Архитектура агента отслеживания здоровья OpenClaw с использованием Telegram

Пользователь Reddit планирует создать агента OpenClaw для отслеживания целей здоровья (преддиабет, диета, упражнения, сон) через Telegram. Агент будет обрабатывать ежедневные напоминания, анализ фото, обратную связь и отчеты по тенденциям. Ниже представлен технический разбор на основе исходного поста и практического опыта с подобными рабочими процессами.

Рекомендуемая архитектура

Основной паттерн: Telegram Bot → OpenClaw Agent (с LLM бэкендом) → База данных → Задача cron для отчетов.

• Telegram Bot: Используйте python-telegram-bot или node-telegram-bot-api для приема сообщений и отправки проактивных напоминаний. Настройте напоминания через фоновый cron (например, APScheduler или CronJob).
• OpenClaw Agent: Агент оборачивает LLM (GPT-4o или Gemini 2.0 Flash для экономии) с системным промптом, который:
  • Для фото еды: извлекает название блюда, оценку порции и соответствие средиземноморской диете.
  • Для скриншотов упражнений/сна: парсит структурированные данные (например, шаги, продолжительность сна).
  • Возвращает обратную связь из 3-4 предложений за каждое обновление.
• Хранение: PostgreSQL или SQLite для простоты. См. схему БД ниже.
• Отчетность: Еженедельная задача cron выполняет агрегирующий запрос + вызывает LLM для генерации отчета на естественном языке.

Структура базы данных

-- Таблица пользователей
CREATE TABLE users (
  user_id INTEGER PRIMARY KEY,
  telegram_id TEXT UNIQUE,
  goals TEXT,          -- JSON: диета, упражнения, сон, цели по воде
  blood_test_results TEXT -- JSON, опционально
);

-- Ежедневные записи (одна на тип в день)
CREATE TABLE entries (
  id INTEGER PRIMARY KEY AUTOINCREMENT,
  user_id INTEGER,
  entry_date DATE,
  type TEXT CHECK(type IN ('sleep', 'water', 'exercise', 'meal')),
  raw_text TEXT,
  raw_image BLOB,       -- или S3 URL
  structured_data JSON, -- например, {"hours":7.5,"quality":"good"}
  feedback TEXT,
  created_at TIMESTAMP
);
-- Еженедельные/ежемесячные сводки (предварительно рассчитанные)
CREATE TABLE reports (
  id INTEGER PRIMARY KEY AUTOINCREMENT,
  user_id INTEGER,
  period_type TEXT CHECK(period_type IN ('weekly', 'monthly')),
  period_start DATE,
  report_text TEXT,
  generated_at TIMESTAMP
);

Надежность интерпретации изображений

Агенты OpenClaw полагаются на возможности зрения базовой LLM. GPT-4o и Gemini 2.0 Flash хорошо справляются с определением соответствия средиземноморской диете (распознавание овощей, бобовых, оливкового масла), но испытывают трудности с точным размером порций. Для скриншотов из фитнес-приложений или приложений для сна извлечение текста через OCR работает хорошо, если изображение четкое. Совет по бюджету: используйте Gemini 2.0 Flash ($0.10/1 млн входных токенов) для изображений и GPT-4o-mini для текста.

Реализуемость бюджета ($50/мес)

Реалистично при оптимизации. Пример разбивки:

• Вывод LLM: ~40-50 вызовов/день (ежедневные проверки, фото, отчеты). Используя Gemini 2.0 Flash ($0.10/1 млн вход, $0.40/1 млн выход) → ~$5/мес.
• База данных: SQLite на VPS за $5 (например, Hetzner CX22) → $5/мес.
• Хостинг бота Telegram: Тот же VPS → включено.
• Итого: ~$10-15/мес. Остается место для GPT-4o fallback (20 вызовов, ~$8) или occasional image analysis с Gemini Pro Vision.

Риски и отсутствующие функции

• Граница медицинских консультаций: Системный промпт должен строго запрещать постановку диагнозов или изменение профессиональных рекомендаций. Храните отказ от ответственности для каждого пользователя.
• Конфиденциальность: Шифруйте данные о здоровье в покое (AES-256). Рассмотрите соответствие HIPAA, если обслуживаете других.
• Обратная связь: Пользователь может игнорировать напоминания. Разработайте эскалирующие уведомления (например, после 3 проигнорированных напоминаний о воде отправьте забавную GIF-ку).
• Генерация еженедельного отчета: Риск галлюцинаций LLM. Предпочтите детерминированную агрегацию для метрик, используйте LLM только для повествования.

Существующие компоненты: Вы можете адаптировать встроенный коннектор Telegram и шаблон PostgreSQL от OpenClaw. Готового агента здоровья не существует — вам придется создать промпт и схему БД с нуля.