Una plataforma integrada de fitness y nutrición que ofrece entrenamiento personalizado, planificación de comidas y gestión de entrenamientos con recomendaciones impulsadas por AI y un sistema de entrenamiento multi-agente.
Hablemos sobre cómo podemos dar vida a su visión con el mismo nivel de experiencia y dedicación.
MicrocosmWorks construyó el motor de entrenamiento de Raeda AI utilizando ingeniería de prompts de LLM con múltiples agentes de AI especializados: un agente de entrenador de fitness que diseña planes de entrenamiento basados en los objetivos del usuario y sus capacidades físicas, un agente de nutrición que crea planes de comidas considerando las restricciones dietéticas y los objetivos de macronutrientes, y un agente de bienestar que coordina ambos dominios. La recuperación de la base de datos vectorial a través de Pinecone fundamenta las recomendaciones en ciencia de la nutrición y el ejercicio basada en evidencia.
MicrocosmWorks desplegó Raeda AI en Amazon ECS con Fargate y instancias EC2 para una escalabilidad flexible, con Redis para el almacenamiento en caché de sesiones y la precomputación de respuestas. La arquitectura utiliza AWS Amplify para el frontend, PostgreSQL para los datos de usuario y la base de datos vectorial Pinecone para la búsqueda semántica en el conocimiento de fitness y nutrición. Esta combinación permite tiempos de respuesta de AI de menos de un segundo incluso durante el uso pico, manteniendo los costos de infraestructura manejables.
MicrocosmWorks implementó un motor de planificación de comidas basado en restricciones que toma como entradas las alergias especificadas por el usuario, las preferencias dietéticas (vegana, keto, mediterránea, etc.), los objetivos calóricos y las proporciones de macronutrientes. El agente de AI genera planes de comidas semanales con listas de compras, opciones de sustitución e instrucciones de preparación, todo ello fundamentado en datos nutricionales recuperados de la base de datos vectorial Pinecone. Los planes se ajustan automáticamente según la retroalimentación del usuario y el seguimiento del progreso.
MicrocosmWorks diseñó la capa de integración de datos de Raeda AI para ingerir datos de actividad de wearables de fitness y aplicaciones de salud, utilizando estos datos en tiempo real para refinar las recomendaciones de intensidad de entrenamiento y los objetivos calóricos. La integración con Twilio permite avisos de entrenamiento y recordatorios basados en SMS, mientras que el backend de Node.js agrega datos de múltiples fuentes en un perfil de salud unificado del usuario que los agentes de AI referencian para la personalización.
MicrocosmWorks desarrolló Raeda AI en aproximadamente 14-20 semanas, cubriendo el sistema de AI multiagente, la configuración de la base de datos vectorial, la infraestructura de AWS, el frontend orientado al usuario y las interfaces adaptables a dispositivos móviles. Con las tarifas de MicrocosmWorks de $20-$45/hr, una plataforma similar de AI para fitness y nutrición suele costar entre $25,000 y $55,000, dependiendo del número de agentes de AI, el tamaño de la base de conocimiento y los requisitos de integración.