Session 2026-05-06: User-scoped AI, admin-toggles och premium

Denna session:

Införde user-scoped AI-förslag för ingrediens- och kategorimatchning (premium-funktion).
Admin kan nu slå på/av AI per användare via backend och UI.
Flutter och backend respekterar premium-flagga och AI-tillgång i alla flöden.
Lessons learned: Fallback-first AI, tydlig separation av analys, och ownerId/userId-filter i all logik ger robustare system.

Se även:

TEKNISK_BESKRIVNING.md för teknisk genomgång.
RECIPE_IMPORT_REFACTOR_PLAN.md för refaktorplan.

AI-funktioner i Recipe-App: Premium-funktioner och rekommenderade modeller

Se README.md för funktionsöversikt, TEKNISK_BESKRIVNING.md för teknisk arkitektur och NEXT_STEPS.md för prioriterade nästa steg.

Dokumentstatus (2026-05-03)

Målgrupp

Detta arkivdokument är för teknisk planering och historik kring AI-strategi.

Komplettering från senaste sessionerna

AI-förslag för kategorier används tillsammans med regelbaserad parser, inte som ensam källa.
Contradiction guards och domänregler (bl.a. bröd/rostbröd) prioriteras för att reducera felklassning.
Klientens UX separerar produktförslag från AI-kategoriförslag för tydligare semantik i granskningen.

Detta dokument beskriver de AI-funktioner som implementeras eller planeras som premium-funktioner i recipe-app. Varje funktion är kopplad till en rekommenderad Mistral-modell, med fokus på att använda de enklaste och mest kostnadseffektiva alternativen.

Översikt över AI-funktioner

Funktion	Beskrivning	Modell	Status
Automatisk kategorisering	AI kategoriserar produkter baserat på namn mot systemets kategoriträd. Admins kör bulk-kategorisering; premium-användare får förslag per produkt.	`mistral-small-2603`	✅ Klart
Kvittoimport — kategorisuggestion	Ej matchade kvittorader får ett AI-kategoriförslag för premium-användare, visas som ledtråd i gränssnittet.	`mistral-small-2603`	✅ Klart
Receptförslag utifrån hemmalager	AI analyserar användarens inventory och föreslår recept baserat på tillgängliga ingredienser.	`mistral-small-2603`	❌ Planerad
Veckoplanering med AI	AI genererar en veckoplan baserat på inventory, recept och användarpreferenser.	`mistral-small-2603`	❌ Planerad
Smart inköpslista	AI skapar en inköpslista baserat på saknade ingredienser och historisk förbrukning.	`mistral-small-2603`	❌ Planerad
"Vad ska jag laga idag?"	AI ger snabba receptförslag baserat på vad användaren har hemma.	`mistral-small-2603`	❌ Planerad
Enhetskonvertering	AI hjälper till att konvertera enheter (t.ex. gram till msk) och hanterar osäkerheter.	`mistral-small-2603`	❌ Planerad
AI-assisterad lageravräkning	AI hjälper till att dra av rätt mängder från inventory när ett recept lagas.	`mistral-small-2603`	❌ Planerad
Personliga matlagningsråd	AI ger personliga tips baserat på användarens matlagningshistorik och inventory.	`mistral-small-2603`	❌ Planerad
AI-assisterad import av PDF/länkar	AI extraherar recept och prisdata från PDF-filer och länkar för att underlätta importen.	`mistral-small-2603`	❌ Planerad
Kostnadseffektiv inköpslista	AI skapar en kostnadseffektiv inköpslista baserat på inventory och aktuella butikspriser.	`mistral-small-2603`	❌ Planerad

Bakgrund och motivering

Varför dessa funktioner?

Receptförslag utifrån hemmalager och veckoplanering är centrala för att hjälpa användare att minska matsvinn och spara tid.
Smart inköpslista och kostnadseffektiv inköpslista är viktiga för att optimera användarens matbudget.
AI-assisterad import av PDF/länkar underlättar för användare att lägga in recept och prisdata utan manuellt arbete.

Varför dessa modeller?

mistral-small-2603 används för de flesta funktioner eftersom den är kostnadseffektiv och klarar av strukturerad data och logik.
mistral-tiny-2603 används för enklare, snabbare uppgifter som "Vad ska jag laga idag?" och personliga matlagningsråd.
labs-leanstral-2603 används för enhetskonvertering eftersom den är optimerad för kod och logik.

Tekniska överväganden

Integration med befintlig arkitektur

Backend: AI-funktionerna kommer att implementeras som separata tjänster i NestJS, med egna endpoints för varje funktion.
Frontend: Resultaten från AI-funktionerna kommer att visas i Next.js-gränssnittet, med tydlig feedback till användaren.
Databas: Resultat och användardata lagras i MariaDB via Prisma ORM.

Säkerhet och validering

Validering: AI-output valideras alltid mot strukturerade scheman (t.ex. med Zod) för att säkerställa datakvalitet.
Säkerhet: Känslig data krypteras enligt den hybridlösning med PGP och AES som vi tidigare diskuterat.

Nästa steg

Receptförslag — "Vad ska jag laga idag?" är nästa naturliga premium-funktion; bygger direkt på inventory och recept som redan finns i systemet.
Veckoplanering med AI — kräver att receptförslag fungerar; planera mot kampanjpriser kräver extern datakälla.
Validering av AI-output — säkerställ att AI-svar alltid valideras mot strukturerade scheman (t.ex. Zod) för datakvalitet.

5.5 KiB Raw Blame History