Yastvo: фото еды → КБЖУ и план питания за секунды

Yastvo — мобильное приложение-нутрициолог для людей, которые хотят управлять весом и питанием без таблиц, сложных интерфейсов и ручного подсчёта. Это не просто «дневник калорий», а персональный ассистент в формате чата: помогает понять, что происходит с рационом, и даёт понятный план действий под цель (похудение, набор массы, поддержание формы).

Фокус — русскоязычная аудитория и привычная кухня, где в международных трекерах часто не хватает локальных блюд и удобных сценариев.

Стартовая точка и проблема (точка А)

На рынке трекеров питания уже есть сильные игроки с миллионами пользователей и отточенным UX. Но у классических приложений две системные боли:

• Высокое трение: пользователю нужно вручную искать блюда, собирать состав, выставлять порции и разбираться в интерфейсах. В реальности это приводит к срывам ведения дневника уже на первой неделе.

• Слабая локализация под русскоязычный рынок: база продуктов, блюда и формулировки часто «не про нашу жизнь», а пользовательский путь заточен под международные паттерны.

Задача была не «сделать ещё один счётчик калорий», а построить продукт, где логирование питания становится естественным и быстрым: “сфотографировал — и готово”.

Цели и ограничения

Бизнес-цели проекта:

• Снизить барьер входа в учёт питания до одного простого действия (фото/голос/штрихкод).

• Дать пользователю ощущение реальной помощи: не цифры ради цифр, а рекомендации и план питания, который можно выполнять.

• Заложить основу под рост продукта: быстрые улучшения распознавания, эксперименты с UX и монетизацией без переписывания всего приложения.

Ограничения и риски:

• Высокие ожидания к UX (уровень лидеров рынка).

• Точность распознавания локальных блюд и скорость ответа: AI не должен “ломать” пользовательский опыт ожиданием и ошибками.

• Параллельная работа над продуктом, технологией и позиционированием — чтобы функция “вау” конвертировалась в понятную ценность и оплату.

Решение: что мы сделали как команда

Мы построили Yastvo как продуктовую платформу, где UX, AI-логика и архитектура работают на одну цель — снять рутину с пользователя и превратить приложение в «карманного нутрициолога 24/7».

Ключевые модули и продуктовые решения:

1) AI-нутрициолог в формате чата

Вместо “сухого дневника” пользователь получает персонального ассистента, который:

• собирает контекст (параметры тела, цель, предпочтения),

• объясняет простым языком, что поменять в рационе и почему,

• формирует план питания и рекомендации на основе реального дневника.

2) Добавление еды без ручного ввода: фото / штрихкод / голос

Главное, что меняет поведение пользователя: логирование становится быстрым и естественным.

Фото блюда запускает CV-распознавание, дальше система оценивает состав и порцию, и пользователь получает готовую запись без “копания” в базе.

3) Мультиагентная AI-архитектура вместо одного “монобота”

Мы разделили систему на специализированных агентов (распознавание и нормализация, уточнение порции/состава, нутрициолог-рекомендатор, агенты для работы с базой).

Это дало две практические выгоды:

• проще улучшать отдельные части без риска “сломать всё”,

• легче тестировать новые сценарии и гипотезы — быстрее продуктовая итерация.

4) Умный поиск по базе продуктов и блюд: быстрый + “человеческий”

Собрали объединённый контур поиска:

• классический полнотекстовый поиск (BM25 в Elasticsearch) для скорости и точности по названиям,

• AI-поиск для запросов “как человек сказал” (синонимы, неточные формулировки, сложные запросы).

  Итог — быстрый отклик и меньше тупиков, когда пользователь не знает “как это правильно называется”.

Пара технических решений, которые усиливают продукт (без перегруза):

• Микросервисная архитектура под ключевые домены (пользователи, питание, CV, AI, биллинг) — чтобы продукт мог расти по функциональности и нагрузке.

• Инфраструктура в Docker Swarm и backend на FastAPI, что упростило развёртывание и масштабирование.

• Уделили внимание latency: CV и AI-ответы оптимизировали так, чтобы ожидание оставалось комфортным для пользователя.

Наш подход и экспертиза

Этот проект мы вели как основатели проекта, а не “исполнители по ТЗ”:

• Начали с рыночного и конкурентного исследования: разобрали лидеров, UX-паттерны, ценообразование, сформулировали УТП , дифференциаторы и продуктовую гипотезу.

• Перевели бизнес-цели в понятные сценарии и метрики: что должно меняться в поведении пользователя и почему это даст рост.

• Проектировали систему так, чтобы продукт можно было быстро эволюционировать: улучшать CV-распознавание, менять логику “нутрициолога”, тестировать новые механики без пересборки всей архитектуры.

• Работали итеративно: от vision и UX-флоу до backend-архитектуры, интеграции AI и подготовки к масштабированию.

Команда закрывала цикл “под ключ”: продуктовая аналитика и постановка, UX/UI, mobile (Flutter), backend (FastAPI), AI/CV и инфраструктура.

Что это даёт похожим клиентам

Если у вас продукт, где пользователи “отваливаются” из-за рутины (ручные операции, сложные формы, длинные сценарии), этот кейс — про то, как избавить от рутины пользователей и повысить вероятность регулярного использования.

А если вы делаете AI-продукт, где нужно одновременно держать UX, качество модели и скорость развития — мы умеем собирать архитектуру под быстрые эксперименты, чтобы вы не застряли в бесконечной “переделке монолита” при каждом улучшении.