Shape notes 2026 07 04 mvp greenfield

Vision & Problem Statement

Mama autora aplikacji codziennie ogląda na telefonie przepisy w mediach społecznościowych — głównie Facebook (posty i Reels), rzadziej YouTube, TikTok, blogi kulinarne. Chce zachować te, które wyglądają smacznie, na “kiedyś tam ugotuję”. Próbuje korzystać z zakładek przeglądarki i opcji “Zapisz” na Facebooku, ale po kilku tygodniach lub miesiącach większość zachowanych linków przestaje działać: posty są usuwane, grupy kulinarne znikają, Reels są kasowane przez autorów, blogi gasną. Codziennie traci kolejne przepisy, a istniejące “zapisane” treści są dla niej praktycznie bezużyteczne — i nie radzi sobie technicznie z żadnym alternatywnym workflow (kopiowanie do notatek, ręczne wpisywanie składników, zarządzanie folderami).

Wgląd, na którym opiera się produkt: AI (LLM do ekstrakcji + Whisper do transkrypcji audio z filmów) jest dopiero teraz na tyle dobre i tanie, by jednym gestem systemowym “udostępnij” wyciągnąć przepis z dowolnego źródła (tekst, Reel, film) i zapisać jego trwałą lokalną kopię — tytuł, składniki, kroki, zdjęcie/screenshot, transkrypcję, oryginalny URL. Pinterest, Facebook Save, zakładki Chrome i istniejące aplikacje kulinarne są “link-first” — wszystkie polegają na tym, że źródło nadal istnieje. Ten produkt jest “archive-first”: zapisuje KOPIĘ przepisu, a nie odnośnik do niego.

User & Persona

Główna persona: mama autora aplikacji. Codzienna użytkowniczka smartfonu (Android), ale niedoświadczona technicznie — nie wpisuje ręcznie składników, nie wypełnia formularzy, nie zakłada kont, nie zarządza folderami ani tagami. Wzorzec dotarcia do produktu: ogląda przepis na telefonie (post / Reel / film), klika systemowe „Udostępnij” — tak jak udostępnia zdjęcia na WhatsApp lub Messenger — wybiera „ZapiszPrzepis” z listy aplikacji, i nie robi nic więcej. Cały dalszy proces (rozpoznanie źródła, pobranie zdjęcia/transkrypcja audio, ekstrakcja składników i kroków, tłumaczenie na polski jeśli oryginał był po angielsku, przypisanie kategorii) musi się wydarzyć automatycznie. Jej pierwsze zetknięcie z produktem nie powinno wymagać żadnego onboardingu poza instalacją PWA.

Access Control

Uwierzytelnianie typu passwordless magic link (jednorazowy link aktywacyjny wysłany e-mailem). Setup mamy wykonuje autor aplikacji raz: wpisuje jej adres e-mail, klika link na jej telefonie, sesja jest długo-żyjąca i nie wygasa w trakcie normalnego użytkowania. Mama nigdy nie widzi ekranu logowania ani formularza rejestracji.

Każdy użytkownik ma swoją osobną, prywatną skrzynkę przepisów. Brak ról (administrator / członek / gość), brak współdzielenia, brak grup rodzinnych. Płaski model: jeden e-mail → jedno konto → jedna kolekcja przepisów widoczna tylko dla niej. Współdzielenie rodzinne (“ZapiszPrzepis Family”) wyraźnie poza zakresem MVP — wraca jako V2.

Nieuwierzytelniony użytkownik, który trafi na URL aplikacji, widzi tylko ekran „Wpisz e-mail, by otrzymać link” — żadnej treści przepisów, żadnego katalogu publicznego.

Success Criteria

Primary

• Mama otrzymuje link do przepisu na Facebooku (post, Reel, Story) lub na innym wspieranym źródle (blog kulinarny, YouTube), klika systemowe „Udostępnij” → ZapiszPrzepis i w ciągu ≤ 30 sekund widzi w aplikacji nowy przepis z tytułem, zdjęciem/screenshotem, składnikami, krokami i kategorią — bez wpisywania jakichkolwiek danych.

