Assistente full-stack de ChatOps que indexa Markdown, quebra conteúdo por seções, combina busca textual com pgvector-ready storage e compõe respostas estruturadas sem depender obrigatoriamente de LLM.
- FastAPI
- React
- PostgreSQL
- pgvector
- Celery
- Redis
- Docker
Contexto e problema #
Incidentes repetidos exigem respostas consistentes. Runbooks em Markdown concentram conhecimento operacional, mas precisam ser pesquisáveis e acionáveis.
Minha contribuição #
O projeto demonstra engenharia backend, pipeline RAG determinístico, frontend de suporte e adapters para canais operacionais.
Arquitetura #
Runbooks com YAML frontmatter são parseados, divididos por heading, indexados e consultados por busca híbrida; a resposta expõe fontes e confiança no dashboard React.
- ✓ Markdown parser
- ✓ PostgreSQL + pgvector
- ✓ Answer composer
- ✓ Slack/Discord/webhook adapters
Avaliação e qualidade #
A qualidade aparece na rastreabilidade: cada resposta precisa carregar fontes, passos verificáveis e feedback para medir acertos e misses.
Limitações #
O assistente apoia operação, mas não deve executar comandos críticos sem revisão humana e controles de permissão.
Próximos passos #
Adicionar autenticação, permissões, integrações reais com Slack/Teams, observabilidade e suporte opcional a LLM.
Teste o produto e inspecione o código
A demo online executa o fluxo principal com dados locais e seguros. O repositório público preserva backend, testes, infraestrutura e documentação técnica completos.