# Plano de Implementação - Sistema RAG Espiritismo

## Fase 1: Setup Inicial e Componentes Base

### 1.1 Estrutura do Projeto
```
espiritismo-rag/
├── backend/
│   ├── app/
│   │   ├── main.py
│   │   ├── models/
│   │   ├── services/
│   │   ├── utils/
│   │   └── templates/
│   ├── Dockerfile
│   └── requirements.txt
├── frontend/
│   └── static/
├── docker-compose.yml
├── .env.example
└── README.md
```

### 1.2 Docker Compose
- Serviço `qdrant`: Qdrant em Docker
- Serviço `redis`: Redis em Docker
- Serviço `web`: FastAPI com frontend
- Serviço `celery`: Celery worker

### 1.3 Configuração do Qdrant
- Coleção: `espiritismo_books`
- Dimensão: 384 (sentence-transformers)
- Métrica: cosine similarity

## Fase 2: Indexação dos Livros

### 2.1 Setup do Pipeline RAG
- Instalação de GPT4All
- Configuração do LangChain
- Configuração do PDF Loader

### 2.2 Processamento dos 6 Livros
- Leitura de PDFs da pasta `PDF/`
- Divisão em chunks de 500 tokens
- Geração de embeddings
- Inserção no Qdrant

### 2.3 Script de Indexação
- Script Python: `backend/scripts/index_books.py`
- Opções: re-indexação incremental
- Validação: verificar chunks e embeddings

## Fase 3: API Web com Chat

### 3.1 FastAPI Endpoints
- `POST /api/chat`: Consulta ao sistema RAG
- `GET /api/books`: Lista de livros indexados
- `GET /api/chunks/{book_id}`: Ver chunks de um livro
- `POST /api/upload`: Upload de novo PDF
- `GET /api/schedules`: Listar agendamentos
- `POST /api/schedules`: Criar novo agendamento
- `DELETE /api/schedules/{id}`: Remover agendamento

### 3.2 Estrutura do Backend
```python
# backend/app/main.py
app = FastAPI()
app.include_router(router_chat)
app.include_router(router_books)
app.include_router(router_upload)
app.include_router(router_schedules)
```

### 3.3 Configuração do Model
- Usar Llama 3.2 3B quantized via GPT4All
- Prompt template específico para espiritismo
- System prompt com instruções

## Fase 4: Interface Web

### 4.1 Página Principal (index.html)
- Chat interface
- Seção de upload de PDFs
- Seção de configuração de horários
- Exibição de informações dos livros

### 4.2 Estilos (style.css)
- Design moderno e limpo
- Responsivo para mobile
- Tema claro/escuro
- Animações suaves

### 4.3 JavaScript (script.js)
- Comunicação com API
- Gestão de chat
- Upload de arquivos
- Manipulação de horários
- Feedback visual

## Fase 5: Integração com Telegram Bot

### 5.1 Setup do Bot
- Instalação de pyTelegramBotAPI
- Configuração do bot com token
- Configuração do chat ID

### 5.2 Comandos do Bot
- `/start`: Mensagem de boas-vindas
- `/help`: Informações sobre comandos
- `/list`: Listar livros disponíveis
- `/schedule`: Configurar horário para mensagem
- `/schedule list`: Listar agendamentos
- `/schedule remove <id>`: Remover agendamento
- `/content`: Enviar conteúdo atual (sem agendamento)

### 5.3 Task do Celery
- Task: `send_scheduled_message`
- Variável aleatória de livros
- Mensagem formataada
- Timestamp da mensagem

## Fase 6: Agendamento de Mensagens

### 6.1 Sistema de Agendamento
- Interface web para criar horários
- Campos: hora, livro (ou todos), tipo de conteúdo
- Persistence de agendamentos em arquivo JSON

### 6.2 Celery Beats
- Configuração do scheduler
- Execução diária das tarefas
- Log de execução

### 6.3 Comando do Bot
- `/schedule <horário> <livro?>`: Agendar mensagem
- Exemplo: `/schedule 08:00` ou `/schedule 08:00 Livro dos Espíritos`

## Fase 7: Testes e Otimização

### 7.1 Testes Unitários
- Testes do pipeline RAG
- Testes das APIs
- Testes do bot

### 7.2 Testes de Integração
- Testes de end-to-end
- Testes de indexação
- Testes de agendamento

### 7.3 Otimizações
- Cache de respostas
- Query optimization no Qdrant
- Pool de conexões Redis

## Fase 8: Deploy

### 8.1 Docker Build
- Dockerfile para backend
- Dockerfile para frontend
- Docker Compose para orquestração

### 8.2 Deploy em Servidor
- Build da imagem
- Execução do docker-compose
- Configuração do Nginx (opcional)
- Configuração de certificado SSL (opcional)

### 8.3 Monitoramento
- Logs do Celery
- Logs da aplicação
- Monitoramento do Qdrant

## Detalhes Técnicos

### Requisitos Python
```
fastapi==0.104.1
uvicorn==0.24.0
pydantic==2.5.0
gpt4all==2.2.7
langchain==0.1.0
langchain-community==0.0.10
langchain-experimental==0.0.52
sentence-transformers==2.2.2
pytelegrambotapi==4.15.1
celery==5.3.4
redis==5.0.1
python-multipart==0.0.6
python-dotenv==1.0.0
```

### Variáveis de Ambiente
```env
GPT4ALL_MODEL=llama-3.2-3b-instruct-q4_0.gguf
QDRANT_URL=http://qdrant:6333
QDRANT_API_KEY=
TELEGRAM_BOT_TOKEN=123456789:ABCdefGHIjklMNOpqrsTUVwxyz
TELEGRAM_CHAT_ID=123456789
CELERY_BROKER_URL=redis://redis:6379/0
CELERY_RESULT_BACKEND=redis://redis:6379/0
UPLOAD_DIR=/app/uploads
INDEX_DIR=/app/index
```

### Frontend Endpoints
- `POST /api/chat`: Enviar pergunta
- `POST /api/upload`: Upload PDF
- `GET /api/books`: Listar livros
- `GET /api/schedules`: Listar agendamentos
- `POST /api/schedules`: Criar agendamento

## Timeline Estimado
- Fase 1: 2-3 horas
- Fase 2: 3-4 horas
- Fase 3: 4-5 horas
- Fase 4: 3-4 horas
- Fase 5: 2-3 horas
- Fase 6: 2-3 horas
- Fase 7: 3-4 horas
- Fase 8: 2-3 horas

**Total estimado**: 21-29 horas de desenvolvimento