EatAI

EatAI: Diät- und Gesundheitshelfer für ein besseres Leben

EatAI ist eine KI-gesteuerte Anwendung, die Benutzer dabei unterstützen soll, gesündere Ernährungsentscheidungen zu treffen und Wellnessziele zu erreichen. Durch die Nutzung von Benutzerdaten bietet EatAI personalisierte Empfehlungen, die einen ausgewogenen und gesunden Lebensstil unterstützen.

Projektstruktur

• client/ : Frontend-Anwendung erstellt mit Vite und React.
• server/ : Backend-Anwendung, die Flask mit Gunicorn für die Produktionsbereitstellung verwendet.

---

Repository

EatAI GitHub-Repository

---

Setup-Anleitung

Voraussetzungen

• Client : Node.js und npm
• Server : Python 3.8+, Pip und Gunicorn für die Einrichtung des Produktionsservers
• Bereitstellung : Render.com-Konto

---

Installation

1. Klonen Sie das Repository

   git clone https://github.com/yashkanjariyaa/EatAI.git
   cd EatAI

2. Installieren Sie Client-Abhängigkeiten

    cd client
   npm install

3. Installieren Sie Serverabhängigkeiten

    cd ../server
   pip install -r requirements.txt

---

Umgebungskonfiguration

Client- .env Datei

Erstellen Sie eine .env Datei im client -Verzeichnis mit Folgendem:

 VITE_SERVER_BASE_URL = SERVER_URL

Diese Variable verweist auf die Backend-Server-API und ermöglicht dem Frontend die Kommunikation mit dem Server. Alternativ können Sie diese bereitgestellte URL verwenden: https://eatai.onrender.com

Server- .env Datei

Erstellen Sie eine .env Datei im server mit:

 GOOGLE_API_KEY = YOUR_API_KEY

Dieser API-Schlüssel ist für die Integration von Google-Diensten in die Serveranwendung erforderlich.

---

Ausführen der Anwendung

1. Starten Sie den Server

   Navigieren Sie zum server und starten Sie den Flask-Server mit Gunicorn:

    cd server
   gunicorn --config gunicorn_config.py app:app

2. Starten Sie den Client

   Navigieren Sie in einem neuen Terminal zum client -Verzeichnis und führen Sie den Entwicklungsserver aus:

    cd client
   npm run dev

---

Einsatz

Serverbereitstellung auf Render

1. Richten Sie Ihr Projekt auf Render ein und geben Sie den Serverstamm als server an.

2. Konfigurieren Sie Gunicorn für die Verwendung des folgenden Befehls:

   gunicorn --config gunicorn_config.py app:app

3. Fügen Sie Umgebungsvariablen in den Render-Einstellungen basierend auf Ihrer .env Datei hinzu.

Client-Bereitstellung auf Render

1. Richten Sie das Client-Projekt auf Render ein.
2. Konfigurieren Sie die Umgebungsvariable VITE_SERVER_BASE_URL in den Render-Einstellungen so, dass sie auf die bereitgestellte Backend-URL verweist.

---

Merkmale

• KI-gestützte Ernährungsempfehlungen basierend auf Benutzereingaben
• Zielverfolgung, um Benutzern dabei zu helfen, ihre Gesundheitsziele zu überwachen und zu erreichen
• Integration mit Google-Diensten für erweiterte Funktionen und Einblicke

---

Tech-Stack

• Frontend : Vite + React
• Backend : Flasche mit Gunicorn
• Bereitstellung : Render.com

---

Lizenz

Dieses Projekt ist Open Source unter der MIT-Lizenz.