🎯 O problema: dica genérica × os seus dados
Pergunte a um chatbot comum "devo tomar café agora?" e ele responde com uma média da internet: "evite após as 14h". A resposta é igual para todo mundo — não sabe como você dormiu, que horas são para o seu corpo, nem como você metaboliza cafeína. O HealthOS troca essa média por uma resposta ancorada em você.
✗ Conselho genérico
- ✗"Durma 8 horas" — sem saber quanto VOCÊ dormiu ontem.
- ✗"Coma menos sal" — sem ver sua pressão subir 10-15% após um almoço salgado.
- ✗Esquece tudo na próxima conversa. Sem memória, sem padrão.
✓ Coaching com os seus dados
- ✓"Recovery 48% hoje — o vinho de ontem provavelmente pesou. Pega leve."
- ✓"Você metaboliza cafeína rápido (CYP1A2): café cedo, corta à tarde."
- ✓Lembra de semanas atrás: "toda vez que você janta tarde, o sono cai".
💡 A ideia em uma frase
Specific beats generic. Um coach aterrado nos seus exames, genética e metas dá conselho mecanismo-aware (sabe o "porquê" no seu corpo); um bot genérico dá platitude. Todo o desenho do HealthOS força essa especificidade.
Conceitos-chave
Resposta ancorada nos seus números, não na média.
Lembra do histórico e enxerga padrões ao longo de semanas.
Explica a causa no seu corpo, não só a recomendação.
Wearable + sangue + DNA + dieta, juntos.
🫀 O que é o HealthOS, exatamente
O HealthOS é um blueprint completo (um projeto-modelo, pronto para clonar) de um coach de saúde pessoal que vive num bot do Telegram. Você conversa com ele por mensagem; por trás, ele guarda tudo num banco de dados só seu, lê o seu wearable e responde sempre a partir do seu contexto atual.
🟢 Novo aqui? Três palavras antes de seguir
- LLM — é o modelo de IA do tipo que roda atrás do ChatGPT/Claude. É o "cérebro" que lê os seus dados e escreve a resposta.
- Coach (agente) — aqui não é só um chat: é um agente, um programa que age sozinho (busca seus dados, escreve no banco, dispara a revisão da manhã) além de conversar.
- Mecanismo-aware — "ciente do mecanismo": em vez de só mandar "tome menos café", ele sabe a razão fisiológica em VOCÊ (ex.: seu gene de cafeína) e age a partir dela.
📦 O que vem no pacote
- •Um coach no Telegram aterrado nos seus dados, não em conselho genérico.
- •Um banco de dados próprio (Supabase) com comida, treino, peso, cafeína, suplementos, sinais vitais, exames, check-ins e metas — além de memória das mensagens.
- •Uma conexão com a wearable (WHOOP no exemplo) ponta a ponta: autorização, sync diário e mapeamento dos dados.
- •Uma revisão da manhã guiada pela recuperação e um dashboard com as tendências.
🧭 Onde isso roda
Você aponta o seu Claude Code ou Codex para o repositório e constrói o seu. O exemplo usa WHOOP, mas qualquer fonte serve (Apple Watch, Garmin, ou registro manual) — o coach trabalha com o que chegar no banco. O autor rodou isso ao vivo por 15+ dias antes de publicar.
Conceitos-chave
Projeto-modelo pronto para clonar e personalizar.
A interface: você fala por mensagem.
Seus dados num Supabase privado seu.
Age sozinho, não só responde.
🧩 As 4 fontes de dados
A força do coach vem de cruzar quatro fontes que normalmente vivem em apps separados. Sozinha, cada uma é um pedaço; juntas, viram contexto. O diagrama abaixo mostra as quatro convergindo num único coach.
📊 Como ler: as quatro fontes (ciano, à esquerda) entram no coach, que as combina e devolve um conselho específico (verde). Nenhuma fonte sozinha bastaria — o valor está no cruzamento.
⌚ Wearable
Recuperação, variabilidade cardíaca, frequência de repouso e horas de sono. É o "como o corpo acordou hoje".
🩸 Sangue
Marcadores como ApoB, HOMA-IR, vitamina D. A foto bioquímica do seu metabolismo e risco.
🧬 DNA
SNPs (variações genéticas) que ajustam dosagens: cafeína, gordura saturada, vitamina D, sal. Genes como botões.
🍽️ Dieta
Foto da comida → macros estimados por visão. Fecha o elo entre o que você come e como recupera.
Conceitos-chave
Como o corpo acordou hoje.
A bioquímica do metabolismo.
Ajusta as dosagens — genes como botões.
O valor está em juntar as quatro.
🏗️ A arquitetura em alto nível
Toda vez que você manda uma mensagem, acontece a mesma sequência: o agente lê um snapshot (um resumo compacto do seu estado atual) do banco, raciocina com o LLM aterrado nos seus dados e responde. Siga o fluxo no diagrama.
