Raeda AI: 総合フィットネス＆栄養プラットフォーム

MicrocosmWorksは、LLMプロンプトエンジニアリングと複数の専門AIエージェントを使用して、Raeda AIのコーチングエンジンを構築しました。これらのエージェントには、ユーザーの目標と身体能力に基づいてワークアウトプランを設計するフィットネスコーチエージェント、食事制限と主要栄養素の目標を考慮して食事プランを作成する栄養エージェント、そして両方の領域を調整するウェルネスエージェントが含まれます。Pineconeを介したベクターデータベース検索により、レコメンデーションはエビデンスに基づいた栄養学と運動科学に裏付けられています。

MicrocosmWorks は、柔軟なスケーリングのために Fargate および EC2 インスタンスを備えた Amazon ECS 上に Raeda AI をデプロイし、セッションキャッシュと応答の事前計算には Redis を使用しています。このアーキテクチャは、フロントエンドに AWS Amplify、ユーザーデータに PostgreSQL、そしてフィットネスおよび栄養に関する知識全体のセマンティック検索には Pinecone ベクトルデータベースを使用しています。この組み合わせにより、ピーク時でも 1 秒未満の AI 応答時間を実現しながら、インフラストラクチャコストを管理可能な範囲に抑えることができます。

MicrocosmWorksは、ユーザーが指定したアレルギー、食事の好み（vegan, keto, Mediterraneanなど）、カロリー目標、主要栄養素の比率を入力として受け取る制約ベースの食事計画エンジンを実装しました。AIエージェントは、買い物リスト、代替オプション、調理手順を含む週ごとの食事計画を生成します。これらはすべて、Pineconeベクターデータベースから取得された栄養データに基づいています。計画は、ユーザーのフィードバックと進捗状況の追跡に基づいて自動的に調整されます。

MicrocosmWorksはRaeda AIのデータ統合レイヤーを設計し、フィットネスウェアラブルや健康アプリからのアクティビティデータを取り込み、このリアルタイムデータを使用してワークアウト強度の推奨やカロリー目標を洗練させます。Twilio統合によりSMSベースのコーチングの促しとリマインダーが可能になり、Node.jsバックエンドは複数のソースからのデータを統一されたユーザー健康プロファイルに集約し、AIエージェントがパーソナライゼーションのためにこれを参照します。

MicrocosmWorksは、マルチエージェントAIシステム、ベクターデータベースのセットアップ、AWSインフラストラクチャ、ユーザー向けフロントエンド、およびモバイル対応インターフェースを含むRaeda AIを約14〜20週間かけて開発しました。MicrocosmWorksの時給20ドルから45ドルという料金では、同様のAIフィットネス・栄養プラットフォームは、AIエージェントの数、ナレッジベースの規模、および統合要件によって、通常25,000ドルから55,000ドルの費用がかかります。