# 策展 · X (Twitter) 🔥

> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)

> 作者：Pontus Abrahamsson — oss/acc (@pontusab) · 平台：X (Twitter) · 日期：2026-06-02

> 原始來源：https://x.com/pontusab/status/2061410279922282556

## 中文摘要

Pontus Abrahamsson 推出 Caltext 整合 AI 卡路里追蹤。

Caltext 透過將 AI 代理直接嵌入 iMessage 互動介面，簡化了卡路里記錄流程，使用者只需傳送文字或食物照片，系統便能自動分析並結合 USDA 資料庫進行營養追蹤。

**技術架構與堆疊**
該專案採用現代化全端開發工具，強調高效能與全球部署：
- 執行環境：使用 `Bun` 作為執行時期，並以 `Turborepo` 管理 monorepo 程式庫。
- API 與部署：採用 `Hono` 框架運行於 `Nitro`，並部署至 Vercel 的三個區域（美國東部、倫敦、東京）。
- 訊息整合：透過 `Chat SDK` 與 `Sendblue` 介面處理 iMessage 互動。
- AI 核心：整合 `AI SDK v6` 與 `GPT-4.1` 的視覺與 Agent 能力。
- 資料儲存：使用 `Upstash Redis` 進行全球資料同步。
- 流程管理：利用 `Vercel Workflow SDK` 處理持久化管線。

**安裝與部署步驟**
開發者可透過以下步驟在本地環境運行或部署該專案：
1. 安裝依賴套件：
   ```bash
   bun install
   ```
2. 設定環境變數：
   ```bash
   cp .env.example .env
   ```
   並填入 `SENDBLUE`、`UPSTASH_REDIS`、`OPENAI_API_KEY` 及 `USDA_API_KEY` 等必要金鑰。
3. 本地執行：
   ```bash
   bun run dev
   ```
4. 部署至 Vercel：
   ```bash
   vercel deploy
   ```
5. 設定 `Sendblue` webhook 指向 `https://your-app.vercel.app/webhooks/sendblue`。

**核心運作機制**
Caltext 的運作流程高度自動化，旨在降低使用者的記錄門檻：
- 互動流程：新使用者需完成對話式引導（輸入姓名、身體數據與目標），回訪使用者則直接與 AI 助理互動。
- 辨識與檢索：系統利用 `GPT-4.1` 視覺模型分析照片，並將結果與 [USDA FoodData Central](https://fdc.nal.usda.gov/api-key-signup.html) 的營養資料進行比對與驗證。
- 自動化排程：系統具備時區感知能力，會在早、午、晚餐時間發送提醒，並於每日結束時提供卡路里與營養素總結，每週則會生成包含進度條與趨勢分析的總結報告。

**專案結構**
專案程式碼分為三個主要區塊：
- `apps/api`：負責 Hono API 伺服器、路由處理、Bot 單例以及 `workflows`（包含訊息處理、引導流程與提醒迴圈）。
- `packages/ai`：封裝 AI Agent 與工具呼叫邏輯。
- `packages/db`：處理 `Upstash Redis` 的資料層互動。
- `packages/shared`：存放型別定義、語系與時區工具。

## 標籤

新產品, Agent, AIGC, Web, Caltext, Bun, Vercel