找出每位 Mii 的最爱食物：七步测试法

在朋友聚会 新生活中，每个 Mii 都带有两组隐藏的食物设定：一个随机生成的最爱食物，和一个随机生成的讨厌食物。由于游戏从不显示这两个数值，想知道某个 Mii 究竟爱什么，唯一可靠的方法就是喂食并观察反应——而最省事的做法，是从其性格群组偏爱的食物入手。本指南把这个想法整理成一套可重复执行的流程：食物图表背后 48 种食物数据库如何组织、五个反应等级如何运作、社区估算亲和度模型对四大性格群组各有哪些预测，以及一个把猜测变成有记录、可重现搜索的七步测试循环。文中每一个数字都来自本站自己的数据文件，因此你可以亲手复现整套方法。

为什么最爱食物在你的岛上很重要

给 Mii 喂它的最爱食物，会在游戏的食物系统中触发最强烈的正面反应，而这个反应值得你围绕它做规划。社区 Wiki 与长期玩家的反馈都把最爱食物的场面形容为岛上最具戏剧性的开心动画之一：Mii 会庆祝，心情明显跃升，而心满意足的居民往往会笑着现身于推动友谊、恋爱与求婚的社交活动中。喂讨厌食物则恰恰相反——明显的负面反应。因此，同时掌握这两组隐藏设定可谓一举两得：它给你一个可靠的每日幸福杠杆，也让你不至于不小心端上唯一一道毁掉气氛的料理。

寻找最爱还有第二个不那么显眼的理由：食物测试是岛上少数能产生干净、以单个 Mii 为单位信息的活动。每一次喂食都是一场受控实验——一位居民、一种食物、一个可观察的反应——而反应的词汇量小到点一下就能记录。最爱一旦得到确认并写下来，之后关于这位居民的各种决策就轻松多了：每日巡岛时谁能吃到好东西、规划配对时该预期哪些反应，以及哪些食物永远不该端上餐桌。本指南余下的内容，就是要让这场实验变得便宜——每确认一个最爱所需的喂食次数更少，而且笔记零丢失。

搜索空间：8 大类别、48 种食物、16 个常见最爱

你的搜索空间正好是 48 种食物，分为 8 大类别——饮料、甜点、糖果、零食、主菜、水果、蔬菜与其他——而掌握这个结构，正是高效测试得以成立的原因。这个数据库就是食物图表背后的那一份。每个条目都带有三个与流程相关的属性：一个追踪器赖以索引的稳定 id、一个类别，以及一个 commonFavorite 标志，标记出社区最常观察到成为最爱的 16 个条目。完整分布如下：

从这张表中可以直接读出两个结构性细节。第一，分量最重的类别是 main（10 项）与 drink（9 项），因此无差别的暴力穷举会把大部分喂食次数消耗在这里——一套能延后处理大类别的方法，可以省下实实在在的游戏天数。第二，16 个 commonFavorite 条目集中在最受大众欢迎的位置：饮料中的 Cola、Juice 与 Soda；甜点中的 Cake、Ice Cream、Donut 与 Cookie；主菜中的 Pizza、Hamburger、Sushi 与 Curry。即便还没把性格纳入考量，这些标志也是很适合优先试探的对象。两个 other 条目——Boba Tea 与 Sundae——则是这份清单的小众末梢，而恰好有一个性格群组喜欢最先从这里看起。

反应如何运作：五个等级与一组隐藏配对

每一次喂食都会归结为五个反应等级之一——love、like、neutral、dislike 或 hate——而每个等级在游戏中都是一段独立且可观察的动画。这个五级量表也是本站追踪器使用的词汇：每行食物都配有五个精简的记录按钮，每个等级一个（♥ 代表超爱、▲ 代表喜欢、– 代表中立、▼ 代表不喜欢、✕ 代表讨厌），因此记录一个结果只需点一下。这个量表刻意做得粗略——细到足以分出两种正面食物的高下，又粗到你永远不会不确定自己刚刚看到的是哪一级。

在底层，本站模型为每种食物、每个性格群组附上一个 0–100 的亲和度分数，再由一条固定的分带规则把分数换算成预测等级：90 及以上映射到 love，75–89 到 like，40–74 到 neutral，25–39 到 dislike，低于 25 则是 hate。这些分带只用于预测。一旦 Mii 的实际最爱得到确认，模型就会短路：无论启发式法则怎么说，最爱食物一律强制为 love，讨厌食物一律强制为 hate。这个覆盖反映了游戏的真实行为——隐藏设定永远压过性格，而这正是测试存在的原因。

模型对各性格群组的预测

四个性格群组——外向组、自信组、独立组与随和组——各自在八个类别上有一套独特的排序，而这份排序就是你的测试顺序。下面的矩阵是本站数据文件中完整的社区估算基准；自上而下读一列，读到的就是该群组的建议菜单：

