Context-AI Engine: Triagem Inteligente com Java & LLM

O Context-AI Engine é uma API desenvolvida em Java e Spring Boot que utiliza Inteligência Artificial para automatizar a triagem, classificação e priorização de ocorrências corporativas (RH, Financeiro e Técnico).

Este projeto representa a evolução de uma solução anterior desenvolvida em Node.js, agora reconstruída em Java para explorar os benefícios de uma arquitetura orientada a objetos, tipagem forte e persistência polimórfica.

---

O Problema

Empresas recebem centenas de solicitações diárias que precisam ser lidas, categorizadas e encaminhadas para o setor correto. O Context-AI resolve isso utilizando Processamento de Linguagem Natural para decidir em milissegundos o setor e a urgência de cada chamado.

🛠️ Evolução Técnica (Node.js ➡️ Java)

Diferente da versão anterior, esta implementação foca em:

• Polimorfismo JPA: Uso de @Inheritance(strategy = InheritanceType.SINGLE_TABLE) para gerenciar diferentes tipos de ocorrências em uma única estrutura de dados eficiente.
• Design Patterns: Implementação de regras de negócio específicas para cada setor através de herança de classes.
• Integração com LLM: Conexão direta com o modelo Llama 3 via Groq Cloud API para análise contextual.

Tecnologias Utilizadas

• Linguagem: Java 21
• Framework: Spring Boot 3.x
• Persistência: Spring Data JPA / Hibernate
• Banco de Dados: PostgreSQL (Produção) / H2 (Testes)
• IA: Groq API (Llama-3.3-70b)
• Segurança: Variáveis de ambiente para chaves de API

Arquitetura do Sistema

O sistema utiliza uma estrutura de classes especializada:

• Ocorrencia (Classe Base)
  • OcorrenciaRH (Campos: CPF, Categoria)
  • OcorrenciaFinanceira (Campos: Valor em Risco, Transação)
  • OcorrenciaTecnica (Campos: Equipamento, Status do Sistema)

---

Resultados e Persistência

O projeto utiliza a estratégia de Herança (Single Table) do JPA, permitindo que diferentes tipos de ocorrências sejam armazenados na mesma tabela, mantendo a integridade e facilitando consultas complexas.

1. Persistência no PostgreSQL Através do console do banco de dados, podemos ver como a IA classifica e rotula cada entrada automaticamente:

SELECT id, dtype, relato, prioridade_definida FROM ocorrencia;

2. Consumo da API (GET) Endpoint REST que retorna todos os objetos polimórficos processados:

GET /api/ocorrencias

3. Arquitetura de Classes Abaixo, a implementação da classe base que utiliza polimorfismo para o cálculo de urgência:

---

Como Executar o Projeto

1. Clone o repositório:

   git clone https://github.com/Geoziihdev/context-ai-engine
   

2. Configure sua API Key: No arquivo src/main/resources/application.properties, adicione sua chave da Groq:

   groq.api.key=${GROQ_API_KEY}

3. Execute a aplicação:

   mvn spring-boot:run

Exemplos de Uso (Endpoints)

Criar Ocorrência Técnica

POST /api/ocorrencias/tecnica

{
    "relato": "O servidor de banco de dados parou de responder.",
    "equipamento": "Dell PowerEdge",
    "sistemaForaDoAr": true,
    "setor": { "nome": "TI" }
}

Próximos Passos

[ ] Implementação de Dashboard com estatísticas de prioridade.

[ ] Interface Frontend em React/Angular.

[ ] Notificação automática via E-mail/Slack para ocorrências CRÍTICAS.

Desenvolvido por Geovana J Santos - LinkedIn