📄 DocIntel - Intelligent Document Assistant

Converse com seus documentos usando Inteligência Artificial

Faça upload de PDFs, DOCs ou TXTs e obtenha respostas instantâneas sobre o conteúdo através de um chat inteligente

🎯 O que é o DocIntel?

DocIntel é uma plataforma de análise de documentos com IA que permite você fazer perguntas em linguagem natural sobre o conteúdo dos seus documentos. A aplicação utiliza técnicas avançadas de RAG (Retrieval-Augmented Generation) e reranking semântico para fornecer respostas precisas e contextualizadas.

✨ Recursos Principais

📤 Upload de Documentos

• Suporte para múltiplos formatos: PDF, DOCX, DOC, TXT
• Interface drag-and-drop intuitiva
• Processamento automático e indexação vetorial
• Armazenamento seguro e persistente

💬 Chat Inteligente em Tempo Real

• Conversação natural com IA especializada em seus documentos
• Respostas em streaming (texto aparece progressivamente)
• Comunicação via WebSocket para experiência fluida
• Histórico completo de conversas

🎯 Sistema de Reranking Avançado

• Dupla pontuação de relevância:
  • Score de similaridade vetorial (embedding)
  • Score de relevância semântica (modelo GPT-4o-mini)
• Filtragem inteligente: apenas respostas com 80%+ de relevância
• Ranqueamento automático: melhores resultados aparecem primeiro
• Transparência: visualize os trechos usados e suas pontuações

📊 Análise de Fontes RAG

• Visualize os trechos do documento utilizados para cada resposta
• Compare scores de embedding vs. relevância semântica
• Identificação de conteúdo filtrado por baixa relevância
• Interface visual com gráficos de pontuação

🗂️ Gerenciamento de Chats

• Múltiplas conversas simultâneas
• Histórico persistente de mensagens
• Busca e navegação entre chats
• Associação de documentos a conversas específicas

🌓 Interface Moderna

• Design responsivo (desktop e mobile)
• Modo escuro/claro
• Animações suaves e feedback visual
• Componentes acessíveis

---

🚀 Começando

📋 Pré-requisitos

Antes de iniciar, certifique-se de ter instalado:

Backend

• Java 21 ou superior (Download)
• Maven 3.9+ (incluído no projeto via wrapper ./mvnw)
• PostgreSQL 14+ com extensão pgvector
• Chave API da OpenAI (Obter aqui)

Frontend

• Node.js 18+ (Download)
• npm ou yarn

🔧 Instalação e Configuração

1️⃣ Clone o Repositório

git clone <repository-url>
cd DocIntel

2️⃣ Configurar o Banco de Dados

Instalar PostgreSQL e pgvector:

# Ubuntu/Debian
sudo apt update
sudo apt install postgresql postgresql-contrib
sudo apt install postgresql-14-pgvector

# macOS (Homebrew)
brew install postgresql@14
brew install pgvector

# Ou use o script fornecido:
cd back
./setup-postgres.sh

Criar o banco de dados:

# Conectar ao PostgreSQL
sudo -u postgres psql

# Criar banco e extensão
CREATE DATABASE docintel;
\c docintel
CREATE EXTENSION vector;
\q

Executar migração para reranking (novo recurso):

cd back
psql -U postgres -d docintel -f add_reranking_columns.sql

3️⃣ Configurar Backend

Configurar variáveis de ambiente:

cd back

# Criar arquivo .env ou exportar as variáveis:
export OPENAI_API_KEY="sua-chave-api-aqui"
export QUARKUS_DATASOURCE_USERNAME="postgres"
export QUARKUS_DATASOURCE_PASSWORD="sua-senha"

Compilar e executar:

# Compilar o projeto
./mvnw clean package

# Executar em modo desenvolvimento (live reload)
./mvnw quarkus:dev

O backend estará disponível em: http://localhost:8080

Endpoints principais:

• http://localhost:8080/q/dev/ - Quarkus Dev UI
• http://localhost:8080/api/chats - API REST
• ws://localhost:8080/document-support-agent/{chatId} - WebSocket

4️⃣ Configurar Frontend

cd front

# Instalar dependências
npm install

# Configurar variáveis de ambiente
cat > .env << EOF
VITE_API_URL=http://localhost:8080/api/chats
VITE_WS_URL=ws://localhost:8080
EOF

# Iniciar servidor de desenvolvimento
npm run dev

O frontend estará disponível em: http://localhost:5173

---

🐛 Troubleshooting

Backend não inicia

❌ Erro: java.sql.SQLException: Connection refused

✅ Solução: Verifique se o PostgreSQL está rodando:

sudo systemctl status postgresql
sudo systemctl start postgresql

---

❌ Erro: Extension "vector" not found

✅ Solução: Instale a extensão pgvector:

sudo apt install postgresql-14-pgvector
psql -U postgres -d docintel -c "CREATE EXTENSION vector;"

---

❌ Erro: OPENAI_API_KEY not set

✅ Solução: Configure a variável de ambiente:

export OPENAI_API_KEY="sk-..."
# ou adicione ao ~/.bashrc para persistir
echo 'export OPENAI_API_KEY="sk-..."' >> ~/.bashrc

---

❌ Erro: Port 8080 already in use

✅ Solução: Identifique e mate o processo:

lsof -i :8080
kill -9 <PID>

Frontend não conecta ao backend

❌ Erro: CORS error

✅ Solução: Verifique application.properties:

quarkus.http.cors=true
quarkus.http.cors.origins=http://localhost:5173

---

❌ Erro: WebSocket connection failed

✅ Solução:

1. Verifique se o backend está rodando
2. Verifique a URL do WebSocket no .env:

VITE_WS_URL=ws://localhost:8080

---

❌ Erro: Failed to fetch chats

✅ Solução: Verifique se a API está acessível:

curl http://localhost:8080/api/chats

Problemas com Upload

❌ Erro: File too large

✅ Solução: Aumente o limite em application.properties:

quarkus.http.limits.max-body-size=50M

---

❌ Erro: Unsupported file type

✅ Solução: Verifique se o formato é suportado (PDF, DOCX, DOC, TXT)

---

🤝 Contribuindo

Contribuições são bem-vindas! Por favor, siga estas diretrizes:

1. Fork o projeto
2. Crie uma branch para sua feature (git checkout -b feature/minha-feature)
3. Commit suas mudanças (git commit -m 'Adiciona nova funcionalidade X')
4. Push para a branch (git push origin feature/minha-feature)
5. Abra um Pull Request

Padrões de código:

• Backend: Siga as convenções Java/Quarkus
• Frontend: Use ESLint e Prettier
• Testes: Adicione testes para novas funcionalidades
• Documentação: Atualize o README se necessário

---

📝 Licença

Este projeto está sob a licença MIT. Veja o arquivo LICENSE para mais detalhes.

---

Desenvolvido com ❤️ usando Quarkus, React e OpenAI

⭐ Se este projeto foi útil para você, considere dar uma estrela no GitHub!