Allan Simões AdegasEnglish
Menu
Voltar para o início

ReconAgent

Em desenvolvimento

Agente que concilia e-mails de confirmação de operações com o sistema interno, com avaliação offline e fila de revisão humana.

Papel
Autor
Início
2026
inboxcomparetickerPETR4PETR4sideBUYBUYquantity2,5002,500price38.0737.88settlement2026-11-042026-11-04→ revisão humana
Ilustração do projeto
3
provedores: regex, Claude e GPT

Visão geral

É um protótipo com dados sintéticos inspirado no revisor de e-mails que construí no BTG. Uma mesa de operações recebe confirmações em três idiomas e formatos variados; o agente lê cada uma, encontra a operação registrada e decide se aprova sozinho ou manda para um analista.

O foco é mostrar como medir um sistema com LLM: cada mudança de modelo ou de prompt passa por um conjunto de casos com resposta conhecida.

O que ele faz

Grafo de quatro etapas
Em LangGraph: extrair, buscar, comparar e decidir. Cada etapa grava o que fez e quanto tempo levou.
Fila de revisão
Divergências vão para uma fila onde o analista aprova ou rejeita com uma nota, que fica na trilha de auditoria.
Avaliação offline
Dois conjuntos: formatos conhecidos e formatos nunca vistos (tabelas, texto com números que distraem, respostas em cadeia).
Demo protegida
Limite por IP e tamanho máximo de entrada, para uma chave de LLM exposta não virar conta alta.

Arquitetura

Arquitetura: ReconAgentE-mail → extract. extract → lookup. lookup → compare. compare → decide. lookup → Ledger. decide → Aprova. decide → RevisãoE-mailen / pt / esextractLLMlookupreferência ou buscacomparecampo a campodecideLedgerPostgreSQLAprovaRevisão
O grafo do agente. O LLM só participa da extração.
Tela do ReconAgent com o e-mail, a comparação campo a campo e a fila de revisão
Tela real do painel de revisão, com dados sintéticos.

Decisões e trade-offs

Validação fora do modelo
A regra confere os campos extraídos com o sistema de registro. Valores divergentes ou ausentes seguem para revisão. A avaliação mede se extrações incorretas ainda podem passar pela regra.
Um baseline sem IA
A extração por regex serve de referência. A avaliação compara cobertura em formatos conhecidos e inéditos e mede as aprovações indevidas.

Qualidade e operação

  • Avaliação comparativa e demo hospedada pendentes de publicação.
  • O protótipo inclui testes com cliente simulado. A execução com modelos reais e a tabela comparativa estão pendentes.

Estado e próximos passos

  • Publicar a demo e os resultados da avaliação com Claude e GPT ao lado do baseline.
  • Ler anexos em PDF com modelos de visão.

Stack

PythonLangGraphFastAPIPostgreSQLReact + TypeScriptDockerCaddyGitHub Actions