Подходы к созданию ИИ-помощника для разбора блюд: распознавание, базы ингредиентов, точность КБЖУ и рекомендации пользователю.
Собрано в Sveska из открытых обсуждений сообщества. Авторы сообщений не указываются.
Обновлено
ИИ-помощник для питания можно строить как связку распознавания блюда и алгоритмического расчёта, а не поручать весь расчёт языковой модели. Для точного КБЖУ нужны данные об ингредиентах и весе порции; оценка только по фотографии остаётся приблизительной.
Один из подходов — использовать агента в два этапа:
В векторную базу можно добавлять рецепты локальных кухонь; в обсуждении назывался ориентир около 500 тысяч позиций. Для домашних блюд также возможна собственная база: у Sytomer, по сообщению от августа 2026 года, она содержит 460 блюд. Данные по штрихкодам в этом примере берутся из открытой базы Open Food Facts, а распознавание фото реализовано через Claude.
Можно дать лишь приблизительную оценку. Без информации об объёме фотографии не позволяют надёжно определить вес продукта, поэтому для высокой точности каждую порцию следует взвешивать.
Определение веса блюда может быть отдельной функцией в разработке. Например, алгоритм может восстановить по тексту рецептуру, граммовку и КБЖУ известного блюда, но рассчитанная граммовка всё равно может отличаться от фактической.
Важно: подключение web search для поиска рецептов может увеличить расход токенов и продлить разбор блюда примерно до 30–40 секунд.
Практичнее выводить калорийность и БЖУ не только на 100 г, но и на всю упаковку либо фактически съеденную порцию. Для сканера продуктов предлагались также:
Категоричная маркировка вроде «плохо» может отталкивать. Оценку рекомендуют подавать как научно обоснованную рекомендацию, а не приказ: пользователь сам решает, менять ли привычки. Если продукт получает плохую оценку, одной красной плашки недостаточно — нужны доступные и понятные альтернативы.
Помимо счётчика калорий, помощник может оценивать соответствие образа жизни цели пользователя и дополнять рекомендации меню, задачами, наградами и челленджами. Среди возможных функций также упоминались трекинг тренировок, менструального цикла с адаптацией питания, создание меню, анализ рациона и рекомендации по его разнообразию и оздоровлению.
Для рецептурного трекера полезны разнообразные рецепты, читмилы, соусы и кастомизация блюд: однообразный рацион может снижать удержание. При расчёте стоимости рецептов можно учитывать реальные упаковки и актуальные цены через API, а не предполагать покупку точного веса ингредиента. Если расчёт исходит из того, что продукты готовятся за один раз, остатки обычно составляют около 10–15% и уже входят в себестоимость.
Не стоит сразу пытаться сделать приложение для всех. Рекомендуется сначала найти узкую группу, которой продукт действительно нужен. При выборе рекомендаций следует учитывать бюджет аудитории: недоступные по цене замены могут не работать для части пользователей.
Причины отказа от приложений для подсчёта калорий могут быть разными: нежелание менять привычки, платная модель, неточный подсчёт, реклама, неудобный интерфейс или переедание. Поэтому не следует делать выводы о целевой аудитории по одному-двум примерам. Для понимания отказов нужно проверять мотивацию, цену, точность функций, рекламу и удобство интерфейса.
В качестве референса для позиционирования упоминался Yuka — французский стартап, сфокусировавшийся на питании и косметике.
Статья собрана по сообщениям за август—сентябрь 2026 года.