Secondary

• Mama używa aplikacji bez pomocy autora przez ≥ 30 dni z rzędu (samodzielnie zapisuje przepisy, samodzielnie z nich gotuje).

Guardrails

• Trwałość kopii — gdy oryginalne źródło zniknie (post FB usunięty, blog wygasł, Reel skasowany), zapisany przepis nadal jest w pełni dostępny w aplikacji (treść, zdjęcie/screenshot, transkrypcja).
• Zero ręcznego wprowadzania danych — mama NIGDY nie musi wpisywać tekstu poza jednorazowym setupem (autor robi go za nią). Brak formularzy do uzupełniania składników, brak wymuszania korekt po ekstrakcji.
• Potwierdzenie przyjęcia w < 1 sekundę — gdy mama kliknie „Udostępnij → ZapiszPrzepis”, aplikacja musi natychmiast pokazać „Zapisuję…” i pozwolić jej zamknąć ekran (przetwarzanie jest asynchroniczne, ale potwierdzenie odebrania natychmiastowe).
• Działa na jej Google Pixel 9 (Android) — PWA + Web Share Target API musi być zainstalowalne i stabilne na tym konkretnym urządzeniu.

Timeline acknowledgment

Potwierdzono dnia 2026-05-28: 4-tygodniowe MVP wymaga stałego zaangażowania — wieczornej pracy i części weekendów; użytkownik zaakceptował koszt świadomie (“będę pracował więcej i spał mniej, ale zrobimy to”).

Functional Requirements

Konto i autoryzacja

• FR-001: Mama (po jednorazowym setupie autora) korzysta z aplikacji bez konieczności logowania się przy każdym otwarciu — sesja jest długo-żyjąca. Priorytet: must-have

  Sokrates: Rozważono kontrargument: „sesja może wygasnąć po update PWA lub wyczyszczeniu cache — mama nagle bez dostępu”. Rozwiązanie: FR utrzymane; dodaj guard w implementacji (silent refresh tokenu, backup magic link na email autora gdy sesja jednak padnie) — to nie zmienia FR, tylko ścieżkę implementacji.

Zapisywanie przepisów

• FR-002: Mama może z dowolnej aplikacji na telefonie (FB, Chrome, Instagram, YouTube) udostępnić link do ZapiszPrzepis przez systemowy gest „Udostępnij” — tak jak udostępnia zdjęcie na WhatsApp. Priorytet: must-have

  Sokrates: Rozważono kontrargument: „niektóre aplikacje (Instagram, TikTok) udostępniają link wewnętrzny, którego backend nie otworzy”. Rozwiązanie: FR utrzymane dla zakresu FR-004 (FB + YouTube + WWW); Instagram i TikTok są niewspierane w MVP (patrz Non-Goals). Dla linków wewnętrznych FB — fallback do screenshotu + og:image, ale tylko best-effort.

• FR-003: Po udostępnieniu linku aplikacja przyjmuje go natychmiast (potwierdza odebranie w < 1 sekundę), a samo przetwarzanie odbywa się asynchronicznie — typowo gotowe w ciągu 1-3 minut. Mama nie musi siedzieć przy ekranie; powiadomienie push lub kolejne otwarcie aplikacji pokaże gotowy przepis. Priorytet: must-have

  Sokrates: Rozważono kontrargument: „realny SLA u mamy to ‘gotowe gdy wraca do aplikacji’, nie 30 sekund przy ekranie”. Rozwiązanie: FR-003 PRZEFORMUŁOWANE — twardy 30s SLA usunięty, model jest asynchroniczny. Również usunięty odpowiedni Guardrail z Success Criteria.

• FR-004: Aplikacja obsługuje co najmniej te źródła: strony WWW (blogi kulinarne), posty Facebook (tekstowe), Facebook Reels/Video, YouTube (filmy + Shorts). Priorytet: must-have

  Sokrates: Rozważono kontrargument: „Facebook agresywnie blokuje scraping — Reels mogą być niewykonalne w MVP”. Rozwiązanie: FR utrzymane jako must-have, ale ze strategią best-effort dla FB Reels (gdy scraping zawodzi, zapisz og:image + tytuł + URL, oznacz przepis jako „nie udało się wyciągnąć pełnej treści”). Feasibility FB Reels = Open Question #1 do potwierdzenia przed startem developmentu.

