2025 — 2026
AI-трекер питания
Архитектура backend и AI-функций дневника питания.
Архитектор backend
Задача
Пользователю нужен быстрый способ фиксировать еду и получать полезный контекст без сложного ручного ввода.
Личный вклад
- Проектировал backend/API и доменную модель дневника.
- Работал с LLM и моделями знаний и векторным поиском.
- Поддерживал интеграцию с мобильным приложением.
- Проверял отдельные функции через Telegram-прототип.
- Активно применял агентов программирования в разработке.
Результаты
- Создан рабочий backend-каркас AI-assisted nutrition tracking.
Компоненты и связи
Ввод
- Приложение · Telegram-прототипТекстовый, голосовой или визуальный ввод.
Интерпретация
- Интерпретация LLMЧерновое распознавание состава и контекста.
- Предметные знанияДоменные знания и retrieval concepts.
Данные пользователя
- Backend APIПрофиль, дневник и orchestration use cases.
- Подтверждение пользователяРедактирование и подтверждение перед записью.
- Дневник питанияСтруктурированная история пользователя.
- Приложение · Telegram-прототип↔Backend APIввод данных
- Backend API↔Интерпретация LLMинтерпретация
- Предметные знания→Интерпретация LLMконтекст
- Интерпретация LLM→Подтверждение пользователячерновик
- Подтверждение пользователя→Дневник питанияподтверждённая запись
Инженерный итог
Контекст
Приложение для дневника питания с AI-вводом.
- Редактируемость распознанных данных пользователем.
Подход
Связал AI-ввод с доменной моделью дневника и API приложения.
- Отделил распознавание и интерпретацию от подтверждённой записи пользователя.
- Сохранил возможность редактировать результат, чтобы AI-оценка не воспринималась как установленный факт.
Выводы
- AI-ввод должен оставлять пользователю контроль над структурированными данными.
- Доменную модель полезно отделять от конкретного канала общения.
Стек
- Backend API
- LLM
- Knowledge base
- Vector concepts
- Telegram prototype