DTBackIALoomi - Assistente Inteligente de Tintas Suvinil com IA

Sobre o Projeto

DTBackIALoomi é um desafio técnico de processo seletivo que demonstra expertise profissional em Inteligência Artificial aplicada. É um assistente inteligente especializado em recomendação de tintas Suvinil, utilizando arquitetura de ponta com agente autônomo (LangGraph), busca semântica (RAG com embeddings), geração de imagens (DALL-E) e sistema rigoroso de proteção contra ataques (Guardrails).

O projeto compactua arquitetura robusta, segurança em primeiro lugar, otimização de custos e documentação exemplar - características essenciais para produção em escala.

O Desafio

Criar um sistema de recomendação de produtos que:

• Entenda contexto e necessidades do usuário
• Recomende produtos semanticamente relevantes
• Gere visualizações realistas com DALL-E
• Proteja-se contra manipulação e ataques
• Seja economicamente viável
• Funcione com latência inferior a 3 segundos

A Solução Implementada

DTBackIALoomi oferece uma solução completa:

• Agente IA autônomo com LangGraph (React Pattern)
• 6 ferramentas especializadas para diferentes tipos de consultas
• RAG com 72 produtos e busca semântica por similaridade de cosseno
• 24 padrões de Guardrails + 99 keywords de validação (100% taxa de detecção)
• Integração DALL-E para visualização fotorrealista de ambientes
• API REST com documentação automática (Swagger/OpenAPI)
• Autenticação JWT com RBAC (admin/user)
• 97% redução em custos usando GPT-4o-mini

Highlights do Projeto

Categoria	Métrica	Descrição
Economia	~97% redução em custos	GPT-4o-mini vs GPT-4
Segurança	100% taxa de detecção	15/15 testes de ataque bloqueados
Cobertura	24 padrões + 99 keywords	Proteção multi-camada
Catálogo	72 produtos	Base completa com cores e acabamentos
Ferramentas	6 tools especializadas	Agente com seleção inteligente
Performance	< 3s por resposta	Cache de embeddings em memória
Integração	100% DALL-E	Geração de imagens fotorrealistas

Arquitetura Técnica

Stack Profissional

Componente	Tecnologia	Finalidade
Framework Web	FastAPI 0.115.6	API REST de alta performance, async nativo
Banco de Dados	PostgreSQL 15	Persistência robusta e ACID compliance
ORM	SQLAlchemy 2.0.36	Moderno com type hints e async ready
LLM	GPT-4o-mini	97% mais barato, qualidade suficiente
Embeddings	text-embedding-3-small	1536 dimensões, custo otimizado
Agente IA	LangGraph 0.2.62	React Pattern, estado gerenciado
Geração de Imagens	DALL-E 2/3	Fotorrealismo e prompts em português
Autenticação	JWT (python-jose)	Stateless e seguro
Containerização	Docker + Compose	Reprodutibilidade garantida

Fluxo de Processamento

1. Input do Usuário → Validação com Guardrails
2. Análise de Intenção → Agent Service (LangGraph)
3. Seleção de Ferramenta → Think → Act → Observe
4. Execução → RAG, Filtros, Cálculos, DALL-E
5. Validação de Output → Segurança final
6. Resposta → Recomendações + Imagens + Histórico

Funcionalidades Implementadas

Agente IA e Ferramentas

✅ Busca Semântica (RAG)

• Embeddings em tempo real com similaridade de cosseno
• Cache em memória para performance
• Top-5 produtos mais relevantes

✅ Busca por Filtros

• Cor, acabamento, linha de produtos
• Queries otimizadas com SQLAlchemy

✅ Cálculo de Quantidade

• Rendimento padrão por litro
• Cálculo para 2 demãos
• Sugestão de quantidade de latas

✅ Validação de Cores

• Listagem de cores disponíveis
• Recomendações por psicologia das cores

✅ Linhas de Produtos

• Categorias: Acrílica, Verniz, Primer, etc
• Características técnicas por linha

✅ Visualização DALL-E

• Imagens fotorrealistas de ambientes
• 9 tipos de ambientes suportados
• Prompts em português natural

Segurança (Guardrails)

✅ 14 padrões Prompt Injection → 100% detecção ✅ 10 padrões Conteúdo Bloqueado → 100% detecção
✅ 99 keywords Validação de Tópico → 100% detecção ✅ Output Sanitization → Remoção de dados sensíveis

Exemplos de bloqueio:

• “Ignore all previous instructions” → Bloqueado
• “Como fazer uma bomba?” → Bloqueado
• “Qual a capital da França?” → Redirecionado

