Plataforma de IA

Lavc Systems

Plataforma local de orquestração de IA multiagente com RAG, Kanban gerenciamento de tarefas, metas autônomas e observabilidade em tempo real.

Painel de operação Lavc Systems mostrando agentes locais de IA, status da tarefa e sinais de observabilidade
Painel de operação para agentes locais de IA, tarefas autônomas, status do sistema e observabilidade em tempo real.
Lavc Systems gráfico de orquestração de agentes com nós de fluxo de trabalho multiagentes e caminhos de execução
Gráfico de orquestração de agentes mostrando como o coordenador, os agentes especializados, a memória e as ferramentas se movimentam em um fluxo de trabalho.
Painel de métricas de controle Lavc Systems para tempo de execução local LLM, memória, agendador e integridade de execução
As métricas de controle tornam visíveis o tempo de execução local LLM, a integridade do agendador, o uso de memória e os sinais de execução.

Projeto Leia mais

Lavc Systems

Backend Interface LLM Orquestração RAG

Lavc Systems é uma plataforma desktop/web local para orquestrar agentes de IA, gerenciar automação corporativa, armazenar conhecimento RAG e rastrear trabalho operacional por meio de uma interface Kanban. O sistema executa um FastAPI backend, um React/Vite frontend e um conjunto de agentes locais conectados a Ollama — tudo em sua própria máquina, sem necessidade de serviço externo de IA.

BackendFastAPI, Python 3.14, Uvicórnio
InterfaceReact 18, TypeScript, Tailwind CSS, Vite
EstadoZustand
LLM Tempo de execuçãoOllama · padrão qwen2.5-coder:7b
OrquestraçãoLangGraph · fila multiagente
RAG e memóriaChromaDB · Embeddings HuggingFace · HybridMemory
Banco de dadosSQLite, SQLAlquimia
Em tempo realWebSocket
AgendadorAPScheduler + agendador.db
SegurançaUsuários, empresas, log de auditoria, cofre local, escopos

Arquitetura do sistema

A plataforma separa as preocupações em quatro camadas de execução: o front-end React voltado para o usuário, o backend FastAPI com roteadores modulares, a camada de orquestração multiagente e a camada de dados que cobre SQLite, ChromaDB e armazenamento de arquivos local.

React Front-end (Vite) → FastAPI Roteadores → Fila de tarefas
Agente Coordenador → LangGraph Pipeline → Agentes Especialistas
HybridMemory + ChromaDB → Ollama (local LLM) → Eventos WebSocket → IU

Fluxo Operacional

O usuário cria tarefa → Kanban + fila → Coordenador escolhe pipeline
Agentes usam memória, RAG e ferramentas → Logs + artefatos em detalhes da tarefa
Rastreamento operacional → Auditável: intenção/contexto/ação/próxima etapa

Módulos de interface

TelaObjetivo
OperaçãoKanban, Agendador e Objetivos: tarefas, jobs recorrentes e metas priorizadas.
ControlePainel executivo, integridade do sistema, recursos, logs, rastreamentos e execução.
ConhecimentoRAG documentos, aprendizagem contínua, memórias, habilidades e estratégias.
AgentesAgent Graph (primário), Agent Studio e Workflow para edição e design de fluxos.
FerramentasPlugins, APIse registro de ferramentas disponíveis para agentes.
ConfiguraçõesModelos, parâmetros de tempo de execução e preferências do sistema.

Lista de agentes padrão

TipoFunção
coordinatorPlaneja, decide pipeline, delega.
analystAnalisa dados, documentos e contexto.
programmerImplementa e ajusta o código.
executorExecuta comandos, scripts e validações.
documenterProduz documentação e artefatos de texto.
reviewerAvalia qualidade, consistência e resultado final.
specialist:*Especialistas de domínio criados no Agent Studio.

RAG e Conhecimento

A tela Conhecimento agrupa toda a gestão do conhecimento em um só lugar:

  • RAG Documentos: upload, edição de texto, metadados, exclusão e reindexação.
  • Aprendizagem Contínua: experiências, habilidades, estratégias e memórias.
  • Memória Híbrida: SQLite para registros estruturados e ChromaDB para busca semântica.
  • Artefatos de tarefas: os resultados e arquivos gerados podem retroalimentar a base de conhecimento interna.

Skyler Dentro de Lavc Systems

Skyler é o assistente de IA flutuante incorporado no sistema. Em Lavc Systems, Skyler opera em um nível significativamente mais avançado do que a versão de portfólio público: ela pode consultar a integridade do sistema, ler dados de tarefas, criar e executar tarefas, ler arquivos carregados, salvar credenciais API no cofre local e exibir um rastreamento operacional auditável para cada resposta. O sistema não registra o raciocínio do modelo bruto – o que surge é um resumo estruturado: intenção detectada, contexto consultado, ferramenta ou ação usada e próxima etapa.

O portfólio público Skyler em /skyler-assistente/ é uma versão mais leve, implantada na nuvem, destinada a visitantes externos. Lavc Systems Skyler é executado localmente, tem acesso a dados internos e participa diretamente do loop de orquestração de tarefas.

Principais API Terminais

MétodoRotaDescrição
OBTER/POST/api/tasksListe ou crie tarefas.
POST/api/tasks/{id}/executeEnfileirar execução.
OBTER/api/tasks/{id}/logsLogs e rastreamentos operacionais.
OBTER/POST/api/tasks/{id}/messagesBate-papo de tarefa persistente.
OBTER/api/agentsAgentes registrados.
OBTER/POST/api/documentsRAG documentos.
POST/api/documents/uploadCarregar e indexar.
OBTER/POST/api/scheduler/jobsTrabalhos agendados.
OBTER/POST/api/objectives/goalsMetas autônomas.
POST/api/assistant/chatSkyler endpoint.
WS/wsEventos em tempo real.

Estrutura do Projeto

vale-develop-analytics-2026/
  backend/
    agents/          # LangGraph pipelines and multi-agent orchestration
    app/             # global subsystem state
    auth/            # users, companies and authentication
    knowledge/       # graph, semantic index and solution library
    learning/        # experiences, strategies, skills and prompt optimizer
    memory/          # HybridMemory
    objectives/      # GoalEngine, priority and autonomous scheduler
    observability/   # traces, metrics and execution
    routers/         # modular endpoints
    scheduler/       # scheduled jobs
    tools/           # registry, tools and Graphify
    main.py          # FastAPI entry point
    ws.py            # WebSocket
  frontend/
    src/
      components/    # shared UI, graph, workflow, chat
      hooks/         # WebSocket and Agent Graph runtime
      pages/         # app screens
      store/         # Zustand stores
      types/         # TypeScript types
  plugins/           # local plugins
  data/              # databases, logs, uploads, vectors and local artefacts

Executando localmente

Janelas:

start.bat

Linux/macOS:

./start.sh
  • Interface: http://localhost:5173
  • Backend: http://localhost:8000
Abrir Skyler Assistant (versão do portfólio)