minions-ai-agents/.gemini/TODO_Arthur.md

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 ✅

• Consolidação do PRD N2: Definição de escopo, hardware e lógica de atendimento.
• Mapeamento do Tenant Resolver (Financeiro):
  • MockFinancialClient implementado em src/clients/mock_financial.py
  • Esquema Pydantic TenantContext em src/models/tenant.py
• Design do Schema de Auditoria:
  • Modelo AuditLog em src/models/audit.py (PostgreSQL)
  • Migrations em src/database/migrations.py
• Mapeamento de Segredos:
  • SecretsManager em src/security/secrets_manager.py
  • Suporte a Docker Secrets + variáveis de ambiente

Fase 2: Infraestrutura e Conectores Core ✅

• Ambiente de Inferência Local:
  • OllamaClient em src/clients/ollama_client.py
  • Suporte a Llama 3.2 1B (Triagem) e Llama 3.1 8B (Especialista)
• Configuração do Qdrant Multitenant:
  • QdrantMultitenant em src/clients/qdrant_client.py
  • Persistência on_disk: true + filtro por tenant_id
• Conector Zabbix API:
  • ZabbixConnector em src/clients/zabbix_connector.py
  • Funções: get_host_status, get_active_problems, get_neighbor_alerts
• 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) ✅

• 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
• Implementação do Agente Especialista (8B):
  • SpecialistAgent em src/agents/specialist_agent.py
  • Coleta de contexto Zabbix + RAG
  • Geração de diagnóstico e resposta
• Pipeline de Processamento:
  • TicketPipeline em src/agents/pipeline.py
  • Orquestração triage → specialist → audit
• Desenvolvimento do Multi-Agent Dispatcher:
  • MultiAgentDispatcher em src/agents/dispatcher.py
  • State machine: RECEIVED → TRIAGING → ENRICHING → ANALYZING → VALIDATING → RESPONDING
  • Integração com RateLimiter
• 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
• 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
• 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) ✅

• 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
• Parser de Feedback de Encerramento:
  • FeedbackParser em src/flywheel/feedback_parser.py
  • Detecta: Resolvido, Reaberto, Escalação, Esclarecimento
  • Análise de sentimento e satisfação
• 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

• Configuração do Langfuse Local:
  • Subir Langfuse via Docker para rastreamento (tracing) de todos os chamados.
• Teste de Stress e Latência:
  • Validar tempo de resposta com 5+ chamados simultâneos (Contenção de CPU Xeon).
• Homologação com Sistema Financeiro:
  • Validar a busca dinâmica de clientes em tempo real.

---

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.