Debrief

Incident Response Multi-Agent Platform

Come funziona

Debrief sposta il valore cognitivo del triage dall'essere umano agli agenti: classificazione in linguaggio naturale, recall semantico degli incidenti passati via RAG, e post-mortem generato automaticamente alla chiusura.

Agenti

Agente	Ruolo
Triage	Classifica severity, priorità e team coinvolti dal testo libero
Investigator	Cerca incidenti simili via RAG (embedding semantico)
Resolver	Propone remediation, traccia la chiusura e genera il post-mortem

Stack

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

Quick start

1. Clona e configura

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

2. Installa le dipendenze Python

uv sync

3. Popola il database con dati di seed

uv run seed

4. Avvia backend e frontend

Terminale 1 — Backend su http://localhost:8000:

uv run dev

Terminale 2 — Frontend su http://localhost:5173:

cd frontend
npm install # solo la prima volta
npm run dev

Apri http://localhost:5173, registra un utente, dichiara un incidente e chatta con gli agenti.

Tip

Per puntare a un backend diverso, modifica API_URL in frontend/src/lib/api.ts.

5. (Opzionale) Esegui la valutazione

uv run eval

Documentazione

La documentazione tecnica completa — motivazioni architetturali, scelte di design e valutazione — è in docs/Debrief_Documentazione_Tecnica.md.

Autore

Davide La Marca (20054157) — Programmazione di Applicazioni Intelligenti MF0781