¿Puedes construir Grain con IA?

Construye un sustituto personal deliberadamente limitado de Grain, no un clon completo.
Usa exactamente este stack: Python 3.12 + FastAPI + whisper.cpp + SQLite.
Objetivo principal: crear un pipeline privado de clips e inteligencia para reuniones que acepte un archivo de audio, lo transcriba, cree notas estructuradas y exporte Markdown.
Comienza desde una carpeta vacía y crea el proyecto completo y funcional.
Haz que el modo predeterminado sea de un solo usuario y privado.
Almacena los datos del usuario localmente, salvo que el objetivo principal requiera la base de datos self-hosted declarada.
No añadas analítica, telemetría, anuncios ni cuentas de terceros.
Guarda todos los secretos y credenciales externas en .env e incluye .env.example.
Usa datos de muestra realistas, claramente etiquetados y fáciles de eliminar.
Implementa la interfaz pulida más pequeña que complete el flujo principal de principio a fin.
Incluye estados claros para vacío, carga, validación, éxito y error.
Añade importación y exportación para que el usuario no quede atrapado en la aplicación.
Usa navegación accesible con teclado, etiquetas, estados de foco y contraste adecuado.
Valida las entradas no confiables y nunca registres secretos ni contenido privado de archivos.
Excluye deliberadamente estas ventajas del producto de pago: precisión en vivo con varios hablantes; integraciones con calendario y CRM; analítica de equipo entre llamadas.
No simules integraciones, efectos de red, datos propietarios, calidad del modelo, cumplimiento ni afirmaciones de seguridad.
Cuando una API externa sea opcional, mantén la aplicación útil sin ella y explica el modo degradado.
Escribe pruebas unitarias enfocadas en el modelo de datos y el flujo de trabajo más importante.
Añade una prueba de humo de extremo a extremo que demuestre que el flujo principal funciona.
Crea un README con la configuración, permisos, arquitectura, ubicación de los datos, respaldo y limitaciones.
Añade scripts para instalar, desarrollar, probar, compilar y ejecutar localmente en un modo similar a producción.
Ejecuta las pruebas y la compilación antes de terminar; corrige los errores en lugar de limitarte a describirlos.