Projeto 02
AI Central
Uma plataforma modular de atendimento com IA que responde tickets de ponta a ponta, fundamentada em dados reais de pedidos e em uma base de conhecimento curada.
- Status
- Em produção
- Papel
- Idealizei a plataforma e construí a prova de conceito; tech lead do time que a levou para produção e continua expandindo.
- Código
- Código privado
- Webhook do helpdesk
- SQS + DLQ
- Fluxo do módulo + RAG
- Resposta ou humano
Problema
Muitos tickets de atendimento são dúvidas repetitivas cujas respostas dependem de dados de pedido e entrega, além de políticas que mudam com o tempo. Responder manualmente é lento, e responder com um modelo de linguagem sem restrições é arriscado.
Solução
Uma plataforma Python orientada a eventos, dividida em um núcleo compartilhado e módulos de domínio. O núcleo cuida dos webhooks, da fila, dos clientes externos, da persistência e dos locks; cada módulo tem seu próprio fluxo, prompts e base de conhecimento. Hoje ela roda um módulo de atendimento de entregas, construído como pipeline em LangGraph, e um módulo de suporte técnico com fluxo próprio, passo a passo. Todo ticket termina em uma resposta, uma pergunta ao cliente ou um encaminhamento para uma pessoa, e cada etapa fica registrada para auditoria.
Destaques de engenharia
- Em produção desde abril de 2026: mais de 61 mil tickets processados e 110 mil respostas automáticas enviadas, com cerca de 85% dos tickets recebendo ao menos uma resposta da plataforma.
- Núcleo e módulos: um contrato pequeno de processador permite plugar uma nova área de atendimento com fluxo próprio sem mexer nas outras.
- Máquinas de estado explícitas em volta do modelo, em vez de um loop de agente aberto, para que cada transição possa ser testada e auditada.
- Recuperação em duas passadas no pgvector: primeiro filtrada por categoria, depois na base inteira, o que também pode corrigir a classificação inicial.
- Um cache semântico de planos de resposta reutilizáveis (“blueprints”) em vez de respostas literais, o que mantém os prompts curtos quando há acerto. Até agora são 2.298 planos guardados e 1.985 acertos.
- Saídas estruturadas com Pydantic em toda classificação, lista de permissões para qualquer ação sugerida pelo modelo e nenhum tool calling direto.
- Guardrails em camadas: verificação de prompt injection, limite de respostas, entrega idempotente, fallback de provedor e tratamento dedicado de erros do modelo, para que uma falha nunca chegue ao cliente.