Seorang pengembang independen merilis Heirloom AI, aplikasi web open-source yang dirancang untuk mengubah catatan tangan, foto masakan, rekaman suara, dan video gestur memasak menjadi arsip digital terstruktur. Platform ini memanfaatkan kemampuan multimodal model Gemini Google untuk memproses berbagai format memori keluarga yang tersebar, lalu menyajikannya sebagai entri arsip yang dapat diedit, dibagikan, dan diekspor ke format Markdown. Berbeda dengan aplikasi resep konvensional yang menarik data dari basis data umum, Heirloom AI berfokus pada konteks pribadi dan emosional di balik setiap hidangan warisan.
Arsitektur teknis dibangun atas tumpukan React dan Express yang dijalankan pada satu server Node tunggal, menghindari kompleksitas CORS. Dua model Gemini berperan berbeda: gemini-3.5-flash dengan skema JSON terbatas (responseSchema) menangani generasi arsip terstruktur, sementara gemini-3.1-flash-lite-image menghasilkan ilustrasi beracara cat air dan penyempurnaan gambar. Pengembang menerapkan kompresi gambar sisi klien dengan batas 800 piksel serta strategi penyimpanan localStorage yang memiliki mekanisme degradasi halus — menghapus data non-gambar terlebih dahulu, lalu URL data jika kuota terlampaui.
Fitur paling khas adalah sistem tingkat kepercayaan (confidence levels) yang menandai bahan-bahan dan langkah-langkah yang tidak pasti dengan peringatan animasi berwarna keemasan. Setiap item ragu dilengkapi pertanyaan lanjutan yang disarankan untuk diverifikasi dengan anggota keluarga lain. Pendekatan ini mengakui keterbatasan pengenalan pola visual dan audio, sekaligus mendorong kolaborasi antargenerasi sebagai bagian integral dari proses pengarsipan, bukan sekadar pasca-proses.
Desain antarmuka mengadopsi estetika "editorial brutalism" dengan palet warna hangat berbasis tono tanah, menciptakan nuansa buku kenangan (scrapbook) yang sengaja menghindari kesan klinis pada antarmuka AI generatif umum. Prompt dinamis disesuaikan berdasarkan tipe berkas yang diunggah: video diarahkan untuk analisis gestur, audio untuk sejarah lisan, dan dokumen untuk OCR. Fleksibilitas ini memungkinkan satu alur kerja menangani spektrum masukan mulai dari kartu resep tertulis tangan yang kusam hingga video masak nenek yang tidak tertata.
Dalam konteks industri, Heirloom AI menempatkan diri sebagai asisten preservasi sejarah lisan, bukan generator resep generik. MVP pertama memfokuskan pada tradisi kuliner karena dianggap sangat emosional, praktis, visual, dan rentan hilang lintas generasi. Setiap entri arsip mengandung kartu memori puitis, narasi pribadi dan latar wilayah, daftar bahan berbasis bukti, panduan langkah dengan petunjuk fisik (physical cues), serta celah spekulatif yang ditandai jelas untuk verifikasi keluarga.
Proyek ini lahir dari tantangan mingguan "Passion Edition" di platform pengembang Dev.to, menunjukkan bagaimana ekosistem pengembang terbuka mendorong inovasi cepat pada lapisan aplikasi AI generatif. Kode sumber diterbitkan di repositori GitHub gxobst/Heirloom-AI di bawah lisensi terbuka, mengundang kontribusi komunitas untuk memperluas cakupan domain di luar kuliner — misalnya keterampilan anyaman, obat tradisional, atau tata cara upacara keluarga.
Bagi pengguna di Indonesia, relevansi proyek ini terasa tajam mengingat keragaman warisan kuliner nusantara yang selama ini diwariskan secara lisan dan non-terstruktur. Banyak resep keluarga yang hanya tersimpan dalam ingatan, catatan kertas yang membusuk, atau rekaman telepon yang tidak terorganisir. Heirloom AI menawarkan jalur teknis yang terjangkau — berjalan di peramban tanpa infrastruktur server mahal — untuk mengamankan warisan tersebut sebelum narasumber senior tiada.
Ke depan, tantangan utama terletak pada akurasi pengenalan bahan-bahan lokal yang mungkin tidak terwakili dengan baik dalam data pelatihan model global, serta pada keberlanjutan akses data yang hanya bersandar pada localStorage tanpa sinkronisasi awan bawaan. Integrasi dengan layanan penyimpanan terdesentralisasi atau fitur ekspor berkala ke berkas fisik bisa menjadi arah pengembangan komunitas. Proyek ini membuktikan bahwa AI multimodal dapat menjadi alat pemberdayaan budaya, bukan sekadar mesin produksi konten.