Beatriz - AGENTIC RAG

Sistema de Retrieval-Augmented Generation (RAG) usando LangGraph para orquestração de agentes inteligentes.

🚀 Quick Start

1. Clone e Setup

git clone <repo-url>
cd agrex
./setup.sh

2. Ativar Ambiente

source .venv/bin/activate

3. Rodar API

cd api
./run_api.sh

API disponível em: http://localhost:8000

4. Testar Endpoints

Health Check:

curl http://localhost:8000/health

Chat Query:

curl -X POST http://localhost:8000/chat \
  -H "Content-Type: application/json" \
  -d '{"message": "Qual o faturamento da Petrobras?"}'

Upload Documento:

curl -X POST http://localhost:8000/ingestion/upload \
  -F "[email protected]" \
  -F "source=ENET"

5. Visualizar Grafo de Agentes

cd api
source .venv/bin/activate
python3 -m agents.show_graph

📁 Estrutura do Projeto

agrex/
├── api/           # FastAPI endpoints
├── agents/        # LangGraph agents
├── ingestion/     # Pipeline de documentos
├── setup.sh       # Setup automático
├── run_api.sh     # Rodar API
└── run_worker.sh  # Rodar worker de ingestão

🔧 Desenvolvimento

Rodar Worker de Ingestão (separado)

./run_worker.sh

Instalar Nova Dependência

source .venv/bin/activate
pip install <package>
pip freeze > requirements.txt

Testar Mudanças

# API com reload automático (dentro da pasta api)
cd api
source .venv/bin/activate
uvicorn main:app --reload

# Testar grafo diretamente
python3 -c "from agents.graph.core import RAGOrchestrator; print(RAGOrchestrator().process('teste'))"

🏗️ Arquitetura

Veja ARCHITECTURE.md para detalhes completos da arquitetura.

Fluxo Principal:

1. Ingestão: Upload → Queue → Extract → Chunk → Embed → VectorStore
2. Query: Chat → LangGraph (plan → route → retrieve → generate → validate → synthesize)

🚧 Status

• ✅ Estrutura base com LangGraph
• ⏳ Integração com LLM (OpenAI/Anthropic)
• ⏳ Vector Store (Pinecone/ChromaDB)
• ⏳ Fila de mensagens (RabbitMQ/Azure)
• ⏳ Frontend

🤝 Contribuindo

1. Crie uma branch a partir da develop: git checkout -b feature/nova-funcionalidade
2. Faça suas mudanças
3. Teste: ./run_api.sh e python3 -m agents.show_graph
4. Commit: git commit -m "feat: nova funcionalidade"
5. Abra um Pull Request

📝 Logs

Logs da API aparecem no terminal onde rodou ./run_api.sh