四份轮廓鲜明的菜单就此浮现。外向组 Mii——领袖、艺人、潮流引领者与乐观者——在糖果（95）、饮料（90）与甜点（85）上达到峰值：一群活力十足、派对取向的甜食爱好者。自信组 Mii——设计师、冒险家、实干家、魅力者——在主菜（90）上达到峰值，也就是这份清单上讲究排场的餐厅一端。独立组 Mii——艺术家、自由精神、思想家、独狼——则是有趣的案例：他们的最高分属于小众的 other 条目（85）与蔬菜（80），这正是 Boba Tea 与 Sundae 当初能够跻身数据库的原因。随和组 Mii——梦想家、甜心、温柔者、伙伴——偏爱家常的那一端：主菜（90）、零食（85）与蔬菜（85）。图表的反应预览会从每个群组抽样一位居民——领袖、实干家、思想家与伙伴——让你可以并排比较全部四份菜单。至于 Mii 一开始是如何被归入其中一个群组的，请参阅我们的 MBTI 映射指南。

这个矩阵有一个必须坦白的性质：每个单元格都落在 55 与 95 之间，这意味着单靠启发式法则，永远只能预测出 love、like 或 neutral。两个负面等级永远不会由性格亲和度产生。在实践中，负面反应来自第二组隐藏设定——讨厌食物，而它的随机程度与最爱食物一模一样。性格告诉你该从哪里开始寻找正面；至于负面藏在哪里，除了测试，没有任何东西能告诉你。

测试流程：七步确认最爱食物

这套方法的目标是用尽量少的喂食次数找出最爱：先测该群组最强的类别、记录每一个结果，并随证据积累修剪类别。你可以完全在食物图表的追踪器里执行它，它会跨会话记住你的检查清单。

1. 1确认 Mii 的性格群组。在性格图表或 MBTI 对照表上查询这位居民，记下所属群组：外向组、自信组、独立组或随和组。食物只看群组——子类型（例如乐观者与潮流引领者之别）不会改变亲和度矩阵。
2. 2取出该群组的前五名起始候选。图表的推荐面板会按所选群组的亲和度对全部 48 种食物排序，并显示得分最高的五种。对外向组 Mii 来说，那就是亲和度 95 的全部五种糖果；对随和组 Mii 来说，面板会从亲和度 90 的主菜开始。这五种食物就是你的第一轮测试。
3. 3一次喂一种候选，从亲和度最高的开始。一次喂一种能让证据保持干净——连珠炮式的赠礼会让你分不清哪一项造成了哪个反应。看完动画、用五级量表给它评级之后，再换下一个候选。
4. 4立即记录每一个结果。在该食物所在的一行点下对应的反应按钮。追踪器会以 localStorage 的 lifesimgrid-food-tracker 键保存检查清单，因此已测试的食物、记录过的反应与进度计数器在页面重新加载和浏览器重启后都会保留——无需账号、无需同步、笔记零丢失。
5. 5一看到最强烈的反应，当场确认赢家。在追踪器中把该食物标为 love，并在图表顶部的选择器中把它设为该 Mii 的最爱。从那一刻起，无论启发式法则会预测什么，图表都会对该食物强制 love，最爱就此定案。
6. 6如果某个类别全线平淡，淘汰它并转向该群组次强的类别。一个类别的条目接连出现 neutral 反应，就是最爱在别处的证据。保留所有 like 结果作为备选——受喜欢的食物不是最爱，但仍是可靠的日常选择。沿着亲和度矩阵逐类往下测，直到赢家出现为止。
7. 7顺手记录讨厌食物，并在切换 Mii 时重置。讨厌食物会在日常测试中以最强烈的负面反应现身——用同样的方式记录它，并在选择器中固定起来，让图表对它强制 hate。切换居民时，一键清空追踪器（或改用另一个浏览器配置文件），因为检查清单是按浏览器、而不是按 Mii 存储的。

这套方法的绝对上限是 48 次喂食——整个数据库。群组优先的排序正是为了让你几乎永远不会逼近这个数字。完整覆盖一个群组的前两大类别最多花费 15 次喂食（随和组与自信组 Mii 的主菜加零食合计 15 项），而独立组 Mii 最少只需 6 次，因为它偏爱的 other 与蔬菜类别合计只有 6 项。这些是起点预期值而非保证——隐藏设定是随机的，一位运气不佳的居民可能把你推向矩阵更深处。

实例演练：带一位外向组 Mii 走完整个循环

一位外向组 Mii——比如潮流引领者——应该先用糖果试探，推荐面板也同意这一点：五种糖果的亲和度全是 95，九种饮料以 90 在后面排队。以下是一场拟真的测试过程：

