Agente Autônomo de IA para Infraestrutura, Segurança e DevOps
Plataforma · Whitepaper · Arquitetura · Roadmap · Casos de Uso
A debuga.ai é uma plataforma de IA operacional projetada para equipes de infraestrutura, segurança e DevOps. Diferente de assistentes genéricos, o agente executa diagnósticos reais, analisa topologias, gera documentação técnica e automatiza tarefas operacionais — tudo através de uma interface conversacional com streaming em tempo real.
A plataforma é oferecida como white label, permitindo que MSPs, provedores de internet, consultorias de TI e equipes internas operem com marca própria, infraestrutura dedicada e controle total sobre dados e custos.
graph LR
A[Operador] -->|Consulta| B[Agente debuga.ai]
B -->|Classifica Intenção| C{Router de Inferência}
C -->|Diagnóstico| D[Ferramentas Técnicas]
C -->|Análise| E[LLM Especializado]
C -->|Geração Visual| F[Pipeline de Imagem]
D --> G[Resultado Estruturado]
E --> G
F --> G
G -->|Streaming SSE| A
| Perfil | Caso de Uso |
|---|---|
| MSPs e provedores de serviços gerenciados | Suporte técnico assistido por IA com marca própria |
| Provedores de internet (ISPs) | Diagnóstico de rede, automação de NOC |
| Equipes de segurança (SOC/NOC) | Análise de vulnerabilidades, hardening, auditoria |
| DevOps e SRE | Automação de infraestrutura, troubleshooting |
| Consultorias de TI | Ferramenta interna de produtividade técnica |
| Telecomunicações | Configuração de equipamentos, análise de topologia |
| Setor público e cartórios | Suporte técnico especializado com dados isolados |
 Chat com IA Especializada Interface conversacional com streaming, entrada multimodal (texto, voz, arquivos) e histórico persistente. |
 White Label Plataforma totalmente white label com personalização de identidade visual, branding da IA, domínio, suporte, LGPD e CSS customizado. |
 Painel Administrativo Dashboard com KPIs em tempo real: usuários, conversas, mensagens e chamadas LLM. |
 Multi-Provider LLM 5 providers configuráveis (OpenAI, Anthropic, Gemini, Ollama, OpenRouter) com fallback automático. |
 Fontes Técnicas Upload e processamento automático de logs (Apache, Linux, Syslog) com extração de metadados. |
 Observabilidade IA Rastreamento completo de cada chamada: provider, modelo, tokens, latência e custo. |
A debuga.ai não depende de um único modelo. O sistema utiliza roteamento inteligente que seleciona automaticamente o melhor modelo para cada tipo de tarefa, combinando inferência local (GPU) com providers cloud de alta qualidade.
flowchart TB
subgraph Input["Entrada do Usuário"]
MSG[Mensagem + Contexto + Anexos]
end
subgraph Classifier["Classificador de Intenção"]
IC[Intent Classifier<br/>Heurístico + Patterns]
IC -->|chat| CHAT[Conversação]
IC -->|code| CODE[Geração de Código]
IC -->|image_gen| IMGGEN[Geração de Imagem]
IC -->|image_edit| IMGEDIT[Edição de Imagem]
IC -->|diagram| DIAG[Diagrama Técnico]
IC -->|voice| VOICE[Transcrição de Áudio]
IC -->|analysis| ANALYSIS[Análise de Documento]
end
subgraph Router["Router Multi-Model"]
direction TB
R[Decisão de Roteamento]
R -->|Complexidade Alta| PREMIUM["Premium<br/>GPT-4o · Claude 3.5 Sonnet"]
R -->|Uso Geral| BALANCED["Balanced<br/>Gemini 2.5 Flash · Qwen 72B"]
R -->|Custo Zero| LOCAL["Local GPU<br/>Ollama · vLLM"]
R -->|Imagem| VISION["Vision Pipeline<br/>GPT-Image-1"]
end
MSG --> IC
CHAT --> R
CODE --> R
ANALYSIS --> R
O sistema seleciona automaticamente o modelo ideal para cada tipo de tarefa, otimizando entre qualidade, latência e custo:
| Tipo de Tarefa | Modelo Primário | Fallback | Latência |
|---|---|---|---|
| Conversação técnica | Qwen 2.5 72B | GPT-4o | < 2s |
| Geração de código | Qwen 2.5 Coder | Claude 3.5 Sonnet | < 3s |
| Raciocínio complexo | GPT-4o | Claude 3.5 Sonnet | < 5s |
| Análise de imagem | GPT-4o Vision | Gemini 2.5 Flash | < 4s |
| Geração de imagem | GPT-Image-1 | DALL-E 3 | 5–15s |