• FR-005: Aplikacja rozpoznaje przepisy w języku angielskim, tłumaczy je na polski i adaptuje miary do metrycznych (cups → ml/g, °F → °C, składniki US → polskie odpowiedniki). Priorytet: must-have

  Sokrates: Rozważono kontrargument: „konwersja miar US→metric jest niedokładna (1 cup of flour zależy od tego co sypiemy, 120-150g) — może zniszczyć przepis”. Rozwiązanie: FR utrzymane; w detail view składnik konwertowany pokazuje się z notatką „≈” przy wartościach niedokładnych. Precyzja konwersji vs. czystość UX = Open Question #2.

Trwałość

• FR-006: Każdy zapisany przepis pozostaje w pełni czytelny (tytuł, zdjęcie/screenshot, składniki w postaci listy wypunktowanej, kroki, opcjonalnie transkrypcja) nawet po usunięciu oryginalnego źródła. AI przeredagowuje surowy tekst tak, by lista składników była rzeczywistą listą (UL) — nie zdaniem w prozie. Priorytet: must-have

  Sokrates: Użytkownik dodał uzupełnienie: „kopia będzie przeredagowana pod AI, aby poza opisem była czytelna lista (wypunktowana) składników”. Rozwiązanie: FR-006 ROZSZERZONE — explicit wymóg reformatowania składników jako lista UL; bez interaktywnej checklisty (potwierdzone w Sokratesie do FR-009: „nie robimy odhaczania”).

Przeglądanie

• FR-007: Mama może otworzyć aplikację i zobaczyć listę swoich przepisów uporządkowaną od najnowszych. Priorytet: must-have

  Sokrates: Rozważono kontrargument: „po 100 przepisach lista chronologiczna jest niewyszukiwalna — mama nie znajdzie przepisu sprzed 3 miesięcy”. Rozwiązanie: FR-007 utrzymane jako domyślna lista; ale DODANO nowe FR-013 (wyszukiwanie po tytule i składniku) jako must-have.

• FR-008: Mama może przeglądać przepisy pogrupowane w stałej taksonomii kategorii przypisanych automatycznie przez AI (kategoria wybierana z fixed listy: Obiady, Zupy, Desery, Śniadania, Przekąski, Wegetariańskie, Napoje, Inne). Priorytet: must-have

  Sokrates: Rozważono kontrargument: „LLM zwraca niespójne kategorie — ten sam typ przepisu może raz trafić do ‘Obiady’, raz do ‘Makarony’”. Rozwiązanie: FR-008 PRZEFORMUŁOWANE — fixed taxonomy zamiast free-form. LLM dostaje listę w prompt i wybiera jedną kategorię. Konkretna lista kategorii do potwierdzenia z mamą = Open Question #3.

• FR-009: Mama może otworzyć pojedynczy przepis i zobaczyć: tytuł po polsku, zdjęcie/screenshot, opis (krótki), składniki jako klasyczna lista wypunktowana (bez interaktywnego odhaczania), kroki ponumerowane, znormalizowaną etykietę źródła (np. „Facebook Reel”, „YouTube”) i opcjonalny przycisk „Otwórz oryginał”. Priorytet: must-have

  Sokrates: Użytkownik skorygował: „nie robimy odhaczania, po prostu jeśli opis ma składniki musimy je wyświetlać klasycznie jako lista, a nie jako zwykłe zdania tekstowe”. Rozwiązanie: usunięto checklist behavior; składniki to plain UL.

Wyszukiwanie

• FR-013: Mama może wyszukać przepis w aplikacji wpisując fragment tytułu lub nazwy składnika — wyniki są filtrowane natychmiast. Priorytet: must-have

  Sokrates: FR dodane jako rezultat wyzwania na FR-007 — proste tekstowe filtrowanie (ILIKE / pgsearch), nie semantic search. Semantyczne wyszukiwanie (“coś szybkiego”, “bez mięsa”) wraca jako V2.

