Aplikacja Trenera — platforma AI do osobistego wsparcia fitnessowego

Stos technologiczny:
Python, FastAPI, Django, PostgreSQL, Redis, Celery, WebSockets, Docker, LangChain, LangGraph, Qdrant, JWT, REST API

Opis projektu:
Rozwój platformy AI do osobistego wsparcia użytkowników. System łączy klasyczny backend do przechowywania profili, treningów, postępów i planów z modułem AI, który analizuje dane użytkownika i formułuje spersonalizowane rekomendacje. Platforma została zaprojektowana jako skalowalny produkt z architekturą mikroserwisową, gdzie poszczególne usługi odpowiadają za autoryzację, logikę fitness, interakcję AI oraz komunikację w czasie rzeczywistym. Główne zadanie — dostarczyć użytkownikowi nie tylko tracker aktywności, ale pełnoprawnego AI-coacha, który pamięta historię, uwzględnia cele, parametry fizyczne oraz dynamikę postępów.

Co zostało zrealizowane:

system rejestracji, autoryzacji i profili użytkowników
przechowywanie danych antropometrycznych, celów i parametrów użytkownika
moduł treningów, ćwiczeń, planów i historii aktywności
czat AI do interakcji z osobistym trenerem fitness
przechowywanie pamięci dialogu i historii rekomendacji
generacja spersonalizowanych rekomendacji dotyczących treningów i obciążenia
system asynchronicznych zadań przez Celery
autoryzacja JWT i API dla aplikacji klienckich
konteneryzacja wszystkich usług przez Docker

Moja odpowiedzialność:

projektowanie architektury całego systemu
rozwój części backendowej i API
budowa struktury mikroserwisowej
realizacja logiki AI-coacha
integracja LangChain / LangGraph / Qdrant
realizacja komunikacji WebSocket dla czatu
projektowanie schematów PostgreSQL i powiązań między encjami
podłączenie Redis i Celery do przetwarzania w tle
wdrożenie oparte na Dockerze i przygotowanie infrastruktury do skalowania