Integroitu kuntoilu- ja ravitsemusalusta, joka tarjoaa henkilökohtaista valmennusta, ateriasuunnittelua ja harjoitusten hallintaa tekoälypohjaisilla suosituksilla ja moniagenttisella valmennusjärjestelmällä.
Keskustellaan siitä, miten voimme toteuttaa visiosi samalla asiantuntemuksen ja omistautumisen tasolla.
MicrocosmWorks rakensi Raeda AI:n valmennusmoottorin hyödyntäen LLM prompt engineeringiä ja useita erikoistuneita AI-agentteja: kuntoilun valmentaja-agentin, joka suunnittelee treeniohjelmia käyttäjän tavoitteiden ja fyysisten kykyjen perusteella; ravitsemusagentin, joka luo ateriasuunnitelmia ottaen huomioon ruokavaliorajoitukset ja makroravintotavoitteet; sekä hyvinvointiagentin, joka koordinoi molempien osa-alueiden välillä. Vektorikantahaku Pineconen kautta pohjaa suositukset näyttöön perustuvaan ravitsemus- ja liikuntatieteeseen.
MicrocosmWorks otti Raeda AI:n käyttöön Amazon ECS:ssä Fargaten ja EC2-instanssien kanssa joustavaa skaalausta varten, Redis käytössä istuntojen välimuistiin tallennukseen ja vastausten esilaskentaan. Arkkitehtuuri käyttää AWS Amplifyä käyttöliittymään, PostgreSQL:ää käyttäjätietoihin ja Pinecone vector databasea semanttiseen hakuun kuntoilu- ja ravitsemustiedosta. Tämä yhdistelmä mahdollistaa alle sekunnin AI-vastausajat jopa ruuhka-aikoina pitäen samalla infrastruktuurikustannukset hallittavina.
MicrocosmWorks toteutti rajoituspohjaisen ateriasuunnittelumoottorin, joka ottaa syötteinä käyttäjän määrittelemät allergiat, ruokavalion mieltymykset (vegaani, keto, välimerellinen jne.), kalorintavoitteet ja makroravinnesuhteet. AI-agentti luo viikoittaisia ateriasuunnitelmia ostoslistoineen, korvausvaihtoehtoineen ja valmistusohjeineen, kaikki perustuen Pinecone-vektoritietokannasta haettuun ravitsemustietoon. Suunnitelmat mukautuvat automaattisesti käyttäjän palautteen ja edistymisen seurannan perusteella.
MicrocosmWorks suunnitteli Raeda AI:n tiedonintegrointikerroksen keräämään aktiivisuustietoja fitness-laitteista ja terveyssovelluksista, käyttäen tätä reaaliaikaista dataa tarkentamaan treenitehon suosituksia ja kalorien tavoitteita. Twilio-integraatio mahdollistaa tekstiviestipohjaisia valmennusmuistutuksia ja -kehotuksia, kun taas Node.js-taustajärjestelmä kokoaa tietoa useista lähteistä yhtenäiseen käyttäjän terveysprofiiliin, jota AI-agentit hyödyntävät personointiin.
MicrocosmWorks kehitti Raeda AI:n noin 14–20 viikon aikana, kattaen multi-agent AI -järjestelmän, vector database -määritykset, AWS-infrastruktuurin, käyttäjälle näkyvän frontendin ja mobile-responsive -käyttöliittymät. MicrocosmWorksin 20–45 $/tunti hinnoilla vastaavanlainen AI-pohjainen kuntoilu- ja ravitsemusalusta maksaa tyypillisesti 25 000–55 000 dollaria riippuen AI agenttien määrästä, knowledge basen koosta ja integraatiovaatimuksista.