| Edição de imagem | GPT-Image-1 | — | 8–20s |
| Transcrição de áudio | Whisper Large V3 | — | < 10s |
| Diagramas Mermaid | Qwen 72B | GPT-4o | < 3s |
flowchart LR
subgraph Critérios["Critérios de Decisão"]
A[Disponibilidade GPU]
B[Complexidade da Query]
C[Tipo de Conteúdo]
D[Custo Acumulado]
E[Latência Alvo]
end
subgraph Decisão["Engine de Roteamento"]
F{Score Ponderado}
end
subgraph Resultado["Saída"]
G[Provider + Model ID]
H[Parâmetros Otimizados]
I[Fallback Configurado]
end
A --> F
B --> F
C --> F
D --> F
E --> F
F --> G
F --> H
F --> I
| Cenário | Comportamento |
|---|---|
| GPU disponível e saudável | Inferência local (latência baixa, custo zero) |
| GPU em cold start | Aguarda warmup ou aciona fallback |
| GPU indisponível | Fallback automático para provider cloud |
| Sem GPU instalada | Apenas providers cloud |
O sistema implementa Retrieval-Augmented Generation para injetar conhecimento operacional específico do cliente nas respostas do agente. Runbooks, procedimentos, documentação interna e decisões anteriores são indexados e recuperados automaticamente quando relevantes para a consulta.
flowchart TB
subgraph Ingestão["Ingestão de Conhecimento"]
DOC[Documentos Técnicos] --> PROC[Processamento + Categorização]
RUN[Runbooks Operacionais] --> PROC
HIST[Histórico de Decisões] --> PROC
PROC --> IDX[Indexação<br/>Tags · Keywords · Categorias]
IDX --> KB[(Knowledge Base)]
end
subgraph Retrieval["Recuperação em Tempo Real"]
Q[Query do Usuário] --> SEARCH[Busca Multi-Critério]
KB --> SEARCH
SEARCH --> RANK[Ranking por Relevância<br/>exact · tag · keyword · category]
RANK --> TOP[Top-K Documentos<br/>max 2000 tokens]
end
subgraph Augmentation["Augmentação do Contexto"]
TOP --> INJECT[Injeção no System Prompt]
INJECT --> LLM[LLM com Contexto Enriquecido]
LLM --> RESP[Resposta Fundamentada<br/>+ Fonte Citada]
end
| Funcionalidade | Descrição |
|---|---|
| Indexação por tags e keywords | Categorização automática de documentos operacionais |
| Busca por relevância ponderada | Score combinado (exact: 1.0, tag: 0.8, keyword: 0.5, category: 0.3) |
| Limite de tokens configurável | Controle preciso do contexto injetado |
| Observabilidade | Log de quais documentos foram utilizados em cada resposta |
| CRUD administrativo | Interface completa para gestão da base de conhecimento |
| Aprendizado contínuo | Sugestões automáticas de novos itens baseadas em interações |
| Instruções dinâmicas | Regras de comportamento configuráveis pelo operador |
O agente possui acesso a ferramentas especializadas que executam ações reais — não apenas sugestões textuais.
graph TB
subgraph Diagnóstico["🔍 Diagnóstico de Rede"]
DNS[DNS Lookup<br/>A, AAAA, MX, NS, TXT]
SSL[Verificação SSL<br/>Validade, Chain, Cipher]
HTTP[HTTP Check<br/>Status, Headers, Timing]
WHOIS[WHOIS Query<br/>Registrar, Expiry, NS]
PORT[Port Scan<br/>TCP, Serviços, Banner]
end
subgraph Análise["📊 Análise e Geração"]
WEB[Web Fetch + Parse]
IMG[Análise de Imagem<br/>Screenshots, Topologias]
DOC[Análise de Documento<br/>12+ formatos]
MERMAID[Diagramas Mermaid<br/>Renderização Inline]
IMGGEN2[Geração de Imagem<br/>GPT-Image-1]
VOICE2[Transcrição de Áudio<br/>Whisper V3]
end
subgraph Automação["⚡ Automação"]
SCRIPT[Geração de Scripts<br/>Bash, Python, PowerShell]
REPORT[Relatórios Estruturados<br/>PDF, Markdown]
ALERT[Notificações<br/>Proativas]
end
sequenceDiagram
participant U as Usuário
participant IC as Intent Classifier
participant P as Pipeline de Imagem
participant M as GPT-Image-1
participant S as Storage (S3)
U->>IC: "Edite essa logo, mude a cor para azul"
IC->>IC: Classifica como image_editing
IC->>P: Rota para pipeline de imagem
P->>M: Prompt + Imagem Original
M-->>P: Imagem Editada (base64)
P->>S: Upload para storage persistente
S-->>P: URL pública
P-->>U: Imagem renderizada no chat
A plataforma foi projetada para personalização completa e implantação em infraestrutura própria do cliente.
