DEMO · dados 100% fictíciosevals reais

Assistente de clínica de estética, multi-tenant

Agente em código com tool use, RAG híbrido (pgvector + tsvector) com re-ranking, citação verificável da fonte e isolamento entre clínicas garantido no banco (Row Level Security). Os números abaixo saíram de um eval automatizado rodado de verdade sobre o dataset publicado.

Chat ao vivo
trocar de clínica abre uma sessão nova
Limites: 15 mensagens / 10 min por IP, teto diário de custo, 500 caracteres. Não digite dados pessoais reais (CPF/telefone/e-mail são mascarados antes do modelo).
Como funciona
  1. Tenant fixado pelo servidor: a clínica vem da sessão; as ferramentas não aceitam tenant_id como parâmetro.
  2. RLS no Postgres: a aplicação conecta com o papel clinica_app (sem superuser/BYPASSRLS) e cada transação faz set_config('app.tenant_id'). Sem tenant, 0 linhas.
  3. Ferramentas: buscar_base (com ids citáveis), consultar_preco (tabela SQL), agendar (exige confirmação explícita, checada em código, e fica pendente de aprovação humana), escalar_humano.
  4. RAG: baseline vetorial top-k × híbrida (RRF entre cosseno pgvector e ts_rank_cd) × híbrida + re-ranking LLM.
  5. Citação verificável: cada [id] da resposta é conferido contra os trechos realmente recuperados; passe o mouse para ver o trecho.
  6. Prompt versionado (system_v1.md) com canário e guarda de saída, testado contra injection.
  7. LGPD: minimização (só primeiro nome no agendamento), mascaramento de PII, conversa só em memória (30 min), logs de uso sem conteúdo.
Código: código-fonte (zip) · relatório (PDF) · MD · dataset · results.json · resultados por pergunta

Resultados do eval

carregando…
Rodrigo Castro Ribeiro · Lions Intelligence — demonstração técnica. Clínicas, profissionais, endereços e preços são fictícios.