Business Logic

Dla każdego udostępnionego URL aplikacja samodzielnie ekstrahuje, normalizuje (język + miary + strukturę) i archiwizuje przepis tak, by oryginał mógł zniknąć bez utraty danych.

Wejście dla tej reguły to jeden URL — wszystko, co użytkownik widzi na ekranie udostępniania (Facebook post, Reel, link do bloga, film z YouTube). Wyjście to strukturalny obiekt przepisu widoczny dla użytkownika: tytuł po polsku, lista składników w postaci listy wypunktowanej, ponumerowane kroki, zdjęcie lub screenshot, znormalizowana etykieta źródła i kategoria z fixed taxonomy.

Reguła obejmuje cztery decyzje domenowe: (a) klasyfikację — przypisanie przepisu do jednej z ośmiu kategorii (Obiady, Zupy, Desery, Śniadania, Przekąski, Wegetariańskie, Napoje, Inne); (b) normalizację języka — gdy oryginał jest po angielsku, pełna treść trafia do mamy po polsku, z adaptowanymi nazwami składników (cilantro → kolendra) i metrycznymi miarami (cup → ml/g, °F → °C); (c) strukturyzację — jeśli źródło zawiera składniki w prozie tekstowej („dodaj szklankę mąki, jajko i mleko”), aplikacja rozpoznaje je i prezentuje jako odrębne pozycje listy; (d) archiwizację — równolegle z ekstrakcją system zapisuje obraz źródłowy (og:image lub screenshot) i transkrypcję audio (dla filmów), tak by przepis pozostał czytelny po zniknięciu oryginału.

Użytkownik napotyka tę regułę raz na każde udostępnienie. Po kliknięciu „Udostępnij → ZapiszPrzepis” mama widzi placeholder „Zapisuję…”, wraca do aplikacji po 1-3 minutach i otrzymuje gotowy, polskojęzyczny przepis bez konieczności jakichkolwiek poprawek.

Non-Functional Requirements

• Potwierdzenie odebrania udostępnienia (placeholder „Zapisuję…” widoczny w aplikacji) w < 1 sekundę od kliknięcia „Udostępnij → ZapiszPrzepis”.
• Typowy czas od udostępnienia URL do gotowego, w pełni czytelnego przepisu na liście użytkownika ≤ 3 minuty p95.
• Każdy zapisany przepis pozostaje w pełni dostępny i czytelny przez ≥ 5 lat od daty zapisu, nawet jeśli oryginalne źródło zostanie usunięte.
• Miesięczny koszt eksploatacji dla typowego użytkownika (~50 przepisów / miesiąc) ≤ 10 zł brutto (suma kosztów AI, storage, hostingu, transferu, amortyzowanej infrastruktury per użytkownik).
• Aplikacja jest instalowalna jako PWA i poprawnie obsługuje Web Share Target API na dwóch najnowszych wersjach Chrome i Edge na Androidzie.
• Żadne udostępnione żądanie nie ginie cicho — każde poprawnie odebrane żądanie kończy się w aplikacji jednym z trzech stanów widocznych dla użytkownika: gotowy przepis, best-effort z notą o niekompletnej ekstrakcji, lub czytelny komunikat błędu z opcjami akcji.

Stan przetwarzania i błędy

• FR-010: Gdy przepis jest w trakcie zapisywania, mama widzi go w aplikacji jako placeholder „Zapisuję…”; po zakończeniu placeholder zostaje zastąpiony pełnym przepisem. Priorytet: nice-to-have

  Sokrates: Użytkownik zdecydował (po pierwotnym Sokratesie o race conditions): „FR-010 to nie jest must-have”. Rozwiązanie: PRZESUNIĘTE z must-have do nice-to-have. W MVP po udostępnieniu PWA pokazuje krótki komunikat „Zapisałem — przepis pojawi się na liście za chwilę” i można ją zamknąć; mama wraca do aplikacji, gotowy przepis jest na liście (lista odświeża się przy otwarciu). Placeholder + push (FR-011) razem wracają w V2.

