Apppublic

solarisempresa/tucuma

sourceHugging Faceupdated 1y agoView on Hugging Face

0likes

App README

🤖 IA SOLARIS RAG v3.1 - Multi-Agent System

![Python](https://python.org) ![FastAPI](https://fastapi.tiangolo.com) ![PostgreSQL](https://postgresql.org) ![React](https://reactjs.org) ![License](LICENSE)

Sistema RAG (Retrieval-Augmented Generation) avançado com múltiplos agentes especializados para consulta de legislação tributária brasileira, integrado com LibreChat.

🎯 Visão Geral

O IA SOLARIS RAG v3.1 é uma evolução revolucionária que implementa um sistema de múltiplos agentes especializados com roteamento inteligente automático. Desenvolvido especificamente para maximizar a precisão em consultas de legislação tributária.

✨ Principais Funcionalidades

—🤖 Múltiplos Agentes Especializados - 10+ agentes dinâmicos por domínio tributário
—🧠 Roteamento Inteligente - Direcionamento automático para o agente correto
—🔍 Busca Vetorial Avançada - PostgreSQL + pgvector para máxima precisão
—📚 Documentos Especializados - Isolamento por domínio (PIS/COFINS, IRPF, ICMS)
—🚀 Performance Enterprise - Cache Redis multi-layer + otimizações
—🔗 Compatibilidade Total - Integração perfeita com LibreChat existente

🏗️ Arquitetura

┌─────────────────────────────────────────────────────────────────┐
│                    IA SOLARIS PLATFORM                         │
│                      (LibreChat)                               │
└─────────────────────┬───────────────────────────────────────────┘
                      │
                      ▼
┌─────────────────────────────────────────────────────────────────┐
│                MULTI-AGENT RAG API                             │
│                   (FastAPI Extended)                           │
├─────────────────────┬───────────────────────────────────────────┤
│  Agent Router       │  RAG Engine        │  Cache Layer        │
│  - Smart Routing    │  - Semantic Search │  - Redis Cache      │
│  - Domain Detection │  - Vector Store    │  - Query Cache      │
│  - Load Balancing   │  - Re-ranking      │  - Result Cache     │
└─────────────────────┼───────────────────────────────────────────┘
                      │
                      ▼
┌─────────────────────────────────────────────────────────────────┐
│                PostgreSQL + pgvector                           │
│  ┌─────────────┐ ┌─────────────┐ ┌─────────────┐              │
│  │   Agents    │ │ Documents   │ │ Embeddings  │              │
│  │   Metadata  │ │ Specialized │ │ Optimized   │              │
│  └─────────────┘ └─────────────┘ └─────────────┘              │
└─────────────────────────────────────────────────────────────────┘

🚀 Início Rápido

Pré-requisitos

—Python 3.11+
—PostgreSQL 15+ com extensão pgvector
—Redis 6+
—Node.js 18+ (para frontend)

Instalação Local

1.Clone o repositório

bash

git clone <repository-url>
cd ia_solaris_rag_v31_complete

1.Configure o ambiente

bash

cp .env.example .env
# Edite .env com suas configurações

1.Instale dependências

bash

pip install -r requirements.txt

1.Configure o banco de dados

bash

python scripts/setup/init_database.py

1.Execute a aplicação

bash

python app.py

Deploy no Hugging Face Spaces

1.Upload dos arquivos para um novo Space
2.Configure as variáveis de ambiente na seção Secrets:
3.DATABASE_URL
4.REDIS_URL
5.OPENAI_API_KEY
6.JWT_SECRET_KEY
7.O sistema inicializa automaticamente

🔧 Configuração

Variáveis de Ambiente Principais

env

# Banco de dados
DATABASE_URL=postgresql://user:pass@localhost:5432/ia_solaris_rag
VECTOR_DIMENSIONS=1536

# Cache
REDIS_URL=redis://localhost:6379/0

# Embeddings
OPENAI_API_KEY=sua_chave_aqui
EMBEDDINGS_MODEL=text-embedding-3-small

# Autenticação
ADMIN_USERNAME=admin
ADMIN_PASSWORD=admin123
JWT_SECRET_KEY=sua_chave_jwt_segura

Agentes Pré-configurados

—pis_cofins - Especialista em PIS e COFINS
—irpf - Especialista em Imposto de Renda Pessoa Física
—icms - Especialista em ICMS e legislação estadual

📖 Uso

Exemplo Prático

Usuário: "Sobre a IN 2264"
    ↓
IA SOLARIS (LibreChat)
    ↓
Router Inteligente → Identifica: PIS/COFINS
    ↓
RAG Especializado → Busca documentos específicos
    ↓
Agente PIS/COFINS → Resposta precisa com contexto

APIs Principais

—POST /api/v1/query/smart - Roteamento automático
—POST /api/v1/query/agent/{agent_name} - Consulta específica
—GET /api/v1/agents - Listar agentes
—POST /api/v1/agents/{agent_name}/documents - Upload de documentos

🧪 Testes

bash

# Testes unitários
python -m pytest tests/unit/

# Testes de integração
python -m pytest tests/integration/

# Teste completo do sistema
python tests/test_system_complete.py

📊 Monitoramento

—Health Check: /health
—Métricas: /api/v1/monitoring/metrics
—Status: /api/status

🔄 Integração com LibreChat

Configuração no LibreChat

yaml

# librechat.yaml
endpoints:
  agents:
    ragConfig:
      apiUrl: "http://localhost:8000"
      smartRouting: true
      fallbackToGlobal: true

Fluxo de Integração

1.LibreChat detecta necessidade de RAG
2.Chama /api/v1/query/smart com a consulta
3.Sistema roteia para agente apropriado
4.Retorna contexto especializado
5.Agente gera resposta com máxima precisão

📁 Estrutura do Projeto

ia_solaris_rag_v31_complete/
├── app/                    # Código principal da aplicação
│   ├── core/              # Componentes centrais
│   ├── agents/            # Gerenciamento de agentes
│   ├── api/               # Endpoints da API
│   ├── services/          # Serviços de negócio
│   ├── utils/             # Utilitários
│   └── models/            # Modelos de dados
├── frontend/              # Interface React
│   ├── src/               # Código fonte
│   ├── public/            # Arquivos públicos
│   └── build/             # Build de produção
├── docs/                  # Documentação
├── scripts/               # Scripts de setup e deploy
├── tests/                 # Testes automatizados
├── config/                # Arquivos de configuração
├── app.py                 # Aplicação principal
├── requirements.txt       # Dependências Python
└── README.md             # Este arquivo

🤝 Contribuição

1.Fork o projeto
2.Crie uma branch para sua feature (git checkout -b feature/AmazingFeature)
3.Commit suas mudanças (git commit -m 'Add some AmazingFeature')
4.Push para a branch (git push origin feature/AmazingFeature)
5.Abra um Pull Request

📄 Licença

Este projeto está licenciado sob a Licença MIT - veja o arquivo LICENSE para detalhes.

🆘 Suporte

—Documentação: docs/
—Issues: Use o sistema de issues do GitHub
—Discussões: Use o sistema de discussões do GitHub

🔄 Changelog

v3.1.0 (Atual)

—✅ Sistema de múltiplos agentes implementado
—✅ Roteamento inteligente automático
—✅ Compatibilidade total com LibreChat
—✅ Performance enterprise otimizada
—✅ Interface administrativa completa

v3.0.0

—✅ Primeira versão multi-agente
—✅ Arquitetura FastAPI

v2.0.0

—✅ Versão de comparação fornecida

v1.0.0

—✅ Implementação básica original

Desenvolvido com ❤️ para a IA SOLARIS Platform