Привет, клуб! Я Юра, бэкенд-разработчик, но это не точно :D
Недавно мы с другом запустили своего Telegram-бота — ScanFood.AI, который помогает анализировать еду по фото, тексту и даже голосовому сообщению. Это бот для тех, кто хочет вести пищевой дневник, но без занудства и ручного ввода.

В этом посте расскажу, как он появился, что внутри и какие грабли пришлось обойти.

🤔 Как появилась идея?

Я часто задумывался, почему в 2025 году мы по-прежнему считаем калории вручную. С одной стороны — технологии развиваются, ИИ умеет распознавать лица, писать код и даже сдавать экзамены. С другой — чтобы узнать, сколько калорий в тарелке пасты, всё ещё нужно открывать приложение, искать блюдо, вводить граммы… и терять мотивацию.

В какой-то момент я подумал: почему бы не сфотографировать еду и сразу получить разбор — что это, сколько калорий, БЖУ и так далее?

Я начал искать, есть ли такие решения. Нашёл несколько — но у всех был один и тот же набор минусов:

• нужно устанавливать отдельное приложение,
• всё на английском,
• и точность анализа оставляет желать лучшего.

Тогда мне пришла идея: встроить такой функционал прямо в Telegram. Никаких установок, логинов и баннеров — просто отправляешь фото, голос или текст боту и получаешь понятный анализ еды.

Так появился ScanFood.AI. Сначала сделал для себя. Потом — для друзей. А потом захотелось довести до ума и сделать удобно для всех.

🔥 MVP: что вошло в первую версию?

Первый прототип был максимально простой:

• можно было отправить фото еды,
• бот прогонял его через OpenAI GPT-4 Vision,
• и возвращал анализ: название блюда, примерные калории и БЖУ.

Постепенно добавились дополнительные способы ввода:

• текстовые описания — можно просто написать, например, «гречка с курицей»;
• голосовые сообщения — бот распознаёт речь и делает анализ по голосовому описанию;
• дневник питания — с выбором приёма пищи (завтрак, обед, ужин и т.д.);
• логика очистки сообщений — бот сам удаляет свои предыдущие реплаи, чтобы не засорять чат;
• база анализов и блюд — для отслеживания повторов и экономии ресурсов на повторных запросах.

Также появилась возможность отправить сразу несколько фото в одном сообщении — бот распознаёт каждое изображение по отдельности и возвращает отдельный анализ на каждое. Это удобно, если, например, обед состоит из нескольких блюд.

В целом, точность анализа оказалась на удивление хорошей — отклонения обычно в пределах 10–15%. Но бывают и пограничные случаи: например, если фото тёмное или блюдо похоже визуально (кабачковая икра vs арахисовая паста).

Мне сразу показалось удобным, если в таких случаях пользователь сможет сам поправить результат — особенно для тех, кто любит точность или просто немного придирчив 🙂
Вносить изменения можно как текстом, так и голосом — и это автоматически сохраняется как корректировка к исходному анализу.

Отдельное внимание пришлось уделить промпту для анализа — это была целая эпопея. Хотелось, чтобы бот не просто "угадывал", что на фото, а возвращал стабильный и предсказуемый результат в чётко заданном формате: название блюда, примерный вес, калории, белки, жиры и углеводы. Это оказалось не так просто. GPT склонен к творчеству — то выдаёт поэзию, то философский монолог о здоровом питании. Пришлось продумывать каждую формулировку, уточнять контекст, запрещать рекомендации и оформлять жёсткую структуру вывода.

После множества итераций получился полностью устойчивый промпт, который возвращал результат в строгом и стабильном формате. Это стало ключевым моментом — без предсказуемого формата автоматическая обработка и сохранение в базу были бы невозможны.

⚙️ Стек технологий

С самого начала я хотел, чтобы бот был максимально простым и автономным. Вся логика живёт в одном асинхронном процессе на aiogram 3, который отлично справляется с FSM и параллельной обработкой сообщений.

Тем не менее, даже с асинхронностью есть физические ограничения — особенно при одновременной обработке нескольких тяжёлых задач. В будущем планирую подключить Celery для вынесения тяжёлых операций в фон, и, возможно, добавить FastAPI-сервис как прослойку. Пока всё крутится в одном процессе и справляется с текущей нагрузкой.