• FR-011: Aplikacja może wysyłać push notification „Dodano: <tytuł>” gdy przepis jest gotowy. Priorytet: nice-to-have

  Sokrates: Użytkownik zdecydował: „na początek powiadomienia push nie są koniecznością”. Rozwiązanie: FR-011 PRZESUNIĘTE z must-have do nice-to-have; wraca w V2. W MVP mama wraca do aplikacji ręcznie po chwili i widzi gotowy przepis na liście (FR-010 placeholder daje minimalny feedback wewnątrz aplikacji).

• FR-012: Gdy zapis się nie uda (niewspierane źródło, video za długie, FB zablokował dostęp), mama widzi czytelny komunikat. Może spróbować ponownie maksymalnie 3 razy; po 3 nieudanych próbach przycisk „spróbuj ponownie” znika, zostaje tylko „usuń”; autor jest powiadomiony (np. e-mailem) o nieudanym przepisie, by mógł zbadać przyczynę. Priorytet: must-have

  Sokrates: Rozważono kontrargument: „mama klika ‘spróbuj ponownie’ 10× na nigdy nie działającym źródle — frustracja, telefon do autora”. Rozwiązanie: FR ROZSZERZONE o bounded retry (max 3) + powiadomienie autora przy permanentnym fail. Cap retry chroni mamę przed nieskończoną pętlą frustracji.

Non-Goals

• Współdzielenie przepisów między użytkownikami (ZapiszPrzepis Family) — każdy użytkownik ma własny zbiór; brak zaproszeń, brak wspólnych folderów. Wraca w V2.
• Wsparcie dla Instagram i TikTok — w MVP tylko Facebook (posty + Reels/Video), YouTube i strony WWW. Instagram + TikTok mają trudniejszy share intent i wymagają osobnej pracy nad scraperem; V2.
• Ręczna edycja przepisu po ekstrakcji — brak ekranów „popraw składniki”, „dodaj swój krok”. Mama ufa AI, lub przepis zostaje jak jest. Pilnuje guardrail „zero data entry”.
• Funkcje wokół gotowania: „co ugotować z tego co mam”, lista zakupów, planowanie tygodnia, voice search — wszystkie wymienione w pomyśle V2. Inna apka, nie MVP.
• Push notifications — FR-011 jest nice-to-have, nie must. Mama wraca do aplikacji ręcznie.
• Placeholder „Zapisuję…” w liście przepisów — FR-010 jest nice-to-have. Po share PWA pokazuje jeden krótki ekran potwierdzenia; lista przepisów jest aktualizowana przy następnym otwarciu.
• Semantic search („coś szybkiego”, „bez mięsa”) — w MVP tylko proste tekstowe filtrowanie po tytule i składniku (FR-013). Embeddings + LLM search to V2.
• Aplikacja natywna iOS / Android (Capacitor wrap) — tylko PWA. Capacitor wraca jeśli Web Share Target okaże się zawodny lub jeśli celujemy w App Store.
• Offline-first — przeglądanie zapisanych przepisów bez połączenia internetowego nie jest gwarantowane w MVP (PWA cache może działać best-effort, ale nie jest egzekwowane).

Open Questions

1. Feasibility FB Reels scraping. Czy Playwright / yt-dlp / Facebook Graph API są w stanie niezawodnie wyciągnąć audio + screenshot z Reels w MVP, czy FB rate-limity / bot detection zmuszą nas do best-effort tylko? Do potwierdzenia spike’em (1-2 dni) PRZED startem developmentu. Owner: autor. By: przed sprintem 1.
2. Precyzja konwersji miar US→metric. Czy LLM jest wystarczająco dokładny dla konwersji niejednoznacznych (“1 cup of flour” = 120-150g w zależności od mąki), czy potrzebujemy biblioteki konwersji (np. convert-units) z explicit mapowaniem składników? Owner: autor. Decyzja po pierwszych 10-20 testach EN przepisów.
3. Lista kategorii fixed taxonomy do potwierdzenia z mamą. Czy 8 zaproponowanych (Obiady, Zupy, Desery, Śniadania, Przekąski, Wegetariańskie, Napoje, Inne) pokrywa jej typowe wzorce zapisywania? Brakuje może „Wypieki”, „Sałatki”, „Słoiki/przetwory”? Owner: autor (rozmowa z mamą). By: przed implementacją FR-008.
4. Powiadomienia autora o nieudanym przepisie (FR-012) — kanał: email? Slack? Manualny review w bazie? Do doprecyzowania w fazie planowania.

