与Fitia首席技术官兼联合创始人Ulises Olave的简短访谈
内容提要
Fitia是拉美领先的AI营养应用，用户超千万。随着数据增长，其数据分散在PostgreSQL、BigQuery、Azure和Redis等多种数据库中。团队使用DataGrip集中管理，内置AI将查询时间从数小时缩短至数秒；使用GoLand开发Go微服务，开发速度约翻倍，实现每月发布一个主要功能。未来将基于大模型并结合自有社区数据开发个性化功能，同时持续提升开发效率。
延伸解读
多数据库环境下的集中管理价值
Fitia的数据分散在PostgreSQL、BigQuery、Azure和Redis四种数据库中，随着数据量增长，跨库查询和完整性维护成为难题。团队通过DataGrip将这些数据库集中到一个工具中管理，避免了在不同提供商之间切换。这种集中化不仅简化了操作流程，还为后续利用内置AI功能奠定了基础，说明统一工具链对多数据源团队具有实际效率提升。
AI辅助查询对开发效率的实际影响
文章提到DataGrip的内置AI查询建议将原本需要数小时的复杂多提供商查询缩短至数秒。这一改进并非来自模型本身的突破，而是将AI能力嵌入日常开发工具中，让开发者在编写查询时直接获得上下文相关的建议。对于数据环境复杂的小团队，这种集成式AI能显著降低查询门槛，减少在多个工具间切换的时间成本。
小团队保持发布节奏的工具支撑
Fitia的工程团队规模精简，但通过GoLand开发Go微服务，开发速度大约翻倍，发布频率提升至每月一个主要功能，而此前同样节奏需要约三倍时间。文章强调，团队没有扩大人员规模，而是依靠IDE的代码建议和优化工具来维持节奏。这表明在人力有限的情况下，选择合适的开发工具可以直接影响产品迭代速度。
基于大模型与自有数据的差异化路径
Fitia明确不打算与大型模型提供商竞争，而是基于现有大模型能力，结合自身社区数据训练个性化功能，例如从照片识别食物、读取用户数据给出建议。这种策略让团队能利用外部模型进步的红利，同时用自有数据构建差异化。文章还提到，团队会持续关注开发效率，因为这是小团队保持大团队节奏的关键。
Q&A
Fitia是什么应用？主要功能有哪些？
Fitia是一款AI驱动的膳食计划和卡路里追踪应用。用户设定目标（如减重或增肌）后，它会根据用户数据、进度和饮食偏好生成个性化计划，其核心是自有的AI教练。
Fitia在成长过程中遇到的最大数据挑战是什么？
Fitia每月处理超过3000万条食物记录，以及体重、睡眠、步数、饮水等数据。随着数据增长，数据分散在多种数据库类型和提供商中，保持数据完整性成为挑战，即使简单查询也变得困难。
Fitia如何解决多数据库管理的问题？
Fitia将PostgreSQL、BigQuery、Azure和Redis数据库集中到DataGrip中，在一个工具内统一操作，避免在不同提供商间切换。同时利用DataGrip内置的AI查询建议，将原本数小时的查询缩短至数秒。
GoLand对Fitia的开发效率有什么具体影响？
GoLand使Fitia开发Go微服务的速度大约翻倍，代码建议和优化工具让构建和部署更快。团队现在能保持每月发布一个主要功能的节奏，而过去需要约三倍时间。
Fitia为什么选择JetBrains的工具？
Fitia早期就使用JetBrains工具。随着AI快速发展，团队需要让每位开发者都能快速交付强大功能而不扩充团队，且需要覆盖从编码到部署全流程的工具。他们申请了JetBrains Startup Program，几天内被接受，一周内团队就每天使用DataGrip和GoLand。
Fitia未来在AI方面有什么计划？
Fitia计划基于大模型构建功能，并利用自有社区数据训练，开发个性化功能，例如从照片识别食物、读取用户数据给出个性化建议。他们不打算与大型模型提供商竞争，而是基于其能力构建有意义的特性。