| Aspecto | Personalização |
|---|---|
| Marca | Nome, logo, cores, domínio próprio |
| Infraestrutura | VM dedicada, on-premise ou cloud privada |
| Dados | Isolamento total por instância |
| Planos e Billing | Stripe integrado, preços configuráveis |
| Knowledge Base | Runbooks e documentação própria do operador |
| Modelos | Escolha de providers e prioridades de roteamento |
flowchart LR
subgraph Perímetro["Perímetro"]
CF[Cloudflare WAF]
TLS[TLS 1.3 + HSTS]
RL[Rate Limiting]
end
subgraph Aplicação["Aplicação"]
AUTH[JWT httpOnly<br/>sameSite:lax]
CAPTCHA[Turnstile CAPTCHA]
CSP[Content Security Policy]
end
subgraph Dados["Dados"]
AUDIT[Auditoria Imutável]
COST[Controle de Custos]
ZDR[Zero Data Retention<br/>em Providers Cloud]
end
CF --> AUTH
TLS --> AUTH
RL --> AUTH
AUTH --> AUDIT
CAPTCHA --> AUDIT
CSP --> AUDIT
AUDIT --> COST
AUDIT --> ZDR
| Camada | Implementação |
|---|---|
| Transporte | TLS 1.3, HSTS preload, CSP restritiva |
| Proteção | Cloudflare WAF, Turnstile CAPTCHA, rate limiting por endpoint |
| Autenticação | JWT httpOnly, sameSite:lax, OAuth 2.0 |
| Auditoria | Log imutável de todas as interações com metadados |
| Controle de custos | Limites configuráveis por usuário e plano |
| Dados | Sem retenção em providers cloud (zero-data-retention) |
| Camada | Tecnologia |
|---|---|
| Frontend | React 19 + Tailwind CSS 4 + shadcn/ui |
| Backend | Express 4 + tRPC 11 + TypeScript |
| ORM | Drizzle ORM |
| Banco de dados | TiDB (MySQL-compatible, distributed) |
| Inferência local | Ollama / vLLM (NVIDIA GPU) |
| Storage | S3-compatible (MinIO / AWS) |
| Containerização | Docker + Docker Compose |
| CDN/WAF | Cloudflare |
| Billing | Stripe |
| CAPTCHA | Cloudflare Turnstile |
| Item | Status |
|---|---|
| Agente conversacional com contexto técnico | Produção |
| Roteamento multi-model inteligente | Produção |
| RAG com Knowledge Base operacional | Produção |
| Geração e edição de imagens (GPT-Image-1) | Produção |
| Diagramas Mermaid com renderização inline | Produção |
| Document Studio (análise de 12+ formatos) | Produção |
| Transcrição de áudio (Whisper) | Produção |
| Billing com Stripe | Produção |
| White label com marca própria | Produção |
| Auditoria e logs estruturados | Produção |
| Integrações (Zabbix, Wazuh, Graylog, NetBox, Grafana, Ansible) | Planejado |
| Embeddings vetoriais para RAG semântico | Em desenvolvimento |
| WhatsApp Business | Planejado |
| SSO/SAML | Planejado |
| Multi-tenant enterprise | Planejado |
| Repositório | Descrição |
|---|---|
| debuga-ai | Documentação pública e visão geral |
| debuga-llm-stack | Estratégia LLM híbrida (GPU + cloud) |
| debuga-qwen-coder-lab | Avaliação de modelos para code generation |
| debuga-vllm-engine | Serving local com vLLM |
| debuga-llm-gateway | Gateway OpenAI-compatible |
| Documento | Descrição |
|---|---|
| Whitepaper PT-BR | Visão estratégica e proposta de valor |
| Whitepaper EN | English version |
| Arquitetura PT-BR | Arquitetura de referência |
| Architecture EN | English version |
| Estratégia LLM | Pesquisa e decisões sobre inferência |
| Roadmap | Roadmap público detalhado |
| Providers | Providers de IA suportados |
| White Label | Modelo de implantação |
| Segurança | Políticas de segurança |
| Casos de Uso | Cenários de aplicação |
A debuga.ai apresenta uma interface conversacional especializada com tema escuro e acentos em verde. O chat principal oferece histórico persistente, busca, entrada por voz, drag-and-drop de arquivos e atalhos rápidos para diagramas e segurança. O status de conexão e versão são exibidos em tempo real.
