Skip to content

README.md

Latest commit

 

History

History
81 lines (59 loc) · 3.07 KB

README.md

File metadata and controls

81 lines (59 loc) · 3.07 KB
Raw

Services - DiabetesAI Core Services

Este diretório contém todos os serviços de IA especializados para o sistema DiabetesAI Care.

📋 Visão Geral dos Serviços

🤖 Serviços de IA (Agents)

Serviço Descrição Arquivos
Nutrition Agent Gera planos alimentares personalizados baseados em perfil do usuário, restrições e inventário nutrition_service.py, nutrition_api.py
Diabetic Agent Processa dados glicêmicos, calcula métricas TIR/TAR/TBR e gera alertas diabetic_service.py, diabetic_api.py
Judge Agent Coordena agentes, resolve conflitos e valida planos finais judge_service.py, judge_api.py
Causal Inference Analisa padrões causais entre refeições e controle glicêmico causal_service.py, causal_api.py
Chat Service Interface conversacional com RAG para consultas nutricionais chat_service.py
Food Substitution Encontra substituições nutricionalmente equivalentes food_substitution_service.py

🔧 Serviços de Infraestrutura

Serviço Descrição Arquivos
Gateway Ponto de entrada unificado para todos os agentes gateway_service.py
Nutrition Validation Valida macronutrientes e micronutrientes dos planos nutrition_validation_service.py
Plan JSON Estrutura e validação de dados dos planos gerados plan_json_service.py
Neo4j Loader Carrega dados para o grafo de conhecimento nutricional neo4j_loader.py

🚀 Como Usar

Inicialização dos Serviços

from services.nutrition_service import NutritionService
from services.diabetic_service import DiabeticService

# Inicializar agentes
nutrition_agent = NutritionService()
diabetic_agent = DiabeticService()

# Usar via Gateway (recomendado)
from services.gateway_service import GatewayService
gateway = GatewayService()
result = gateway.generate_meal_plan(user_profile)

Dependências

  • CrewAI: Framework para orquestração de agentes colaborativos
  • LangChain: Integração com modelos de linguagem
  • Neo4j: Banco de grafos para conhecimento nutricional
  • Pandas/Scikit-learn: Análise de dados e causalidade

📊 Arquitetura

Gateway Service
├── Nutrition Agent ── Validation Service
├── Diabetic Agent ── TIR/TAR/TBR Calculator
├── Judge Agent ────── Conflict Resolution
├── Causal Agent ──── Pattern Analysis
└── Chat Service ──── RAG System

🔍 Debugging

Cada serviço possui logs detalhados. Para debug:

# Ver logs de um serviço específico
tail -f logs/nutrition_service.log

# Testar serviço isoladamente
python -c "from services.nutrition_service import NutritionService; svc = NutritionService(); print(svc.validate_plan(test_plan))"

📝 Notas Técnicas

  • Todos os serviços seguem o padrão de arquitetura em microserviços
  • Comunicação via FastAPI com validação Pydantic
  • Cache Redis para performance (opcional)
  • Rate limiting integrado para chamadas LLM