Autenticação e RBAC

✅ JWT com expiração de 24h configurável
✅ Roles: admin (CRUD completo), user (consultas apenas)
✅ Endpoints públicos: /paints, /health
✅ Endpoints privados: /chat, CRUD admin

Frontend

✅ HTML/CSS/JS vanilla (sem dependências)
✅ Interface de chat moderna
✅ Suporte a imagens DALL-E com modal
✅ Responsive design (desktop + mobile)
✅ Animações e feedback visual

Métricas de Performance

Otimização de Custos

Modelo	Input	Output	Economia vs GPT-4
GPT-4	$30.00/1M	$60.00/1M	-
GPT-4o	$2.50/1M	$10.00/1M	91%
GPT-4o-mini	$0.15/1M	$0.60/1M	~97%

Resultado: Sistema economiza ~97% em custos de tokens mantendo qualidade suficiente para recomendações

Eficiência do RAG

Métrica	Valor
Base de Produtos	72 tintas
Dimensões Embedding	1536
Algoritmo	Similaridade de Cosseno
Cache	Em memória (singleton)
Top-K Resultados	5 produtos

Latência

• Resposta média: < 3 segundos
• Cache de embeddings: ~50ms por busca
• Geração DALL-E: ~2-3s
• Token overhead: minimal

Aprendizados Técnicos

Este projeto envolveu mastery em:

1. Agentes de IA Autônomos: LangGraph React Pattern, tool selection inteligente
2. RAG Semanticamente Correto: Embeddings, similaridade, cache estratégico
3. Segurança em IA: Guardrails multi-camada, regex patterns, validação de tópico
4. Integração com APIs Externas: OpenAI GPT, DALL-E, tokens, retry logic
5. Arquitetura Escalável: FastAPI async, SQLAlchemy ORM, conexão pool
6. Autenticação Profissional: JWT stateless, RBAC granular
7. DevOps e Containerização: Docker, Compose, health checks
8. Documentação e Qualidade: Tests, docstrings, GitHub README profissional

Endpoints Principais

Autenticação

POST /auth/register # Novo usuário POST /auth/login # Obter token JWT POST /auth/register-admin # Admin apenas

Tintas (CRUD)

GET /paints # Lista todas (público) GET /paints/{id} # Por ID (público) POST /paints # Criar (admin) PUT /paints/{id} # Atualizar (admin) DELETE /paints/{id} # Deletar (admin)

Chat (Assistente IA)

POST /chat # Enviar mensagem (auth) POST /chat/clear # Limpar histórico (auth) GET /health # Health check (público)

Documentação

GET /docs # Swagger UI GET /redoc # ReDoc

Decisões Técnicas Justificadas

Por que LangGraph?

• React Pattern: Think → Act → Observe
• Estado Gerenciado: Mantém contexto da conversa
• Observabilidade: Rastreia raciocínio do agente
• Extensibilidade: Fácil adicionar novas ferramentas

Por que Embeddings em Memória?

• Simplicidade: Sem dependências extras (pgvector)
• Escala adequada: 72 produtos cabem facilmente
• Performance: Cache evita recálculo
• Evolução: Fácil migrar para pgvector depois

Por que GPT-4o-mini?

• Custo-benefício: 97% mais barato
• Qualidade: Suficiente para recomendações
• Latência: Respostas mais rápidas
• Rate limits: Maiores que modelos premium

Uso de IA no Desenvolvimento

Claude (Anthropic)

• Planejamento de arquitetura
• Implementação de código
• Revisão e correção
• Geração de documentação

ChatGPT (OpenAI)

• Definição de estratégias
• Revisão técnica
• Brainstorming de soluções

Decisões baseadas em IA:

• Expansão de 25 para 72 produtos (melhor cobertura)
• Migração para LangGraph (compatibilidade)
• Load de .env no main.py (corrigiu issue)

Destaques do Projeto

✨ Desafio Técnico Profissional: Demonstra expertise em IA aplicada em contexto real

✨ Segurança em Primeiro Lugar: 24 padrões + 99 keywords, 100% taxa de detecção

✨ Otimização de Custos: 97% economia vs GPT-4 sem perda de qualidade

✨ Arquitetura Robusta: LangGraph, RAG, DALL-E, JWT, Docker

✨ Documentação Exemplar: README, guia técnico, guia entrevista

✨ Frontend Funcional: Interface moderna sem dependências externas

✨ Pronto para Produção: Tests, health checks, logging, RBAC

✨ Colaboração com IA: Demonstra capacidade de trabalhar com assistentes de IA