| Tela | Funcionalidade Principal |
|---|---|
| Chat principal | Conversa com diagnóstico técnico, streaming SSE, entrada multimodal |
| Histórico | Sidebar com busca, títulos automáticos, conversas arquivadas |
| Atalhos | Ctrl+V/Drag para logs, botão de voz, diagramas, segurança |
O painel admin oferece 14 seções de gestão com métricas em tempo real, controle de providers, observabilidade completa e governança centralizada.
| Seção | Funcionalidade |
|---|---|
| Visão Geral | KPIs consolidados (usuários, conversas, mensagens, chamadas LLM) + status do sistema |
| White Label | Identidade da IA, visual, dados legais, suporte, CSS customizado |
| Instruções IA | Regras de comportamento e personalidade configuráveis |
| Base de Conhecimento | RAG ativo — itens indexados com tags, busca e CRUD completo |
| Modelos / Providers | GPU local (Ollama) + 5 providers cloud com teste integrado |
| Logs IA | 239+ registros com provider, modelo, tipo, tokens, tempo e routing |
| Conversas | Supervisão de todas as conversas com busca e métricas |
| Usuários | Gestão de contas e controle de acesso |
| Aprendizado | Ciclo human-in-the-loop para melhoria contínua do RAG |
| Capacidades | Orquestrador multimodal com 13 tipos de tarefa e feature flags |
| Assets Gerados | Central de mídia com galeria, custos e rastreabilidade |
| Fontes Técnicas | Upload e processamento de logs para alimentação do RAG |
| Config. Agente | Governança de runtime, métricas de uso real dos providers |
| Auditoria | 84+ eventos com rastreabilidade completa (ação, entidade, admin, IP) |
O sistema permite upload de logs e documentação técnica (auth.log, apache-error.log, configurações) que são processados automaticamente, categorizados por tags e disponibilizados para o RAG. A Base de Conhecimento exibe resumos estruturados com tags semânticas (linux, sshd, httpd, apache, mysql) e indicador de status do RAG.
A plataforma oferece observabilidade completa sobre o uso de IA:
| Métrica | Visibilidade |
|---|---|
| Chamadas LLM | Provider, modelo, tipo, tokens, tempo, status, routing |
| Custos | Por geração ($0.04/imagem), acumulado por página |
| Erros | Último erro com detalhes (ex: 429 quota exceeded) |
| Fallbacks | Contagem e detecção automática |
| Auditoria | Ações administrativas com timestamp, entidade e IP |
O debuga.ai substitui a equipe de TI?
Não. O agente é uma ferramenta de produtividade que auxilia profissionais técnicos, acelerando diagnósticos e automatizando tarefas repetitivas. A decisão final permanece com o operador humano.
Meus dados ficam seguros?
Sim. Cada instância opera com dados isolados. O sistema suporta zero-data-retention em providers cloud, inferência local via GPU própria, e criptografia em trânsito e repouso.
Posso usar com minha própria marca?
Sim. O modelo white label permite personalização completa: marca, domínio, cores, planos e comportamento do agente.
Quais modelos de IA são suportados?
O sistema é agnóstico de provider. Suporta OpenAI (GPT-4o), Anthropic (Claude), Google (Gemini), OpenRouter, e modelos locais via Ollama/vLLM.
Preciso de GPU?
Não. A GPU é opcional para inferência local (custo zero por token). O sistema funciona perfeitamente apenas com providers cloud.
Documentação pública sob licença MIT. O código de produção da plataforma é privado e comercial.
Para demonstrações ou implantação, visite debuga.ai.
Desenvolvido por Sperry Tecnologia