⚙️ Текущий стек:

• Python 3.11
• aiogram 3 — основа FSM, роутеров и всей логики бота
• Redis — для хранения состояний, временных данных, лимитов
• PostgreSQL — для хранения пользователей, анализов, дневника, истории правок
• OpenAI GPT-4o (Vision + Text) — вся магия анализа
• matplotlib + PIL — генерация графиков и отчётов
• Docker — для локальной разработки и запуска в проде
• Grafana + Loki — мониторинг логов, ошибок и времени отклика

🔒 Безопасность данных

С самого начала я заложил принцип: никаких фамилий, логинов, телефонов или email. Бот не собирает персональные данные, и вся информация в БД строго обезличена. Мы храним только chat_id, которого недостаточно, чтобы понять, кто именно стоит за пользователем (если он сам не скажет).

Даже если кто-то получит полный дамп базы данных — он не сможет привязать ни один анализ к конкретному человеку. Всё проектировалось с учётом минимального риска для приватности.

📷 Обработка изображений

Все фотографии обрабатываются полностью в оперативной памяти, без сохранения на диск и без загрузки в сторонние хранилища. Бот скачивает изображение как байтовый поток, отправляет его напрямую в OpenAI Vision API, получает результат и тут же очищает файл из памяти.

👉 У меня как у разработчика нет и не может быть доступа к вашим изображениям.
Я не вижу, не сохраняю и не могу восстановить ни одно фото, которое вы отправили боту. Ни в логах, ни в базе, нигде. Даже если бы я очень захотел — технически это невозможно.

Все данные, которые сохраняются, — это только результат анализа: обезличенный JSON с информацией о блюде и питательной ценности. Никакие изображения, имена файлов или оригинальные медиа в БД не хранятся.

Кроме того, у Telegram есть особенность: он автоматически обрабатывает и перекодирует изображения, даже если это то же самое фото, отправленное дважды. Поэтому обычный хеш (например, SHA256) не позволяет понять, было ли это фото уже загружено ранее.

Чтобы избежать лишних обращений к OpenAI, я реализовал кастомную систему хеширования, которая использует визуальный хеш (через imagehash) и дополнительные параметры — это позволяет боту распознавать одинаковые фото, даже если Telegram немного изменил их под капотом. Благодаря этому удалось снизить количество повторных анализов и сэкономить ресурсы.

🚀 Первый запуск

Всё началось с локального запуска и тестов на себе. Потом — показал бота друзьям, коллегам, родным. Получил первые отзывы и начал постепенно улучшать: фиксил баги, уточнял промпт, добавлял фичи.

Когда стало не стыдно показывать шире, я просто начал рассказывать о боте всем, кому мог: скидывал ссылку знакомым, просил делиться дальше, упоминал при любом удобном случае — будь то разговор за обедом или чат с одногруппниками. Чистой воды сарафанное радио. Никакой рекламы, никакого продвижения — только личный энтузиазм.

Так появились первые настоящие пользователи. Люди начали присылать фото, удивляться точности и просить новые функции. Самый частый запрос был:
«А можно посмотреть отчёт за неделю?»
После этого я добавил генератор визуальных отчётов, который показывает калории и БЖУ по дням, средние значения и отклонения от нормы — всё в виде аккуратной картинки, прямо в чат.

Позже сделал небольшой лендинг на Durable — просто чтобы было, куда скинуть ссылку. Сейчас он доступен по адресу https://scanfood.ai. Там же подключены простые UTM-метки, чтобы отслеживать, откуда приходят люди.

Отдельное Telegram-приложение или WebApp делать пока не хочется. Всё работает в одном окне диалога, без установок, регистрации и лишних кликов — и это главное преимущество. Хочется оставить именно такой лёгкий и нативный опыт.

😅 Неожиданные трудности

Как ни странно, большая часть проблем возникла не с ИИ, а с людьми и интерфейсом Telegram.

🔄 Похожие блюда

GPT справляется хорошо, но бывают спорные случаи — особенно если фото тёмное, блюдо не сфокусировано или подано «без подписи». Например, бот может спутать овсянку с семенами чиа: и то, и другое похоже на сероватую массу в миске с фруктами сверху. Или принять творожную запеканку за чизкейк, особенно если нет чётких визуальных ориентиров.

