AI FitnessHealthCoach

🎯 AI健身健康教练 - 完整系统

基于AWS的无服务器健身与营养辅导系统，配备 MCP（模型上下文协议） 集成。功能包括AI驱动的锻炼生成、智能饮食规划以及实时访问AWS文档。

  

🌟 关键特性

• 🏋️ 举重或健身（符号代表举重或锻炼的场景） AI生成锻炼计划 - 利用Bedrock AI + Fitness Knowledge MCP进行个性化锻炼
• 🍽️ 对应的中文翻译是：🍽（餐盘符号，无实际含义，可理解为“用餐”或“美食”的象征） 智能膳食规划 - 美国农业部营养数据库 + 智能缓存
• 📚 书籍 实时AWS文档 - 在开发过程中即时访问AWS文档
• ☁️ 云朵 无服务器架构 - Lambda、DynamoDB、API网关、S3
• 🔧 （扳手，表示修理、工具等意思） MCP集成 - 配备专业知识服务器的增强型人工智能
• 🚀 表情符号“🚀”通常被用来表示火箭、快速前进或加速等意思。在中文中，它可以直接用作表情符号，不直接翻译为文字，但在需要解释时，可以描述为“火箭”或“快速前进”等。 已准备好投入生产 - 全面监控、测试和部署

🎮 表示游戏机或电子游戏相关的符号，可翻译为“🎮（游戏机/电子游戏符号）”。不过，在实际应用中，我们通常直接使用这个符号本身来表示游戏机或电子游戏，而不需要额外的翻译，因为它已经是一个广泛认可的图标。但如果需要解释或描述，可以这样说：“这是游戏机或电子游戏的符号”。 快速入门（无需API密钥！）

# 1. Clone the repository
git clone https://github.com/amruthavinayakam/AI_FitnessHealthCoach.git
cd AI_FitnessHealthCoach

# 2. Install dependencies
pip install -r requirements.txt

# 3. Start local development server
py local_server.py

# 4. Visit http://localhost:8080
# Try: "I want to build muscle and lose fat"

📊（表格） 系统架构

User Request → API Gateway → Lambda Functions → {
    ├── Workout Generator + Fitness Knowledge MCP
    └── Meal Planner + Enhanced Nutrition MCP  
} → Bedrock AI → Enhanced Response

🔧 修理工具或螺丝刀的符号，常用于表示需要修理或调整的物品或情境。 MCP服务器

1. 健身知识 MCP（注：MCP在此处可能代表某种特定的认证或课程名称，但根据上下文无法确定具体含义，因此直接保留原样） - 包含动作描述和安全指南的运动数据库
2. 增强营养MCP（注：MCP在此处可能代表某种特定的营养补充剂、配方或计划的缩写，具体含义需根据上下文确定，中文翻译中保留原缩写以保持专业性和准确性） - 美国农业部营养数据与智能膳食规划
3. AWS 文档 MCP（注：MCP 在此上下文中可能指与 AWS 相关的某种特定认证、课程或文档集合，但具体含义需根据上下文确定，此处直译为“AWS 文档 MCP”） - 实时访问AWS文档

📁 代表文件夹（File Folder） 项目结构

AI_FitnessHealthCoach/
├── src/
│   ├── lambda/                          # AWS Lambda functions
│   │   ├── fitness_coach_handler/       # Main API handler
│   │   ├── workout_generator/           # AI workout generation
│   │   └── meal_planner/               # Nutrition planning
│   ├── mcp_servers/                    # MCP server implementations
│   │   ├── fitness_knowledge/          # Exercise database & expertise
│   │   ├── nutrition_enhanced/         # USDA nutrition database
│   │   └── spoonacular_enhanced/       # Spoonacular API integration
│   └── shared/                         # Shared utilities
├── infrastructure/                     # AWS CDK infrastructure
├── tests/                             # Comprehensive test suite
├── docs/                              # Documentation
└── .kiro/specs/                       # Feature specifications

