ME And Ion hold

Мені потрібен був щоденник, який вислухає, а не почне коучити. AI-щоденники, які я пробувала, оцінюють, радять і ставлять цілі. Мені ж хотілося виговоритися й побачити власні думки збоку: що повторюється, де я собі суперечу, як змінилась за місяць.

Тому ME And I побудований на принципі «дзеркало, а не коуч». AI повертає мої слова, помічає патерни між записами й не каже, що робити. Я була першою і єдиною користувачкою. Це дало змогу щодня перевіряти кожне рішення на собі. Водночас це був полігон, де я на практиці розбиралася, як поводиться LLM у реальному продукті.

Перед розробкою я розібрала близько 3 000 коментарів із Reddit-спільнот про журналінг і відгуки зі сторів 10 застосунків-конкурентів. Що дізналась: звичку найчастіше вбиває «чиста сторінка», голос помітно знижує тертя на вході, а AI-щоденникам не довіряють у питанні приватності.

Що з цього пішло в продукт: голос став повноцінним способом вводу, після входу відкривається одразу новий запис, аудіо не зберігається, а експорт даних безкоштовний.

Спочатку розмова з AI мала один режим: віддзеркалювати й майже не питати. Під час щоденного використання я помітила, що цього мало, коли хочеш не просто виговоритися, а розібратися в ситуації: пасивне дзеркало лише повертало сказане.

Я розділила розмову на два режими, які можна перемикати посеред діалогу.

Порад немає в жодному з режимів: змінилась механіка, а принцип продукту залишився.

Голос у текст. Запис обробляється в пам'яті edge-функції і не зберігається. Основна модель розпізнавання Gemini. Якщо вона падає з помилкою, яку можна повторити, той самий запис автоматично йде у Whisper (OpenAI). Перед збереженням користувачка може відредагувати транскрипт, а в розпізнавання передаються імена з її записів, щоб модель правильно їх писала.

Пам'ять і RAG. Записи розбиваються на фрагменти з ембедингами в pgvector. Під час розмови AI отримує релевантні фрагменти з минулого, стислий підсумок «що відомо про мене» і структуровані факти. Нові факти замінюють застарілі. Продуктове правило: пам'ять будується тільки з того, що написала сама людина. Відповіді AI туди не потрапляють, щоб модель не «згадувала» власні вигадки. Пошук по журналу гібридний: спершу за ключовими словами, семантичний пошук доповнює результати.

Відмовостійкість. Розмова і рефлексія до запису проходять ланцюжок фолбеків: основна модель → легша модель того ж провайдера → модель іншого провайдера (Anthropic). Невалідний JSON рахується як збій рівня. Кожен виклик логується: модель, чи спрацював фолбек, вартість. Промпти й моделі налаштовуються в адмінці без релізу.

Безпека. Кризові стани розпізнаються кількома мовами. У такому разі AI дає нейтральну відповідь без порад, а спірні випадки йдуть на модерацію в адмінку.

Робочий PWA в проді з лендингом і адмін-консоллю: записи текстом і голосом, рефлексія до кожного запису, розмова Echo/Buddy з пам'яттю, щотижневий Mirror Report, порівняння себе в часі, листи собі в майбутнє, автоматичний розділ «Люди й місця». Вхід через email OTP і Google, видалення акаунта, експорт даних, щоденні бекапи.

Спершу специфікація, потім код. Для кожної фічі я писала продуктовий документ (job stories, правила поведінки AI), потім технічну специфікацію, і лише після цього реалізацію разом з AI-агентами. Кожна зміна йшла окремим PR з тестами й CI.

Зараз: проєкт на паузі. Застосунок працює, безкоштовний, і користуюся ним я. Я переключилась на програми, де будую продукти з нуля.

Якщо повернуся: перші зовнішні користувачі, щоб перевірити, чи потрібне «дзеркало без порад» не лише мені.

Гіпотези (не перевірені): позиція «не коуч» відрізняє продукт від конкурентів; голос утримує звичку; монетизація (план): платна глибина, наприклад пам'ять і Mirror Report.

React 19 · TypeScript · Supabase (Postgres, pgvector, Edge Functions) · Cloudflare · OpenAI / Anthropic / Gemini · PostHog