Чат-ассистент по питанию в Telegram с AI-анализом

Большинство сервисов для учета питания сталкиваются с одной и той же проблемой — пользователи перестают ими пользоваться спустя какое-то время. Причина кроется не в отсутствии мотивации, а в сложности самого процесса. Необходимо скачивать отдельное приложение, разбираться в интерфейсе, вручную заполнять данные и регулярно возвращаться.

Контроль питания превращается в отдельную задачу, требующую усилий и дисциплины.

Мы разработали AI-нутрициолога, который сделан на базе Telegram. Так взаимодействие между пользователем и помощником по питанию происходило в привычной среде, без установки дополнительного приложения. Диалог и управление функциональностью осуществляется через чат.

Такой подход позволяет сократить когнитивную нагрузку и сделать процесс ведения питания частью повседневной коммуникации. В этом также помогают напоминания и уведомления и синхронизация с Apple Health.

C# + .NET 8.0

Выбрали за зрелую экосистему, нативную поддержку асинхронности (критично для Telegram bot с long polling) и строгую типизацию — это снижает количество рантайм-ошибок и упрощает рефакторинг. .NET 8 дает актуальные performance-оптимизации и долгосрочную поддержку (LTS).

Entity Framework Core

Позволил сосредоточиться на бизнес-логике, а не на написании SQL вручную. Code-First подход с миграциями дает версионирование схемы БД из коробки — изменения в моделях автоматически превращаются в миграции, что критично для итеративной разработки. LINQ-запросы читаются как обычный C#, что ускоряет разработку и онбординг новых разработчиков.

Telegram.Bot (v19.0.0)

Официальная библиотека с активной поддержкой и полным покрытием Telegram Bot API. Избавила от необходимости писать HTTP-клиент и парсинг вебхуков с нуля. Strongly-typed модели для всех типов сообщений (текст, фото, стикеры, видео).

Google Gemini

Выбрали за мультимодальность (текст + изображения в одном запросе), низкую латентность и бесплатный tier. Gemini 2.0 Flash Lite дает баланс между скоростью ответа и качеством понимания контекста — пользователь может отправить фото еды, и AI сразу распознает блюдо и считает КБЖУ без дополнительных интеграций.

Стек позволил за короткий срок создать production-ready бота с AI-анализом питания, сохраняя читаемость кода и возможность быстро добавлять новые фичи.

Самая большая боль пользователей — необходимость вручную фиксировать каждый прием пищи. Поэтому самым важным для нас было — обеспечить легкость внесения данных. Пользователь нашего бота может просто написать, что он ел, переслать сообщение, отправить фото блюда или записать голосовое или кружок. AI распознает еду, анализирует ее и считает КБЖУ.

Наш продукт — это не просто счетчик калорий. Это AI с базой знаний по нутрициологии. Пользователь может обсуждать свой рацион, задавать вопросы, получать рекомендации и разборы. Бот анализирует не только КБЖУ, но и фиксирует воду и клетчатку.

Помимо анализа отдельных приемов пищи, система отслеживает динамику показателей и формирует картину прогресса. Пользователь видит изменения в рационе, соблюдение целей, отклонения и тенденции. AI интерпретирует эти данные, помогая корректировать поведение без необходимости самостоятельно анализировать цифры.

Отдельное внимание было уделено разработке характера бота. Мы определили тон коммуникации и набор поведенческих реакций. Бот поддерживает дружеский стиль общения, реагирует на сообщения вне контекста питания и сохраняет последовательность в коммуникации.

Это формирует ощущение взаимодействия не с инструментом, а с персональным помощником.