🚀 火箭/快速上升/加速 部署选项

选项1：本地开发（推荐用于测试）

py local_server.py
# Visit http://localhost:8080

选项2：AWS部署

# Configure AWS credentials
aws configure

# Deploy infrastructure
py deploy.py

# Your API will be available at the provided endpoint

🔒（锁形符号，常用于表示安全、保密或锁定状态） 环境设置

1. 复制环境模板：

   cp .env.example .env

1. 在“Configure optional API keys in”中配置可选的API密钥 .env:

   # Optional - system works without these
   SPOONACULAR_API_KEY=your-key-here
   USDA_API_KEY=your-key-here

   # Required for AWS deployment
   AWS_REGION=us-east-1
   AWS_ACCOUNT_ID=123456789012

1. 系统在不使用任何API密钥的情况下运行完美：

- 增强版营养数据库（USDA数据） - 健身知识MCP服务器 - 演示模式用于测试

🍽️ 译为中文是“餐盘”或“餐具”，但在此作为表情符号使用时，通常直接表示“吃饭”或“美食”的意思，没有直接的中文文字对应，所以根据语境可以翻译为“吃饭”或“美食”。 营养数据来源

增强版营养数据库（默认）

• ✅ 免费 无需API密钥
• ✅ 美国农业部食品数据中心 - 政府官方营养数据
• ✅ 表示“正确”或“确认”。 30多种食物 - 综合数据库
• ✅ 6+道食谱 - 优质餐食模板
• ✅ 即时响应 - 无外部依赖

可选API集成

• USDA食品数据中心API - 每小时1,000次请求（免费）
• Edamam食谱API - 每月10,000次请求（免费版）
• 开放食品事实API - 无限（开源）

🏋️ 举重 健身知识

健身知识MCP服务器包括：

• 运动数据库 - 5+道练习题，附详细信息
• 表单描述 - 正确的锻炼技巧
• 安全指南 - 预防受伤的小贴士
• 渐进超负荷（或渐进式负荷增加） - 运动进步建议
• 平衡验证 - 确保肌肉群的均衡锻炼目标

🧪 表示“实验”或“化学实验”的符号。 测试

# Run all tests
py tests/run_tests.py

# Test MCP servers
py src/mcp_servers/fitness_knowledge/server.py
py src/mcp_servers/nutrition_enhanced/multi_source_server.py

# Test API integration
py test_real_vs_demo.py

🔧（螺丝刀、修理工具等的象征） 配置

# Configure nutrition data source
py configure_apis.py

# Options:
# 1. Enhanced Nutrition Database (USDA + Custom)
# 2. Demo mode (simple sample data)  
# 3. Spoonacular API (requires API key)

📊 表格/数据图表 监控与可观测性

• CloudWatch 仪表板 - 实时指标
• API网关监控 - 请求/响应追踪
• Lambda 性能 - 执行时间和错误
• DynamoDB 指标 - 读/写能力和限速控制
• 自定义警报 - 主动问题检测

🤝（握手） 做出贡献

1. 为仓库创建分支
2. 创建一个特性分支： git checkout -b feature/amazing-feature
3. 提交更改： git commit -m 'Add amazing feature'
4. 推送至分支： git push origin feature/amazing-feature
5. 提交一个拉取请求

📄（文件/纸张） 许可证

这个项目遵循MIT许可证授权——详见 许可证 详情请参阅文件。

🙏（合十礼，表示祈祷、感谢或尊敬） 致谢

• AWS Bedrock - 人工智能模型集成
• USDA食品数据中心 - 营养数据库
• 模型上下文协议 - 增强的人工智能功能
• AWS CDK（Amazon Web Services Cloud Development Kit，亚马逊网络服务云开发工具包） - 基础设施即代码
• Kiro IDE（集成开发环境） - 开发环境

______________________________________________________________________

🎯 用心打造，为健身与健康社区服务