1.0 KiB
AI-STATION: Specifica Tecnica Implementativa (Target Stack: Chainlit)
-
Obiettivo Sviluppare un'applicazione web Dockerizzata ("AI Station") che funga da hub multi-utente per l'IA. L'app deve presentarsi come una Chat Interface avanzata (stile ChatGPT) con capacità "Artifacts" (visualizzazione elementi a lato) e RAG.
-
Stack Tecnologico Frontend/UI: Chainlit (Python). Auth: oauth2-proxy in Docker che inietta header X-Email. Vector DB: Qdrant. Database: PostgreSQL. AI Engine: Connessione remota a Ollama (host: 192.168.1.243, port: 11434).
-
Architettura L'applicazione deve leggere l'header X-Email in entrata.Ruoli: business, engineering, architecture, admin.
-
UI Design Layout Chat principale a sinistra. Usare "Elements" di Chainlit per output complessi (grafici/tabelle).
-
Istruzioni Tecniche Creare docker-compose.yml per: chainlit-app, qdrant, postgres, oauth2-proxy. Implementare app.py (main Chainlit) che gestisce l'autenticazione via header. Configurare il client Ollama remoto. Implementare RAG usando LangChain integrato in Chainlit.