Платформа
running-portal
Портал беговой аналитики с ИИ-тренером и полностью автономным синком данных трекера.
Что это
FastAPI-портал, который забирает тренировки из внешнего трекера, хранит их локально и превращает в аналитику: динамика, efficiency factor и scatter-графики с линиями тренда, месячные цели, карточка прогресса и карточка «сегодня».
Отдельный роутер отвечает за ИИ-тренера — интерпретацию тренировок. Фоновый планировщик держит данные в актуальном состоянии без участия человека.
Задача, которую решает
Данные о тренировках заперты в приложении вендора, аналитика там поверхностная и не отвечает на главный вопрос — «расту я или нет». Портал даёт собственное хранилище, свои метрики и тренерскую интерпретацию поверх них.
Что демонстрирует
- Продуктовое мышление: фичи выстроены как последовательность вопросов пользователя — от каркаса до месячных целей, каждый шаг закрывает конкретный вопрос.
- Умение задавать дизайн: макеты рисовались отдельным шагом до реализации, а не отдавались агенту «как получится».
- Работу с недружелюбной интеграцией: авторизация внешнего сервиса разобрана и доведена до полностью автономного режима — хранение состояния сессии, обновление при отказе, тихий повторный вход.
- Эксплуатацию: контейнеризация, персистентный том, отдельный документ критериев готовности к проду.
ИИ в продукте
Встроенный тренер интерпретирует тренировки: что показывают метрики формы, растёт ли результат и что делать дальше. Пользователь получает вывод, а не только графики, из которых его надо сделать самому.
Факты
Стек и подход
Ядро: Python, FastAPI, Uvicorn, Jinja2, SQLite (aiosqlite), pytest.
Структура: синхронизация, планировщик, роутеры по доменам (активности, ИИ, цели, авторизация, настройки), инфраструктурный слой.
Production: Docker, данные на постоянном томе, документированный деплой.
Теги
След ИИ-процесса
Пятнадцать файлов постановок выстроены как продуктовый роадмап: каркас → синхронизация → фронтенд → ИИ-тренер → карточка дня → дизайн → прогресс → графики → цели. Среди них — HTML-макеты, сделанные до реализации, и документ критериев готовности к проду. По репозиторию видно план продукта, а не историю правок.
Почему это отвечает роли «превратить AI-кейсы в стандарт»
Пример того, как AI-разработка ведётся как продуктовая работа: очередь осмысленных итераций, дизайн отдельным шагом, критерии готовности к проду. Это переносимый шаблон ведения продукта с агентом — и именно он потом переиспользован в соседнем проекте.