Розробка вебзастосунку для автоматизованого підбору меню з урахуванням вподобань користувача

Abstract

UA : Пояснювальна записка: 58 сторінок, 7 таблиць, 20 рисунків, 12 джерел, 3 додатки. Об'єкт дослідження: процес автоматизованого планування харчування в домогосподарствах. Предмет дослідження: методи та засоби розробки вебзастосунку з інтеграцією локальної мовної моделі та геоінформаційних сервісів для підбору меню за вподобаннями користувача. Мета роботи: розробити вебзастосунок Smart Scout Menu, що автоматично формує тижневе меню за дієтичним профілем користувача, будує список покупок і знаходить найближчі продовольчі магазини. Методи дослідження: аналіз існуючих аналогів за функціональними критеріями, методи структурного та об'єктного проєктування програмного забезпечення, прототипування інтерфейсу, юніт-тестування (Vitest) та тестування безпеки API власним сценарієм. Використано локальну мовну модель phi-4-mini-instruct через сервер LM Studio і дані OpenStreetMap через Overpass API. У результаті розробки отримано повнофункціональний вебзастосунок з 37 маршрутами React Router, 16 незалежними route-модулями API, базою з 9 колекцій MongoDB і JSON-fallback шаром. Реалізовано всі сім функціональних вимог: JWT-автентифікацію, генерацію меню локальною LLM, управління рецептами з конвертацією зображень у WebP, пошук магазинів через OSM, кошик і списки покупок, аналітику бюджету та нутрієнтів (Recharts), мультимовний інтерфейс (i18next, EN/CS/UK). Тестування підтвердило 0 помилок TypeScript-компіляції, проходження 5 перевірок безпеки (NoSQL injection, path traversal, JWT tampering, rate limiting, CORS) та стабільну роботу в режимах MongoDB і JSON-fallback. Рекомендації щодо застосування: розгортання у домогосподарствах для скорочення часу щоденного планування харчування і контролю витрат на продукти; використання в навчальному процесі як приклад інтеграції локальної LLM з вебдодатком. Значимість роботи: запропоновано і реалізовано рішення, що поєднує генерацію меню локальною мовною моделлю (без платних API), геоінтеграцію магазинів через OpenStreetMap і бюджетну аналітику. Жоден з існуючих аналогів такого поєднання не має.

EN : Technical documentation: 58 pages, 7 tables, 20 figures, 12 sources, 3 appendices. Object of research: the process of automated meal planning in households. Subject of research: methods and tools for developing a web application integrating a local language model and geoinformation services for menu selection based on user preferences. Purpose of the work: to develop the Smart Scout Menu web application that automatically generates a weekly menu based on the user's dietary profile, builds a shopping list, and locates the nearest grocery stores. Research methods: analysis of existing analogues by functional criteria; methods of structural and object-oriented software design; interface prototyping; unit testing (Vitest); and API security testing using a custom test suite. A local language model phi-4-mini-instruct was used via the LM Studio server, and OpenStreetMap data was accessed via the Overpass API. As a result of the development, a fully functional web application was obtained, comprising 37 React Router routes, 16 independent API route modules, a database of 9 MongoDB collections, and a JSON fallback layer. All seven functional requirements were implemented: JWT authentication, menu generation using a local LLM, recipe management with WebP image conversion, store search via OSM, shopping cart and lists, budget and nutrient analytics (Recharts), and a multilingual interface (i18next, EN/CS/UK). Testing confirmed zero TypeScript compilation errors, successful passing of five security checks (NoSQL injection, path traversal, JWT tampering, rate limiting, CORS), and stable operation in both MongoDB and JSON fallback modes. Application recommendations: deployment in households to reduce daily meal planning time and control grocery expenses; use in educational settings as an example of integrating a local LLM with a web application. Significance of the work: a solution was proposed and implemented that combines menu generation using a local language model (without paid APIs), geolocation of stores via OpenStreetMap, and budget analytics. None of the existing analogues offers such a combination of features.