🟢 Novo aqui?
- Supabase — é um banco de dados na nuvem (PostgreSQL) com armazenamento de arquivos. É onde TODOS os seus dados de saúde ficam, num projeto privado só seu.
- Snapshot de sessão — um retrato compacto do "agora": tendência de peso, o que você comeu hoje, pressão, a recuperação de ontem, o padrão de sono de 7 dias e suas metas. O agente lê isso no começo de cada conversa para responder sempre com contexto atual.
📊 Como ler: da esquerda pra direita é o caminho da pergunta; a linha tracejada é a resposta voltando. O agente nunca "adivinha": ele sempre lê o snapshot do banco antes de raciocinar.
🧠 Memória é o produto
Tudo é escrito em linhas estruturadas no banco. Por isso o coach conhece o seu histórico inteiro e enxerga padrões ao longo de semanas — não só reage à última mensagem. Guardamos esses módulos em detalhe na Trilha 1 (sinais e memória) e na Trilha 2 (o banco).
Conceitos-chave
Retrato compacto do "agora", lido a cada turno.
Orquestra: lê, raciocina, escreve, responde.
O banco privado onde tudo é gravado.
Linhas estruturadas = padrões ao longo do tempo.
🌅 Um dia na vida do coach
O dia inteiro acontece no Telegram. O exemplo abaixo é ilustrativo (números fictícios, não é conselho) — mostra como o loop se fecha: a escolha de hoje vira a recuperação de amanhã.
📊 Como ler: a recuperação de hoje abre o dia; as escolhas são registradas; a recuperação de amanhã reflete as escolhas. Esse ciclo é a espinha do HealthOS — ele te ensina os seus próprios botões.
food_log)Conceitos-chave
O número da manhã decide puxar ou descansar.
A escolha de hoje vira a recuperação de amanhã.
Cada escolha vira linha no banco.
Você aprende o que mexe no seu corpo.
🔒 Privacidade e segurança
Dado de saúde é sensível. O HealthOS é trancado por padrão: projeto privado, acesso pelo servidor, segredos fora do git. Nada sai além das chamadas de LLM que você escolhe fazer.
🟢 Novo aqui?
RLS (Row-Level Security) — "segurança em nível de linha". É um recurso do banco que decide quem pode ler cada linha. No HealthOS, a RLS fica ligada sem nenhuma política: a chave pública (anon) não lê nada, e só o servidor (com a chave service-role) acessa. Resultado: ninguém de fora lê seus dados.
✓ O que o desenho garante
- ✓Projeto Supabase privado, na sua conta.
- ✓RLS ligada, sem políticas: a chave anon não lê nada.
- ✓Segredos em
~/.env(sua home), nunca no git.
✗ O que nunca versionar
- ✗Seu
CLAUDE.mdpreenchido (perfil real). - ✗Os valores reais do seed e suas fotos.
- ✗O arquivo
~/.envcom as chaves.
Conceitos-chave
O banco é seu, na sua conta.
Ninguém de fora lê suas linhas.
Em ~/.env, fora do versionamento.
Nada sai além do que você escolhe.
⚠️ Não é conselho médico · custo e pré-requisitos
Antes de qualquer coisa técnica, a regra mais importante do curso inteiro: isto é uma ferramenta de registro e raciocínio, não um médico.
⚠️ Não é conselho médico
- •É o exemplo de uma pessoa, que consultou médicos a cada passo. Não é prescrição para você.
- •A IA pode alucinar. Trate toda sugestão como pergunta para levar ao médico, nunca como ordem.
- •O coach é instruído a não diagnosticar nem mexer em medicação; ele encaminha para um clínico.
- •Amostras de DNA enviadas pelo correio degradam — o painel da clínica e o do Ancestry podem não bater.
💰 Quanto custa rodar
- Supabase — o plano gratuito dá conta de uma pessoa.
- LLM + embeddings — as chamadas que você faz (centavos para embeddings; ~US$10-20/mês de uso típico).
- Visão (Gemini) — centavos por foto.
- WHOOP — a API é gratuita com a assinatura. Não tem WHOOP? Use outra wearable ou registro manual.
🧰 O que você vai precisar (visão geral)
Python 3.9+, Node, uma conta Supabase, um bot do Telegram e chaves de API (OpenAI, Gemini, opcionalmente WHOOP). Não se preocupe em ter tudo agora — a Trilha 2 (Passo a passo) monta cada peça com você, do zero.
Conceitos-chave
Verifique tudo com um clínico.
Free tier + ~US$10-20/mês.
Qualquer fonte serve.
Os pré-requisitos vêm no passo a passo.
✅ Auto-checagem (opcional): o que torna o HealthOS diferente de um chatbot comum?
📋 Resumo do módulo
Próximo módulo:
1.2 — Os sinais do corpo: recovery, HRV, RHR, sono e os marcadores de sangue que o coach lê.