Ошибки не критичные (разброс обычно в пределах ±10–15%), но для внимательных пользователей это имеет значение. Именно поэтому возможность вручную отредактировать результат — как голосом, так и текстом — стала одной из ключевых фич.

💾 Redis и FSM

FSM в aiogram — мощная вещь, но нужно чётко контролировать всё, что попадает в Redis. Особенно, если используешь динамические ключи.
Сначала я забывал очищать некоторые ключи — и они начинали накапливаться. Потом бот начинал вести себя странно: отвечал не в тот момент, не на тот тип данных, не туда. Пришлось писать собственные утилиты по очистке временных сообщений и стейтов.

👀 Люди — внимательные

Одна из неожиданных трудностей — это высокие ожидания пользователей. Некоторые реально проверяют каждый грамм и ждут почти лабораторной точности. Появился термин «придирчивый пользователь» — и это не шутка. Им важно, чтобы отчёт был чёткий, чтобы графики были аккуратные, чтобы шрифт был читаемый, а даты — локализованные.

🌍 Поддержка часовых поясов

Когда появились отчёты за день и неделю, встал логичный вопрос: а какой сейчас “день” у пользователя? Telegram не передаёт часовой пояс, а считать всё по UTC — значит путать понедельник с воскресеньем и ломать логику дневника.

Но оказалось, что объяснить большинству пользователей, что такое “UTC+3” — не так-то просто. Не все разбираются в таймзонах, а некоторые живут в нестандартных регионах или часто путешествуют.

Решение оказалось простым и почти гениальным: мы просто спрашиваем у пользователя текущее местное время, например:

Это не идеально (мы знаем), но достаточно точно для целей ведения дневника. Главное — оно работает, понятно, и не вызывает лишних вопросов.
А все отчёты после этого автоматически формируются с учётом локального времени: пользователь видит “завтрак во вторник”, даже если живёт в UTC+9.

⚖️ Профиль и логика зависимостей

Чтобы бот мог корректно рассчитывать норму калорий и формировать отчёты с отклонениями, пользователь должен заполнить свой профиль: пол, возраст, рост, вес, цель (похудение, набор, поддержание), уровень активности и, опционально, целевой вес. На первый взгляд — всё просто. Но на практике за этим стоит довольно сложная система взаимозависимых значений и логических проверок.

Например:

• Если цель — поддерживать вес, то целевой вес должен совпадать с текущим. Если пользователь вводит другую цифру — это сразу считается противоречием, и бот мягко подсказывает исправить.
• После заполнения всех полей бот показывает саммари, где пользователь может проверить и отредактировать любые данные перед сохранением.
• Есть возможность задать свою норму калорий вручную, если пользователь считает, что формула ему не подходит. При этом бот всё равно отображает рекомендованную норму, рассчитанную по классической формуле (например, по Mifflin-St Jeor), — просто как ориентир.

Всё это требует строгой логики внутри FSM, с чёткой валидацией на каждом шаге. Задача — не только не допустить невозможных комбинаций, но и сделать так, чтобы взаимодействие оставалось понятным и комфортным даже для тех, кто вообще не знает, что такое БЖУ и TDEE.

💰 Сколько потратил и как можно монетизировать?

💸 Расходы

ScanFood.AI начинался как личный эксперимент, но даже у “пет-проектов” быстро появляется статья расходов:

• Домен scanfood.ai — ~$140 за 2 года (AI-домены — не из дешёвых).
• Хостинг — VPS от Hetzner с бэкапами и мониторингом, примерно $30/мес.
• OpenAI API — зависит от активности, в среднем уходит $15–30/мес.
• Лендинг на Durable.co — на платном тарифе, $15/мес.

Остальное: Redis, PostgreSQL, Grafana, Loki, Docker — развернуто на том же сервере, без дополнительных затрат.

📌 В итоге, в среднем $50–70 в месяц, без учёта времени и кофе ☕️. Для чего-то, что пока не приносит денег — вполне терпимо, но на долгой дистанции хочется выйти хотя бы в самоокупаемость.

