Aplikacja mental-health dla terapeutów.

Problem

Terapeutyczny asystent AI wyrósł z początków jako bot na Telegramie. Żeby stać się produktem, któremu terapeuci zaufają w pracy z pacjentem, potrzebował prawdziwej aplikacji mobilnej (Flutter) i backendu zbudowanego według standardów, jakich wymaga narzędzie kliniczne: bezpiecznego uwierzytelniania, porządnego modelu pacjenta, wiarygodnej historii rozmów, ostrożnej obsługi plików oraz rdzenia AI, który da się analizować i utrzymywać, a nie traktować jak czarną skrzynkę.

Co zbudowałem

Kompletny backend REST na n8n + Supabase — ponad 40 workflowów i 30 endpointów w produkcji, w całości zbudowanych i utrzymywanych w modelu agentowym:

• Pełna powierzchnia API, nie prototyp — cały cykl życia konta (rejestracja, logowanie, odświeżanie tokenu, reset hasła, usunięcie konta), rejestr pacjentów, podejścia terapeutyczne i ich narzędzia, wątki i wiadomości czatu oraz eksport dokumentów/PDF. Każdy endpoint to osobny workflow — niezależnie wdrażalny i wersjonowany.
• Reużywalne uwierzytelnianie JWT jako wspólny middleware — jeden subworkflow weryfikuje token na każdym chronionym endpoincie, więc logika bezpieczeństwa żyje w jednym miejscu, zamiast być kopiowana po całym API.
• Terapeutyczny rdzeń czatu z warstwą routingu — każda przychodząca wiadomość jest najpierw klasyfikowana i kierowana (który tryb, które narzędzie), a potem obsługiwana przez agenta terapeutycznego z pamięcią rozmowy. Odpowiedzi są ugruntowane w wyszukiwaniu (retrieval) i zapisywane z powrotem do kartoteki pacjenta.
• RAG per metoda terapeutyczna — terapeuci dodają własne materiały referencyjne przez prowadzony formularz, który przypisuje każdy dokument do konkretnego podejścia terapeutycznego; treść jest dzielona, embeddowana i zapisywana w bazie wektorowej, dzięki czemu asystent odpowiada w kontekście faktycznie używanej metody.
• Wejście multimodalne — przyjmowane są notatki głosowe, obrazy i pliki PDF. Audio jest transkrybowane (Whisper), obrazy odczytuje model wizyjny, PDF-y są parsowane — każde z limitami rozmiaru i kontrolowaną obsługą błędów, nigdy po cichu porzucone.
• Konceptualizacje przypadków na żądanie — backend syntetyzuje ustrukturyzowaną konceptualizację kliniczną z całej historii rozmów pacjenta i zapisuje ją do kartoteki, zamieniając rozproszone sesje w użyteczne podsumowanie.
• Niezależność od dostawcy modeli — kroki AI działają na kilku dostawcach, każdy dobrany pod zadanie i wymienny, więc produkt nie jest uwiązany do jednego vendora ani jednej krzywej cenowej.
• Dyscyplina inżynierska, którą da się zaudytować — każdy workflow nosi swój status (zreviewowany, przetestowany, udokumentowany), błędy przechodzą przez jeden ustandaryzowany wzorzec, dostęp do danych opiera się na row-level security samej bazy, a cała platforma jest automatycznie backupowana.

Rezultat

Wdrożenie produkcyjne dostarczone na czas i bez krytycznych błędów — i takie, które urosło daleko poza punkt wyjścia. To, co wystartowało jako backend asystenta czatowego, stało się pełną platformą kliniczną złożoną z 40+ workflowów, przyjmując po drodze nowe funkcje — konceptualizacje, triale, wejście multimodalne — bez przepisywania od zera. Wypracowane tu reużywalne wzorce: wspólny middleware JWT, standardowa warstwa dostępu do danych, procesory plików — to dowód, że agentowy model budowy potrafi tworzyć oprogramowanie utrzymane w profesjonalnych, klinicznych standardach.