我构建了一个开源健康 AI 代理，未使用向量数据库（Laravel 12，React，Typescript + InteriaJS + Gemini）

Source: Dev.to

Introduction

在一个 AI 聊天 API 上随手套一个基础前端，现在几乎可以在睡觉时就完成。但要构建一个真正能理解凌乱的个人健康数据——血糖数值、具体的卡路里消耗、真实的饮食限制——则需要另一种方法。

我开源了 Acara Plate，一个用于个性化营养的平台。目标是摆脱“一般性的多吃蔬菜”建议，打造一个能够根据用户独特身体数据工作的助理，而不必在基础设施管理上耗费数周时间。

Bypassing a Vector Database

传统的健康‑AI 设置通常包括：

1. 将庞大的数据集（例如 USDA 食品数据库）切分成块。
2. 将这些块存入向量数据库。
3. 编写检索逻辑来查询向量。

这个过程很繁琐。于是我直接把 USDA 文件上传到 Gemini 的文件搜索 功能。模型持有这些数据，并能在自己的理解范围内搜索。当用户询问富含铁的食物时，AI 会在它已经保存的资料中筛选相关信息。

Benefits

• 无需管理单独的向量数据库。
• 下午即可完成部署。
• AI 获得更好的上下文，因为它看到的是完整的数据集关系，而不是孤立的片段。

Privacy‑First Architecture

在处理个人健康指标时，隐私不是一个功能，而是根基。即使是开源项目，架构也强制数据隔离，确保用户只能看到自己的信息。

Key decisions

• 用户可以自行选择使用的 AI 提供商，或提供自己的 API 密钥。
• 这让用户能够控制敏感信息的去向，建立必要的信任。

Frontend Experience

界面使用 Progressive Web App、Inertia、React 与 TypeScript 构建。它在手机上感觉像原生应用，提供流畅且熟悉的使用体验。

Wrapping Up

这个过程表明，构建既智能又安全的产品并不一定需要最复杂的设置。以更简洁的方式利用新功能可以省去大量工作，证明小团队——甚至是单个开发者——也能在不迷失于基础设施迷宫的情况下，打造高风险的 AI 工具。

Try It Out

• Repository:
• Live demo:

如果你觉得这篇文章有帮助，请在仓库上点个 ⭐ 吧！