„Han-Kki Cheobang“: ein Service für Essensempfehlungen, der die Frage „Was esse ich heute?“ erleichtern soll

Seit ich allein lebe, ist das täglich wiederkehrende „Was esse ich heute?“ überraschend ermüdend. Deshalb habe ich etwas gebaut, das Menüs nicht über eine „Suche“, sondern über „Stimmung/Situation“ eingrenzt.

Bestehende Rezeptseiten richten sich an Menschen, die bereits entschieden haben, was sie essen möchten. Ich hatte das Gefühl, dass der Schritt „vor der Entscheidung“ fehlt. Han-Kki Cheobang konzentriert sich darauf, anhand einer Zeile zu Stimmung (erschöpft/gestresst/niedergeschlagen usw.), Wetter und Situation (allein essen/Spätmahlzeit/Katerfrühstück usw.) eine passende Mahlzeit auszuwählen. Man kann es direkt ohne Registrierung ausprobieren.

▍Features

• Empfehlungen auf Basis von Stimmung, Wetter und Situation (kein Suchen, sondern Eingrenzen)
• Basierend auf öffentlichen Rezeptdaten des Ministeriums für Lebensmittel- und Arzneimittelsicherheit, zusätzlich gelabelt und je nach Situation gematcht
• Menü-Sammlungsseiten nach Situation, etwa „Abendessen an Regentagen“, „allein essen“ oder „Spätmahlzeit“
• Ohne Registrierung/Login nutzbar, Web + Android-App

▍Technische Dinge, die ich ausprobiert habe

• Turborepo-Monorepo: Next.js (Web, Vercel) / Expo RN (App) / Hono (API, Firebase Functions) / Firestore
• Wenn Empfehlungstexte per LLM-Aufruf zur Laufzeit erzeugt werden, werden Kosten, Latenz und Konsistenz allesamt zum Problem. Deshalb habe ich sie vollständig vorab als Batch generiert und in die DB geladen; zur Laufzeit wird nur noch gelesen. (LLM nur zur Build-Zeit)
• Die Menü-Seiten nach Situation werden automatisch aus kuratierten Suchintentionen + Rezept-Label-Matching + vorab generierten Editorial-Texten erstellt, und nur Seiten, die die Quality Gates (Länge, verbotene Wörter, Anzahl der Matches) bestehen, werden indexiert.

▍Ehrliche Einschränkungen

• Es ist noch in einer frühen Phase mit kaum Traffic, daher ist noch nicht ausreichend validiert, wie gut die Empfehlungsqualität in der tatsächlichen Nutzung ankommt. Deshalb wollte ich es auf GN posten und echtes Feedback bekommen.
• Da die Rezeptdaten auf öffentlichen Daten basieren, sind manche Beschreibungen etwas holprig.

Feedback/Kritik ist willkommen, egal ob zu Motivation, Empfehlungslogik oder Datenverarbeitung. Besonders hilfreich wären Hinweise wie „diese Situation fehlt noch“.