Debrief

Incident Response Multi-Agent Platform

Tre agenti orchestrati da un router LLM gestiscono il ciclo di vita di un incidente:

1. Triage: classificazione e prioritizzazione;
2. Investigator: ricerca di incidenti simili via RAG;
3. Resolver: remediation e post-mortem automatico.

Il sistema impara da ogni incidente risolto e dalle soluzioni fornite dagli umani.

Quick start

1. Clona e installa

git clone https://github.com/lama-development/debrief && cd debrief
cp .env.example .env
# Inserisci la tua GROQ_API_KEY in .env

2. Installa dipendenze

uv sync

3. Popola il database con i dati di seed

uv run python seed/run_seed.py

4. Avvia il backend

uv run uvicorn src.debrief.api.app:app --reload

5. (opzionale) Esegui la valutazione

uv run eval

Stack

Livello	Scelta
Orchestrazione agenti	Agno
Vector DB	LanceDB
Embedding	sentence-transformers (locale)
LLM	Groq (modelli open-source)
Backend	FastAPI + uv
Frontend	React + shadcn/ui
Database	SQLite

Documentazione

La documentazione tecnica completa con le motivazioni architetturali e la valutazione è in docs/Debrief_Documentazione_Tecnica.md.

Autore

Davide La Marca (20054157) - Programmazione di Applicazioni Intelligenti