BiteWise
Bitewise (anteriormente CalorieTracker) es una app Flutter de seguimiento de calorías local-first que automatiza el registro de comidas mediante detección automática de fotos de cámara roll. Usa IA para analizar nutrición desde etiquetas o estimación visual, con deducción automática de sobras y corr
Ficha actualizada 28 sept 2026, 19:50 · upstream 28 sept 2026, 19:42 · release v1.4.0
Qué es BiteWise
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Bitewise es una aplicación móvil cross-platform desarrollada en Flutter (Dart SDK ≥3.12.2) que automatiza el registro nutricional sin necesidad de abrir la app tras cada comida. La arquitectura local-first almacena todos los datos en SQLite del dispositivo, con tráfico de red limitado exclusivamente a la foto enviada al proveedor IA elegido.
El sistema sigue una cadena de evidencia para análisis: etiquetas nutricionales impresas > peso impreso > datos de marca > estimación visual calibrada contra referencias reales (cuchillos, bowls, manos). Soporta siete proveedores de IA: Google Gemini, OpenAI, Anthropic Claude, Alibaba Qwen, ByteDance Doubao, Zhipu GLM y servidor auto-alojado. Funciona desde China continental sin VPN.
Incluye seguimiento corporal (peso, cintura, pecho, cadera), gráficos honestos que muestran días sin registro, exportación/importación de datos en JSON, modo oscuro estilo Apple, interfaz completa en chino con cambiador de idioma en tiempo real y entrada manual offline sin claves API.
- Registro automático de comidas mediante monitorización de cámara roll
- Análisis nutricional desde etiquetas o estimación visual calibrada
- Deducción automática de porciones no consumidas (sobras)
- Correcciones de calorías en lenguaje natural multilingüe
- Seguimiento corporal con gráficos de tendencia honestos
- Arquitectura local-first: datos en SQLite del dispositivo, solo la foto analizada sale al proveedor
- Cadena de evidencia verificable para estimaciones nutricionales
- Deducción automática de sobras reconociendo platos restantes
- Correcciones en lenguaje natural con confirmación antes de borrar
- Siete proveedores de IA incluyendo Zhipu GLM gratuito desde China
- Solo disponible como APK precompilado para Android; iOS requiere compilación local con Xcode
- Dependencia de claves API del proveedor IA (excepto ruta gratuita GLM)
- Funcionalidad completa requiere conexión a internet para análisis por IA
- Sin soporte Docker ni despliegue containerizado
Capturas del proyecto
Imágenes reales detectadas en la documentación del repositorio.
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Android: descargar APK desde release, permitir instalación desconocida y configurar proveedor en Settings. iOS: compilar desde fuente con Flutter en Mac/Xcode. Para desarrollo: clonar repo, ejecutar flutter pub get en app/, luego flutter run. Ruta gratuita: crear clave GLM en open.bigmodel.cn. Build de APK shareable: bash scripts/build_share_apk.sh → ~/Desktop/CalorieTracker-share/.
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Puede sustituir a
Relaciones detectadas por el análisis del repositorio y su categoría.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.