +124，出现在新项目榜而非主 trending 榜，Hacker News 上没有讨论。它是为参赛而写的（README 提到参赛声明），这也解释了为何方法学部分写得格外重、还附带竞品分析文档；赛后是否继续维护未知。作为个人好奇心的工具，它的核算模型确实可读，试错成本极低——一条命令、无需安装。但作为基础设施或权威排放数据来源，它还差得远。",{"slug":19,"name":20},"productivity","效率与系统工具",[],"MIT",null,"2026-10-25T02:36:37Z",[],1792922042]