Hackeando a Fisiologia: Construindo um Health Tracker com Python, IA e Vibe Coding
Como professor e engenheiro, tenho uma premissa básica: dados vencem a ansiedade. Quando iniciei meu processo de emagrecimento no final de 2025 (saindo dos 146kg), eu não queria apenas “pesar menos”. Eu queria entender a física do meu corpo.
Os apps tradicionais falhavam em me dar essa visão analítica. Ou eram caixas pretas, ou queriam vender planos premium cheios de anúncios. Então, decidi construir o Leo Tracker Pro: uma aplicação full-stack que une termodinâmica, equações antropométricas e Inteligência Artificial para monitorar minha evolução.
Este projeto foi também um experimento de Vibe Coding. Utilizei IAs (Gemini e Groq) como “parceiros de paridade”, focando na lógica de negócio e na fisiologia enquanto a IA acelerava a escrita do código. O resultado? Uma aplicação madura construída nas horas vagas.
A Stack: Simples, Rápida e Serverless (Custo Zero)
Para tirar a ideia do papel rápido, usei uma stack moderna e que, incrivelmente, roda com custo zero nos tiers gratuitos:
- Frontend/Backend: Streamlit (Python puro, sem HTML/CSS complexo).
- Database: PostgreSQL via Neon.tech (Serverless é vida!).
- ORM: SQLAlchemy (Com
pool_pre_ping=Truepara blindar conexões instáveis). - IA: Groq API (Llama 3) para processamento de linguagem natural.
1. Segurança e Privacidade
Apesar de ser um projeto pessoal, a segurança é inegociável. Implementei autenticação para proteger meus dados de saúde e evitar que crawlers de LLMs usem meus dados pessoais para treinamento.
2. A “Mágica” do Input (IA na Prática)
O maior gargalo de qualquer dieta é registrar a comida. Ninguém quer procurar “arroz” em uma lista de 500 itens.
A tela inicial do Leo Tracker resolve isso. Ela me dá um panorama imediato dos macros do dia e permite entrada de dados fluida.
Do Mundo Real para o Banco de Dados
O maior gargalo de uma dieta é o “mundo real”. Quando estou em um restaurante e recebo um prato como este risoto de filé com tomates confit:
Eu não tenho como pesar os ingredientes separadamente. É aqui que entra o Vibe Coding para reduzir a fricção. Eu utilizo uma abordagem híbrida:
- Visão Computacional (Multimodal): Posso enviar esta foto para uma IA (como o Gemini ou GPT-4o) e solicitar: “Gere um JSON nutricional deste prato”.
- Processamento de Texto (Groq/Llama 3): Ou, simplesmente digito no meu app: “Risoto de queijo com iscas de mignon e tomate cereja, prato generoso de restaurante”.
Em ambos os casos, o sistema recebe os dados e aplica uma camada de regras de negócio via código.
A “Mágica” do Groq (Engenharia de Prompt)
Para garantir que a estimativa não seja ingênua, configurei o System Prompt da API do Groq para atuar como um “Nutricionista Matemático”. Ele é instruído explicitamente a considerar a gordura oculta — o grande vilão de quem come fora.
Veja o trecho do código que garante a precisão:
prompt_system = """
Aja como Nutricionista Matemático.
Regras de Cálculo:
1. Vegetais: ~0.3 kcal/g | Arroz/Massas: ~1.3 kcal/g | Carnes: ~1.5 kcal/g
2. GORDURA OCULTA: Se o contexto for 'restaurante', ADICIONE +10g de gordura (manteiga/óleo).
Retorne APENAS JSON.
"""
Assim, quando digito “Risoto”, a IA não calcula apenas o arroz e a carne; ela contabiliza a manteiga da finalização e o azeite do refogado. O resultado é um registro salvo no banco de dados com precisão muito superior à minha intuição.
3. Auditoria e Histórico
IAs podem alucinar. Por isso, a aba Histórico funciona como minha auditoria. Posso ver exatamente o que foi registrado. O cálculo calórico é derivado matematicamente dos macronutrientes, garantindo consistência física.
4. O Painel do Engenheiro (Dash Pro)
Aqui é onde a mágica acontece. A aba Dash Pro não mostra apenas o peso, mas cruza dados para gerar insights.
Projeção vs. Realidade
O gráfico acima mostra a linha tracejada (minha meta de 0.8kg/sem) contra a linha vermelha (meu peso real). O sistema calcula:
- Status: Estou “Adiantado” ou “Atrasado”?
- Previsão: Se continuar assim, em que dia exato chego aos 120kg?
O “Banco de Gordura”: Termodinâmica Aplicada
Um dos maiores desafios é a flutuação hídrica. Um dia você come sal a mais e a balança sobe. Isso desmotiva.
Para combater isso, criei o “Banco de Gordura”. A lógica é baseada na 1ª Lei da Termodinâmica:
# Lógica simplificada
deficit_acumulado += (gasto_energetico_dia_real - calorias_consumidas)
gordura_eliminada_teorica = deficit_acumulado / 7700
Isso me permite ver que, mesmo que a balança suba hoje, meu “Banco” mostra que eliminei quase 5kg de gordura pura. É matemática contra a frustração.
Engenharia de Alimentos: Energia vs. Volume
Este é meu gráfico favorito. Ele cruza Calorias (Linha Vermelha) com Volume de Comida (Barras Azuis).
Meu objetivo é manter as barras azuis altas (estômago cheio/saciedade) e a linha vermelha baixa. Isso me força a escolher alimentos de baixa densidade calórica. É visual e intuitivo.
Tendência (Sinal vs. Ruído)
Utilizo uma média móvel de 7 dias (Linha Verde) para ignorar os ruídos diários da balança.
5. Saúde e Metas
Monitoro também pressão arterial e medidas corporais. Para o cálculo de gordura, abandonei o IMC e Adipômetros (imprecisos para obesos) e implementei a Equação de Weltman via código, que usa a circunferência abdominal.
O sistema é flexível. A aba Configurações permite ajustar minhas metas metabólicas conforme meu corpo muda.
E, claro, gera relatórios em Excel prontos para enviar à nutricionista.
Conclusão: O Poder do Vibe Coding
Eu poderia ter criado esta aplicação sem o uso de IA, mas o tempo seria exponencialmente maior.
O gráfico de commits mostra a intensidade do desenvolvimento. Em 15 dias, saí do zero para uma aplicação complexa, segura e hospedada na nuvem. O Leo Tracker Pro me permitiu focar na solução do problema (minha saúde), transformando dados em motivação.
🔗 Conheça o projeto: github.com/lgrando1/leo-tracker
Nota de transparência: Este post foi escrito com auxílio da IA que construiu o próprio sistema.
