Spaces:
Running on Zero
A newer version of the Gradio SDK is available: 6.31.0
Architecture — AI Diet Companion
Version: 0.1.0 Architecture Stage: MVP
1. Architecture Philosophy
MVP menggunakan arsitektur sederhana tetapi modular.
Prinsip utama:
Simple now
Scalable later
Jangan memasukkan infrastructure kompleks sebelum dibutuhkan.
MVP tidak membutuhkan:
- Kubernetes,
- microservices,
- PostgreSQL,
- Redis,
- LangGraph,
- Docker.
Semua dapat berjalan sebagai satu Python application.
2. High-Level Architecture
USER
│
▼
┌───────────────┐
│ Telegram Bot │
└───────┬───────┘
│
▼
┌───────────────┐
│ Bot Handler │
└───────┬───────┘
│
┌────────────┼────────────┐
▼ ▼ ▼
Commands Messages Callback
│ │ │
└────────────┼────────────┘
▼
┌───────────────┐
│ Application │
│ Service Layer │
└───────┬───────┘
│
┌────────────────┼────────────────┐
▼ ▼ ▼
User Service Nutrition Service AI Service
│ │ │
▼ ▼ ▼
SQLite Nutrition Data LLM API
│
▼
Scheduler
3. Application Layers
3.1 Presentation Layer
Responsible for Telegram interaction.
Telegram Update
↓
Handler
↓
Application Service
Tidak boleh mengandung business logic kompleks.
4. Service Layer
Service layer menangani business logic.
Contoh:
UserService
DietService
MealService
NutritionService
ReminderService
AIService
Contoh:
nutrition_service.calculate_daily_progress(user_id)
5. Data Layer
MVP menggunakan SQLite.
SQLite
│
├── users
├── diet_profiles
├── meal_schedules
├── food_logs
├── daily_nutrition
└── conversations
SQLite dipilih karena:
- zero configuration,
- gratis,
- local,
- mudah backup,
- cukup untuk MVP.
6. AI Layer
AI Service menjadi abstraction layer untuk LLM.
Application
↓
AIService
↓
LLM Provider
Application tidak boleh langsung memanggil SDK LLM di seluruh codebase.
Contoh:
response = ai_service.chat(
message=user_message,
context=user_context
)
Dengan abstraction ini provider dapat diganti tanpa mengubah seluruh application.
7. Nutrition Layer
Nutrition engine bertanggung jawab terhadap kalkulasi.
Food Input
↓
Food Parser
↓
Nutrition Database
↓
Nutrition Calculator
↓
Nutrition Result
Contoh:
Rice 200g
Chicken 150g
Egg 1
menjadi:
Calories
Protein
Carbs
Fat
LLM tidak menjadi sumber kebenaran utama untuk kalkulasi matematika.
8. Scheduler
Scheduler bertanggung jawab mengirim reminder.
Scheduler
↓
Check Meal Schedule
↓
Is reminder due?
↓
YES
↓
Get User Context
↓
AI Service
↓
Generate Message
↓
Telegram
Untuk MVP:
APScheduler
dapat digunakan.
9. Reminder Flow
Every minute
↓
Scheduler
↓
Query active schedules
↓
Check current timezone
↓
Find due reminders
↓
Create reminder context
↓
LLM
↓
Telegram Bot
↓
User
10. Food Logging Flow
User:
"Aku makan nasi 200g dan ayam 150g"
│
▼
Telegram
│
▼
AI / Parser
│
▼
Structured Food
│
▼
Nutrition Service
│
▼
Calculate macros
│
▼
SQLite
│
▼
AI Response
│
▼
Telegram
11. AI Context Flow
LLM tidak diberikan seluruh database.
Context builder memilih informasi yang relevan.
User Message
│
▼
Context Builder
│
├── User Profile
├── Diet Goal
├── Daily Target
├── Today's Food
├── Today's Progress
├── Meal Schedule
└── Recent Conversation
│
▼
LLM
│
▼
Response
12. Google Integration — Future
Google integration menggunakan OAuth 2.0.
User
│
▼
Telegram
│
▼
"Connect Google"
│
▼
OAuth Authorization
│
▼
Google
│
▼
Access Token
│
▼
Backend
Token disimpan secara aman.
13. Google Calendar
Future architecture:
Diet Schedule
│
▼
Calendar Service
│
▼
Google Calendar API
│
▼
Calendar Event
Contoh:
Breakfast
07:00
Recurring Daily
Calendar menjadi external scheduling ecosystem.
14. Google Tasks
Tasks digunakan untuk habit/checklist.
Drink Water
Take Snack
Exercise
Meal Preparation
Architecture:
Diet Service
↓
Google Tasks Service
↓
Google Tasks API
15. WhatsApp Integration — Future
Channel abstraction:
Application
│
Message Service
│
┌──────────┴──────────┐
▼ ▼
Telegram Adapter WhatsApp Adapter
│ │
▼ ▼
Telegram API WhatsApp API
Business logic tidak boleh bergantung langsung pada Telegram.
16. LangGraph — Future
LangGraph belum diperlukan untuk MVP.
Ketika workflow mulai kompleks:
User Message
↓
Intent Agent
↓
Context Agent
↓
Diet Agent
↓
Nutrition Tool
↓
Google Calendar Tool
↓
Response Agent
LangGraph menjadi orchestration layer.
17. Production Architecture
Ketika sudah membutuhkan 24/7 deployment:
Internet
│
▼
Nginx
│
▼
FastAPI App
│
┌────────────┼────────────┐
▼ ▼ ▼
Worker PostgreSQL Redis
│
▼
Scheduler
│
┌─────┴─────┐
▼ ▼
Telegram WhatsApp
Deployment:
GitHub
↓
CI/CD
↓
Docker
↓
VPS
18. Design Principles
Separation of concerns
Telegram handler tidak menghitung nutrisi.
Nutrition service tidak mengirim Telegram.
AI service tidak mengakses database secara sembarangan.
Provider abstraction
LLM provider dapat diganti.
Channel abstraction
Telegram dan WhatsApp dapat menggunakan business logic yang sama.
Deterministic calculation
Nutrition calculation dilakukan oleh code/database.
AI for language
LLM digunakan untuk:
- natural language,
- suggestions,
- conversational response,
- personality,
- summarization.
19. MVP Dependency Flow
Telegram
↓
Handler
↓
Service
↓
Database
AI:
Service
↓
Context Builder
↓
AI Service
↓
LLM
Reminder:
Scheduler
↓
Reminder Service
↓
AI Service
↓
Telegram
Nutrition:
Food Input
↓
Parser
↓
Nutrition Engine
↓
Database