Habitly

Το πρόβλημα

Προϊόν διατροφής και συνηθειών για την ελληνική αγορά: ένα ερωτηματολόγιο εισαγωγής γίνεται εξατομικευμένο πλάνο με μακροθρεπτικά, γεύματα και καθημερινές συνήθειες, με καταγραφή φαγητού από φωτογραφία και βοηθό για τα καθημερινά.

Το πλάνο να μοιάζει φτιαγμένο για σένα, με κάθε αριθμό και κανόνα ασφαλείας έξω από τα χέρια του μοντέλου.

Οι δυσκολίες

• ●Nutrition figures carry real consequences, so anything a language model produces has to be treated as a draft rather than a fact.
• ●A plan that fails validation is worse than useless if the fix is to generate a new one — the user loses what they already agreed to.
• ●Photo-based food logging arrives as whatever the phone produces, including formats a browser will not decode on its own.
• ●Several specialists contribute to one plan, so context has to be scoped per stage or the whole history leaks into every call.
• ●Subscriptions, privacy requests and model costs all need to be auditable, which rules out doing them in the client.

Η λύση

• ●Εννιά εξειδικευμένα AI πίσω από ένα προϊόν — εισαγωγή, μακροθρεπτικά, σχεδιασμός γευμάτων, οριστικοποίηση πλάνου, σύμβουλος υγείας, αναγνώριση φαγητού από φωτογραφία, παρακολούθηση προόδου και συνομιλητής — το καθένα με αυστηρό σχήμα εισόδου και εξόδου.
• ●Σκληρό όριο ανάμεσα στο μοντέλο και την αλήθεια: το AI γράφει προσχέδια και συνταγές, ενώ οι αριθμοί και οι κανόνες ασφαλείας βγαίνουν από ντετερμινιστικό κατάλογο.
• ●Κοινή μνήμη που προκύπτει μόνο από πραγματικά γεγονότα μέσα στην εφαρμογή· η απάντηση του βοηθού δεν θεωρείται ποτέ τεκμήριο για τον χρήστη.
• ●Validators που ελέγχουν χωρίς να αλλάζουν, και βήμα επιδιόρθωσης πριν από οποιαδήποτε αναπαραγωγή — ένα κακό πλάνο διορθώνεται, δεν ξαναρίχνεται στα ζάρια.
• ●Συνδρομές, διαχείριση, αιτήματα ιδιωτικότητας και κοστολόγηση χρήσης μοντέλων τρέχουν server-side, όχι στον browser.