NutriFit RAG est un système de génération augmentée par récupération (RAG) agentic conçu pour le domaine de la nutrition et du fitness. Contrairement à un chatbot conventionnel, cet agent prend des décisions actives sur les sources à consulter, la façon de combiner les informations et quand demander des clarifications à l’utilisateur.
Architecture
- Base de connaissances curatorisée : Articles scientifiques sur la nutrition, guides d’entraînement, bases de données de composition alimentaire et protocoles de supplémentation
- Récupération multimodale : Recherche sémantique dans les documents nutritionnels + récupération structurée dans les bases de données alimentaires
- Raisonnement agentic : L’agent décompose les requêtes complexes (« quel régime suivre si je m’entraîne le matin et que je suis intolérant au lactose ? ») en sous-tâches, consulte plusieurs sources et synthétise une réponse cohérente
- Mémoire conversationnelle : Maintient le contexte de la conversation pour des suggestions progressives et le suivi des objectifs
Capacités
- Plans nutritionnels personnalisés selon les objectifs, les restrictions et les préférences
- Recommandations de routines de gym adaptées au niveau et à l’équipement disponible
- Analyse de supplémentation avec interactions et dosages basés sur les preuves
- Suivi de progression et ajustement dynamique des recommandations
- Citation des sources pour chaque suggestion
Technologie
- LLM avec capacités de raisonnement et function calling
- Base de données vectorielle pour les embeddings de documents nutritionnels
- Pipeline d’ingestion automatique de nouvelles sources
- API REST pour l’intégration avec des applications mobiles et web
