# TODO - Projeto Arthur (Agente de Suporte Técnico N2)

Este documento serve como o roteiro técnico detalhado para a implementação do Agente Arthur. O foco é soberania (local-only), otimização de CPU e integração auditável via e-mail.

## Fase 1: Planejamento e Arquitetura de Dados ✅
- [x] **Consolidação do PRD N2:** Definição de escopo, hardware e lógica de atendimento.
- [x] **Mapeamento do Tenant Resolver (Financeiro):**
    - MockFinancialClient implementado em `src/clients/mock_financial.py`
    - Esquema Pydantic `TenantContext` em `src/models/tenant.py`
- [x] **Design do Schema de Auditoria:**
    - Modelo `AuditLog` em `src/models/audit.py` (PostgreSQL)
    - Migrations em `src/database/migrations.py`
- [x] **Mapeamento de Segredos:**
    - `SecretsManager` em `src/security/secrets_manager.py`
    - Suporte a Docker Secrets + variáveis de ambiente

## Fase 2: Infraestrutura e Conectores Core ✅
- [x] **Ambiente de Inferência Local:**
    - `OllamaClient` em `src/clients/ollama_client.py`
    - Suporte a Llama 3.2 1B (Triagem) e Llama 3.1 8B (Especialista)
- [x] **Configuração do Qdrant Multitenant:**
    - `QdrantMultitenant` em `src/clients/qdrant_client.py`
    - Persistência `on_disk: true` + filtro por `tenant_id`
- [x] **Conector Zabbix API:**
    - `ZabbixConnector` em `src/clients/zabbix_connector.py`
    - Funções: `get_host_status`, `get_active_problems`, `get_neighbor_alerts`
- [x] **Segurança de Infraestrutura:**
    - Docker Secrets configurado
    - `DLPFilter` em `src/security/dlp_filter.py` (redação de CPF/CNPJ/senhas)
- [ ] **Módulo de Comunicação (Mail Client):**
    - ⏳ Aguardando senha do email `arthur.servicedesk@itguys.com.br`

## Fase 3: Orquestração e Raciocínio (Cérebro) ✅
- [x] **Implementação do Agente de Triagem (1B):**
    - `TriageAgent` em `src/agents/triage_agent.py`
    - Prompt Engineering para extração de entidades + fallback regex
    - Classificação de prioridade/categoria
- [x] **Implementação do Agente Especialista (8B):**
    - `SpecialistAgent` em `src/agents/specialist_agent.py`  
    - Coleta de contexto Zabbix + RAG
    - Geração de diagnóstico e resposta
- [x] **Pipeline de Processamento:**
    - `TicketPipeline` em `src/agents/pipeline.py`
    - Orquestração triage → specialist → audit
- [x] **Desenvolvimento do Multi-Agent Dispatcher:**
    - `MultiAgentDispatcher` em `src/agents/dispatcher.py`
    - State machine: RECEIVED → TRIAGING → ENRICHING → ANALYZING → VALIDATING → RESPONDING
    - Integração com RateLimiter
- [x] **Rate Limiter por Tenant:**
    - `RateLimiter` em `src/agents/rate_limiter.py`
    - Sliding window (por minuto/hora)
    - Limite de requisições simultâneas
    - Prioridade por tier de cliente
- [x] **Camada de Validação e Segurança (Self-Correction):**
    - `SelfCorrectionLayer` em `src/agents/validators.py`
    - Validação de domínios permitidos
    - Bloqueio de comandos perigosos (rm -rf, DROP DATABASE, etc.)
    - Threshold de confiança com escalação automática
- [x] **Desenvolvimento do Analista de Causa Raiz:**
    - `RootCauseAnalyzer` em `src/agents/root_cause_analyzer.py`
    - Correlação de alertas por similaridade e keywords
    - Detecção de problemas de infraestrutura compartilhada

## Fase 4: Flywheel e Qualidade (Aprendizado) ✅
- [x] **Pipeline de Ingestão de RAG:**
    - `RAGIngestionPipeline` em `src/flywheel/rag_pipeline.py`
    - Processamento de Markdown/TXT, chunking e indexação Qdrant
    - Sanitização de conteúdo (remoção de scripts, base64)
    - Detecção automática de tecnologia
- [x] **Parser de Feedback de Encerramento:**
    - `FeedbackParser` em `src/flywheel/feedback_parser.py`
    - Detecta: Resolvido, Reaberto, Escalação, Esclarecimento
    - Análise de sentimento e satisfação
- [x] **Módulo de Memória Episódica:**
    - `EpisodicMemory` em `src/flywheel/episodic_memory.py`
    - Armazenamento de lições aprendidas
    - Antipadrões (o que NÃO fazer)
    - Busca por similaridade

## Fase 5: Implantação e Monitoramento ✅
- [x] **Configuração do Langfuse Local:**
    - `LangfuseClient` em `src/deployment/langfuse_client.py`
    - Docker Compose em `docker/langfuse-compose.yml`
    - Tracing com context managers (trace/span)
- [x] **Teste de Stress e Latência:**
    - `StressTester` em `src/deployment/stress_tester.py`
    - Métricas: p50, p95, p99, RPS
    - Scripts: `run_dispatcher_stress_test`, `run_rate_limiter_stress_test`
- [x] **Ferramentas de Homologação:**
    - `HomologationValidator` em `src/deployment/homologation.py`
    - Validações: DB, Qdrant, Ollama, Zabbix, Financeiro, Email, RateLimiter
    - Relatório formatado com status por check

## Fase 6: Auditoria e Otimização com IA 🔄
- [x] **Mapeamento de Alterações por Fase:**
    - Listar commits e arquivos modificados em cada uma das fases (1-5)
    - Gerar manifesto de auditoria: [AUDIT_MANIFEST.md](file:///C:/Users/joao.goncalves/Desktop/Projetos/minions-da-itguys/.gemini/AUDIT_MANIFEST.md)
- [ ] **Execução de Agente de Qualidade:**
    - Análise "ponto a ponto" do código mapeado
    - Focos: Otimizações, Falhas de Segurança, Bugs Lógicos, Code Quality
- [ ] **Refinamento e Correção:**
    - Aplicar melhorias sugeridas pelo agente
    - Validar ausência de regressões

## Fase 7: Homologação e Go-Live 🔄
- [ ] **Obter Credenciais:**
    - Senha do email `arthur.servicedesk@itguys.com.br`
- [ ] **Deploy Langfuse:**
    - Executar `docker compose -f docker/langfuse-compose.yml up -d`
    - Configurar variáveis `LANGFUSE_PUBLIC_KEY` e `LANGFUSE_SECRET_KEY`
- [ ] **Executar Validação de Homologação:**
    - Rodar `run_homologation("staging")` e garantir todos checks passando
- [ ] **Teste de Stress em Staging:**
    - Validar latência com 5+ chamados simultâneos
    - Confirmar P95 < 5000ms
- [ ] **Validação com Clientes Reais:**
    - Testar com emails de OESTEPAN e ENSEG
    - Confirmar isolamento de dados entre tenants
- [ ] **Go-Live:**
    - Migrar Arthur para produção
    - Monitorar primeiras 24h via Langfuse

---
### Diretrizes para Agentes de Execução:
1. **CPU Only:** Nunca tente usar bibliotecas que exijam CUDA/GPU sem autorização expressa.
2. **Auditabilidade:** Toda decisão do Arthur deve gerar um log no PostgreSQL.
3. **Isolamento:** Garanta que os dados da ENSEG nunca vazem para um diagnóstico da OESTEPAN via filtros de Payload no Qdrant.