Forward: tech-stack (informacyjne, NIE część PRD)

Notatki kierunkowe na fazę selekcji stosu technologicznego (nie zobowiązują — to dane wejściowe dla /10x-tech-stack-selector). Pomysł z ChatGPT plus dodatki z dyskusji:

• Frontend: Next.js PWA z Web Share Target API (PWA manifest + service worker).
• Backend: Next.js API routes lub Supabase Edge Functions; przetwarzanie asynchroniczne wymagane (job queue z możliwością retry — user wprost wspomniał „kolejkowanie do OCR”).
• DB + auth + storage: Supabase (PostgreSQL + magic link auth + Storage dla screenshotów); RLS dla per-user isolation.
• LLM: GPT-4o-mini lub Claude Haiku 4.5 do ekstrakcji + tłumaczenia + kategoryzacji (jeden prompt, lub kilka małych). Dobór sterowany NFR „≤ 10 zł/m-c”.
• Transkrypcja: Whisper API (OpenAI) dla audio z FB Reels / YouTube Shorts. Dla niemych Reels (recipe cards) — opcjonalnie OCR (Tesseract.js lub Vision API jako fallback) wpięty w kolejkę.
• Scraping: Firecrawl lub Jina AI Reader dla stron WWW; Playwright + screenshot fallback dla FB; yt-dlp dla YouTube.
• Hosting: Vercel (free tier dla MVP).

Forward: technical-roadmap (informacyjne)

V2 features wynikające z MVP non-goals i dyskusji:

• Push notifications (FR-011 promote do must-have).
• Placeholder w liście przepisów (FR-010 promote do must-have).
• Wsparcie Instagram + TikTok.
• Współdzielenie rodzinne.
• Semantic search.
• Capacitor wrap dla iOS / App Store.
• Offline-first.
• „Co ugotować z tego co mam” + lista zakupów + plan tygodnia.
• Edycja przepisów po fakcie.

User Stories

US-01: Mama zapisuje przepis udostępniając link z Facebooka

• Given mama jest zalogowana w PWA ZapiszPrzepis na swoim telefonie (Google Pixel 9, Android), z aktywną sesją z jednorazowego setupu
• When widzi przepis na Facebooku (post lub Reel), klika systemowe „Udostępnij” i wybiera ZapiszPrzepis z listy aplikacji
• Then widzi w PWA krótkie potwierdzenie „Zapisałem — przepis pojawi się za chwilę” i może zamknąć aplikację; po 1-3 minutach, gdy ponownie otwiera aplikację, nowy przepis jest na liście — z poprawnym tytułem po polsku, zdjęciem/screenshotem, składnikami jako listą wypunktowaną, krokami i automatycznie przypisaną kategorią z fixed taxonomy

Acceptance Criteria

• Mama nie wpisuje żadnego tekstu w żadnym kroku przepływu (poza systemowym gestem „Udostępnij” znanym jej z WhatsApp/Messengera).
• Potwierdzenie odebrania udostępnienia (ekran „Zapisałem — przepis pojawi się za chwilę”) pojawia się w < 1 sekundę.
• Gdy źródło to Reel/video, transkrypcja audio jest automatycznie wyciągana i służy jako wejście do ekstrakcji składników.
• Gdy oryginał jest po angielsku, finalna treść w aplikacji jest po polsku (mama nie widzi że została przetłumaczona).
• Gdy przepis zostanie zapisany i FB usunie oryginał nazajutrz, przepis w aplikacji nadal działa: zdjęcie/screenshot się otwiera, składniki i kroki są widoczne.
• Przepis ma znormalizowaną etykietę źródła („Facebook Reel”), a NIE surowy URL facebook.com/watch/?v=….
• Składniki są wyświetlone jako klasyczna lista wypunktowana (UL), nawet jeśli źródło miało je w prozie tekstowej.