💡 Идеи для монетизации

Главное правило: монетизация не должна мешать простоте и честности. Поэтому план такой:

В будущем я собираюсь внедрить подписку, в рамках которой будет доступен весь функционал бота — без деления на бесплатные и платные куски. Всё: анализ по фото, дневник, отчёты, профили, экспорт, напоминания и так далее.

Планируется:

• триальный период на 3–4 дня, чтобы спокойно попробовать всё вживую;
• затем — простая и прозрачная подписка, без рекламы, пушей и навязчивых окон.

В подписке также появятся новые удобные функции:

• копирование еды из дневника в другую дату — удобно для повторяющихся приёмов пищи;
• избранное — можно будет сохранять часто употребляемые блюда и добавлять их в один клик.

Идея в том, чтобы сделать подписку честной: всё работает, всё включено, без сюрпризов. А если пользователь решит не продлевать — бот просто приостановит доступ к функциям до следующей активации. Всё сохраняется, ничего не удаляется.

🛠 Планы на будущее

У ScanFood.AI уже достаточно мощный фундамент, но список идей и улучшений всё ещё длиннее, чем ToDo-лист в Notion. Вот что планируется в ближайшее и среднесрочное время:

✅ Практичные функции:

• Копирование еды в другую дату — если вы едите одно и то же несколько дней подряд, это сэкономит много времени.
• Избранное — сохранение часто повторяющихся блюд, чтобы не пересылать фото заново.
• Составить меню на неделю — подборка блюд по индивидуальной норме, с учётом калорий и БЖУ.
• Сгенерировать блюдо на X калорий — с нужным соотношением белков, жиров и углеводов (например, «что-нибудь на 500 ккал, с упором на белок»).

📊 Отчёты и аналитика:

• Автоматическая отправка отчётов — возможность настроить автодоставку дневного и/или недельного отчёта в определённое время.

🔧 Технические и архитектурные:

• Вынесение тяжёлых задач в фоновые воркеры — для масштабируемости.
• Отдельный модуль для аналитики — чтобы можно было проще развивать отчётность.

🌍 Пользовательский опыт:

• Новые языки — сначала английский, затем возможно испанский.

Если всё это получится реализовать — получится инструмент, который не просто считает калории, а реально помогает держать питание под контролем, ничего не усложняя.

🤝 Чем может помочь Клуб?

ScanFood.AI сейчас активно развивается, и мне всегда интересна обратная связь. Вот с чем особенно хотелось бы помощи или фидбэка:

• UX/UI-идеи: где удобно, а где — не очень? Что сбивает с толку? Где можно сделать проще?
• Идеи для монетизации, которые не испортят опыт.
• Контакты с сообществами, где могут быть полезны такие боты: нутрициологи, ЗОЖ-чаты, спорт-группы и т.д.
• Продвижение — если вы делаете обзоры, ведёте Telegram-канал, блог или подкаст на тему питания, технологий, ИИ или просто интересных инструментов — буду рад сотрудничеству.

Бот полностью открыт, бесплатен и уже работает. Если вам интересно рассказать о нём аудитории — пишите, я с радостью поделюсь деталями, инсайдами и помогу подготовить обзор. Сейчас на этапе роста для меня важна именно аудитория и фидбэк.

• Ну и если вы хотите интегрировать анализ еды в свой проект — можем пообщаться про API.

💬 Что могу посоветовать другим?

• Начинайте с боли, а не с идеи. Если вы делаете что-то, что сами бы хотели использовать — это уже полпути к продукту.
• Думайте о пользователе. Если на каждое действие нужно три клика — это не магия, а работа.
• Не бойтесь запускать "сырой" MVP. Без фидбэка всё равно ничего не улучшится. Только не забудьте про логи.
• Следите за качеством запросов к ИИ. Хороший промпт решает 90% магии.
• Ограничивайте всё, что может взорваться. OpenAI, Redis, Telegram API — у всего есть предел. Лучше лимит заранее, чем падение на проде.

И ещё: просто делать — это уже много. Всё остальное можно дописать потом.

Всем, кто дочитал до конца — спасибо!
Если хотите попробовать бота — вот ссылка:
👉@ ScanFood.AI

Буду рад фидбэку, критике, багам, похвале и идеям. Пишите прямо сюда или в Telegram — я читаю всё.