Gustavo Karsten
🚀

DockPlus Atendimento — Plataforma Multi-Agente para Customer Success

Plataforma de atendimento ao cliente automatizado com IA multi-agente (LangGraph) operando em três canais simultâneos: WhatsApp (via Evolution GO), Telegram e Email (IMAP/SMTP). O orquestrador classifica intenção + sentimento e roteia para um dos cinco agentes especializados (Geral com RAG, Agendamento via Composio, Email Handler, Follow-up de leads frios e Handoff humano com contexto), todos com estado persistido em PostgreSQL via langgraph-checkpoint-postgres. Inclui painel web em Next.js para gestão de knowledge base, persona, personas e testes, e observabilidade ponta a ponta com Langfuse (self-hosted opcional). Capacidade validada: ~100 atendimentos/dia em ambiente de demonstração para clientes.

Core Project

## 🔧 Tech Stack

Python 3.12FastAPIUvicornLangGraph 0.2+LangChainlangchain-openaiOpenAI GPT-4.1/GPT-5.xPostgreSQLpgvectorlanggraph-checkpoint-postgresRedisComposio (Maton API Gateway)ElevenLabspython-telegram-botaiosmtplibaioimaplibAPSchedulerLangfuseNext.jsTypeScriptTailwind CSSEvolution GODockerdocker-compose

## 📈 Workflow

api

Inbound (WhatsApp / Telegram / Email)

Recebe mensagens dos três canais; Evolution GO normaliza payloads PascalCase do WhatsApp, audio base64/mediaUrl, IMAP poll para email, long-polling para Telegram

ai

Classificador de Intenção + Sentimento

LLM classifica intenção (general_qa, scheduling, handoff, feedback) e sentimento antes de rotear

ai

Agente LangGraph (StateGraph)

StateGraph multi-agente com estado persistido no Postgres; cada agente (Geral/Agendamento/Email/Follow-up/Handoff) é um nó com trace_wrap() que emite SSE + Langfuse

database

RAG (pgvector)

Retrieval sobre knowledge base do cliente; embeddings OpenAI + índice HNSW para baixa latência

automation

Tools (Composio + Handoff)

Tool `calendar.create_event` via Composio (Google Calendar); nó de handoff humano empacota contexto completo e pausa o agente

ai

Geração de Resposta (streaming)

LLM gera resposta final; cliente recebe via SSE pelo canal de origem (texto, audio ElevenLabs ou email SMTP)

monitoring

Langfuse (traces, custo, latência)

100% das chamadas LLM e tool calls são rastreadas; self-host opcional via docker-compose.langfuse.yml

## ✨ Features

  • Orquestrador LangGraph multi-agente com 5 nós especializados (Geral, Agendamento, Email, Follow-up, Handoff) roteados por intenção + sentimento
  • Estado persistido via langgraph-checkpoint-postgres — retoma conversas longas sem perder contexto
  • RAG sobre knowledge base do cliente com pgvector + índice HNSW
  • Três canais simultâneos: WhatsApp (Evolution GO), Telegram (python-telegram-bot), Email (IMAP/SMTP)
  • Voz bidirecional: Whisper (transcrição) + ElevenLabs (TTS) no WhatsApp/Telegram
  • Tool de agendamento Google Calendar via Composio (Maton API Gateway)
  • Handoff humano com contexto completo (não perde histórico da conversa)
  • APScheduler para follow-up de leads >3 meses sem interação, lembretes pendentes, weekly report
  • Painel web Next.js para gestão de knowledge base, personas e teste de fluxos
  • Langfuse self-hosted opcional com traces, custo por token, latência e qualidade
  • Guardrails documentados em `anti-prompt-injection.md` (sanitização de input + bloqueio de leak de API keys)
  • Capacidade validada: ~100 atendimentos/dia em ambiente de demonstração para clientes

## 🎯 Results

  • Plataforma multi-canal completa com 5 agentes especializados operando em paralelo
  • RAG com pgvector + HNSW indexando knowledge base do cliente para respostas contextualizadas
  • Estado de conversação persistido no Postgres — sobrevive a restart sem perder contexto
  • 100% das chamadas LLM e tool calls rastreadas no Langfuse (custo, latência, qualidade)
  • Handoff humano com contexto preservado — evita que o cliente repita informações
  • Guardrails anti prompt-injection documentados e aplicados em todos os webhooks

## 🧩 Use Case

Empresas de serviços (clínicas, imobiliárias, escritórios, SaaS) que recebem alto volume de contatos repetitivos via WhatsApp, Telegram e email. O sistema absorve qualificação, dúvidas sobre o produto/serviço, agendamentos e follow-up de leads frios, liberando o time humano para casos de alta complexidade. Demonstra arquitetura stateful de agente, RAG em produção, multi-canal real e observabilidade de LLM ponta a ponta.

## 🔗 Related Projects