36 lines
6.3 KiB
Markdown
36 lines
6.3 KiB
Markdown
# Cobertura verificada e trabalho restante
|
||
|
||
## Casos do pedido
|
||
|
||
| Caso | Implementado nesta etapa | Pendente |
|
||
| --------- | ------------------------------------------------------------------------------------------------------------------------------------------------ | ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
|
||
| UC-IA-001 | Excertos citados de fontes elegíveis, data/natureza, recusa sem evidência e pedido de revisão | Respostas generativas fundamentadas, corpus oficial, assistência pública |
|
||
| UC-IA-002 | FTS PT/EN, idioma, fonte, natureza e acesso antes da recuperação; fusão RRF unitariamente testada | Embeddings, índice pgvector, reranker e filtros territoriais/multidimensionais completos; RRF ainda não ligado a vectores reais |
|
||
| UC-IA-003 | Filtros eliminatórios de publicação/sector/província/maturidade, factores e dados em falta; apenas oportunidades canónicas publicadas | Perfil completo, regras institucionais aprovadas, similitude semântica, clusters/corredores/instrumentos/parceiros; pontuação actual conta filtros, não é ponderação financeira |
|
||
| UC-IA-004 | Triagem por campos declarados, consentimento específico, sem dados de contacto ou texto livre; não altera pedido/lead | Modelo supervisionado, responsável sugerido, idioma/cluster/corredor/horizonte e regras de prioridade aprovadas |
|
||
| UC-IA-005 | Fontes expiradas, documentos com checksum repetido, ausência de responsável/próxima acção, geometrias inválidas; alertas em resultados auditados | Conflitos semânticos entre fontes, sincronização SuiteCRM e cobertura de todos os domínios |
|
||
| UC-IA-006 | Tarefas CRM abertas e vencidas, prazo, referência e acção de revisão sugerida | Marcos/dependências, caminho crítico, impacto e orçamento autorizado |
|
||
| UC-IA-007 | Pré-visualização extractiva dos primeiros três fragmentos de fonte elegível | Resumo generativo completo, reuniões/actas/históricos e extracção de compromissos confirmados |
|
||
|
||
Nenhum caso é declarado integralmente concluído. A aceitação da revisão apenas grava um parecer interno. Não altera estados oficiais, cria compromissos ou transmite dados ao SuiteCRM.
|
||
|
||
## Pipeline RAG de 17 passos
|
||
|
||
| Passos | Situação |
|
||
| --------------------------------------------- | ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
|
||
| 1–2: recepção e segurança | Cadastro canónico, upload apenas texto UTF-8, limite de tamanho, confirmação de autorização, rejeição de fontes confidenciais/restritas; formatos complexos/OCR/antivírus pendentes |
|
||
| 3–6: extracção, versão, acesso e fragmentação | Texto simples, versão/checksum do documento, metadados de fonte, revisão independente, fragmentos com ID/checksum/posição; divisão por caracteres não substitui tokenização do modelo |
|
||
| 7–8: embeddings e pgvector | Não executados. Extensão/runtime ausentes. Esquema proposto separado, sem tocar na base partilhada |
|
||
| 9–10: índice lexical e ACL | tsvector gerado por idioma, GIN; status, validade, classificação, versão e checksum filtrados antes da pesquisa |
|
||
| 11–12: híbrido e reranking | Algoritmo RRF testado isoladamente; corpus vectorial/modelos não provisionados, logo produção continua lexical |
|
||
| 13–15: contexto, geração e suporte | Excertos devolvidos como citações; sem geração nem afirmações novas. Verificação semântica de afirmações depende de modelo e avaliação |
|
||
| 16–17: fontes e rastreabilidade | Fonte/data/natureza/validade, modo, regras, versão de instrução e latência; resultado encriptado; sem falsa confiança probabilística |
|
||
|
||
## Metadados
|
||
|
||
`ai_chunks.source_id` identifica `ai_sources`, que referencia documento UUID + versão + checksum. A fonte guarda título, idioma, natureza, URL, proprietário, autorização, datas e estado. Classificação é lida do documento a cada consulta, sem duplicação desactualizada. O fragmento contém conteúdo, idioma, posição, ID e checksum próprios. Metadados sector/actividade/cluster/corredor/território e embedding_model/revision permanecem pendentes; não são preenchidos por inferência.
|
||
|
||
## Gates da fase seguinte
|
||
|
||
Infraestrutura/modelos → benchmark PT-MZ/EN representativo → escolha por qualidade/segurança/custo → revisão do corpus e da política → adaptadores de geração/embeddings/reranking → pgvector na mesma base → avaliação de recuperação e citações → piloto supervisionado. Falha de fonte ou de modelo deve produzir recusa/fallback identificado, não uma resposta sem suporte.
|