Meu Primeiro Projeto RAG

Projeto concluído: Enterprise AI Knowledge Hub

Depois de semanas de desenvolvimento, finalizei um projeto de portfólio focado em RAG (Retrieval-Augmented Generation) e orquestração de agentes habilidades que hoje são cada vez mais exigidas em vagas de AI Automation Engineer e Applied AI Engineer.

O que construí: um assistente interno que responde perguntas estritamente com base em documentação carregada, cita as fontes e pode disparar ações reais (como abrir um chamado de TI) através de um agente orquestrado mas só depois de confirmação humana explícita. Nada de ação automática sem controle.

Alguns destaques técnicos:

🔹 Pipeline completo de RAG (FastAPI + ChromaDB + Groq/Llama 3.3), com fallback anti-alucinação: se a resposta não está no documento, o sistema se recusa a responder

 🔹 Agente com roteamento condicional em grafo de estados (Retrieve → Decide → Respond+Confirm → Trigger), integrado via webhook a um pipeline de automação real

 🔹 Autenticação JWT via Supabase (modelo JWKS, chave pública) protegendo todas as rotas da API, com tela de login funcional

 🔹 Retry com backoff exponencial, logging estruturado em JSON e CI no GitHub Actions (lint + testes automatizados) a cada push

Cortei escopo conscientemente em vários pontos (arquitetura multi-agente, RBAC, versionamento de prompt) pra manter o projeto focado e realmente terminado e documentei essas decisões no README como "fora de escopo" em vez de deixar implícito. Terminar bem feito, mesmo que menor, valeu mais do que tentar abraçar tudo.

Combinado com minha experiência em automação no-code/low-code (N8N, Make, HubSpot), esse projeto fecha o gap entre workflows de automação e engenharia de IA aplicada full-stack.

Repositório completo (com diagrama de arquitetura e screenshots):

https://github.com/RodrigoMirandaHub