• 第 1–5 次喂食——Chocolate、Gum、Caramel、Licorice、Candy：Chocolate 得到明确的 like，Candy 又是一个 like，其余皆为 neutral。没有出现最高等级的反应，糖果出局——而且由于第一轮恰好覆盖整个糖果类别，五次喂食就把它完整淘汰。
• 第 6–8 次喂食——Cola、Juice、Soda：全部 neutral。三种常见最爱饮料接连平淡，对整个 9 项的饮料类别只是薄弱的反证，因此玩家先搁置六种未测试的饮料（Coffee、Tea、Milk、Water、Beer、Sake），直接跳级而不是逐一硬磨。
• 第 9–10 次喂食——Cake、Ice Cream：Cake 是 neutral，而 Ice Cream 出现了不会认错的最强正面反应。这就是最爱。
• 确认——Ice Cream 进入最爱选择器，图表从此对它强制 love，进度计数器显示 48 种食物已测试 10 种——约为数据库的 21%，换来一个已确认的赢家。

十次喂食换来一个已确认的最爱、一个完整淘汰的类别、一个搁置的类别，以及两种已记录、平常日子仍可端上桌的备选食物。注意这套方法完全没有碰什么：10 项的 main 类别与 4 项的 vegetable 类别——外向组 Mii 亲和度最低的两个类别（65 与 60）。讨厌食物仍是未知数——它与最爱一样随机——因此在平常的岛屿日子里，玩家会持续留意强烈的负面反应，并在它出现时于选择器中把它固定为 hate。对随和组 Mii 执行同样的循环时，只有切入点会移动：面板会改由主菜与零食打头阵，而不是糖果。

为什么最爱是随机的——以及为什么固定答案的指南必然失败

任何为特定性格印出固定最爱食物的指南，描述的都只是某一个存档，而不是这款游戏本身。我们图表背后的数据文件把情况说得很明白：朋友聚会 新生活并未公开官方的食物反应矩阵，而每个 Mii 都会获得一个随机生成的最爱食物和一个随机生成的讨厌食物。这种随机化是按居民、而不是按性格进行的——两个性格相同、名字相同、甚至编辑器滑块完全相同的 Mii，仍可能带着不同的隐藏最爱。

单是这一个事实，就重塑了一份实用指南可以有的样子。查表法行不通，因为答案根本不是任何你能从 Mii 身上读出的信息的函数。行得通的是一套搜索策略：把统计上更可能命中的候选排在前面的排序、永远不会弄丢结果的记录系统，以及随证据积累修剪类别的淘汰规则。这正是四大群组亲和度矩阵所提供的——起点，而非答案——也是为什么我们的食物图表内置的是持久保存的追踪器，而不是一张宣称固定最爱的表格。任何承诺按性格提供固定最爱的网站，都请比照星座运势看待：有趣、无法证伪，而且对你实际的岛屿毫无帮助。

模型的局限（务必阅读）

本指南中的亲和度数字是社区估算值，不是从游戏中提取的数据——Nintendo 从未公开食物系统的内部结构。这些预设值经过刻意调校，让每个群组在各类别上呈现独特的排序，因为唯有排序分明，“该先试哪种食物”的推荐才可能成立。这种调校是一种建模选择。它对社区观察的近似程度足以用来安排测试顺序，但和所有模型一样，它总会有出错的地方。

有三点注意事项值得牢记。第一，分带规则意味着模型最多只能预测到 neutral——所有预设值都不低于 55——因此负面反应永远是来自隐藏讨厌设定的意外，而不是预报。第二，48 项的数据库是从朋友聚会 新生活系列作品中观察到的食物精选出的子集，并非完整的游戏内食物清单；如果某次喂食出现了图表里找不到的反应，记录最接近的对应条目，然后继续。第三，追踪器在每个浏览器下只用一个 localStorage 键保存一份检查清单，因此一次只能跟踪一个使用中的 Mii——在居民之间记得清空，或者如果你同时在追查多位居民，就为每位岛民保留一个专属的浏览器配置文件。以上这些都不改变核心交付物：一份按 Mii 累积、以证据为本的记录，写明每位居民真正爱什么。模型决定你从哪里开始；你的喂食决定你相信什么。

亲自试试这套方法

• 食物图表与追踪器——完整的 48 种食物数据库、按群组给出建议的推荐面板，以及持久保存的已测试食物检查清单。
• 性格图表——以颜色区分群组的 16 型参考表，用于流程的第 1 步。
• MBTI 对照表——如果你习惯用四字母代码管理名册，就用它来浏览居民。
• 配对计算器——记录最爱之后，把两位居民配成一对，拆解恋爱分数与友情分数的构成。