WikidAI - PoC Implementation

Sistema multi-agente educational che dimostra l’orchestrazione trasparente di AI con Gemini 2.5 Pro.

📋 Caratteristiche PoC Implementate

✅ US-PoC-001: Setup Docker

• Dockerfile multi-stage per il backend
• Container frontend basato su Nginx
• Redis per caching futuro
• Hot-reload abilitato per lo sviluppo

✅ US-PoC-002: Integrazione Gemini

• Gemini 2.5 Pro con modalità Thinking
• Function calling per l’orchestrazione degli agenti
• Gestione della cronologia delle conversazioni

✅ US-PoC-003: Agente Wikidata

• Generazione SPARQL da linguaggio naturale
• Validazione della sintassi con sparqljs
• Sanificazione di sicurezza (query read-only)
• “SPARQL Gauntlet” implementato

✅ US-PoC-004: Agente Wikipedia

• Recupero riassunti dall’API di Wikipedia
• Gestione errori per articoli mancanti
• Output formattato

✅ US-PoC-005: Workflow Multi-Turn

• Conservazione della cronologia delle conversazioni
• Chiamate sequenziali agli agenti
• Gestione della “Thought signature”

✅ US-PoC-006: UI Educativa

• Dashboard a 3 pannelli (Input, Reasoning, Output)
• Visualizzazione in tempo reale del ragionamento dell’AI
• Tracciamento delle chiamate agli agenti
• Visualizzazione metriche (latenza, agenti utilizzati)

📝 Query di Esempio

È possibile provare queste query nella dashboard:

1. Query Semplice Wikipedia:
   • “Chi era Albert Einstein?”
   • Atteso: Riassunto da Wikipedia
2. Query Complessa SPARQL:
   • “Chi è il sindaco di Roma?”
   • Atteso: Generazione ed esecuzione di SPARQL su Wikidata
3. Query Multi-Turn:
   • “Parlami di Einstein e della sua città natale”
   • Atteso: Chiamate multiple ad agenti (Wikipedia → Wikipedia)

🏗️ Architettura

WikidAI adotta una architettura multilivello containerizzata in Docker che mostra in modo trasparente come gli agenti AI cooperano per rispondere a query complesse.

🔍 Panoramica dei Componenti

• Frontend (Vanilla JS + Nginx): fornisce un’interfaccia didattica e visualizza in tempo reale il ragionamento dell’AI.
• Backend (Node.js + Express): gestisce la logica applicativa e coordina l’orchestrazione.
• Gemini Orchestrator: seleziona e coordina dinamicamente gli agenti in base alla query.
• Agenti Specializzati:
  • WikidataAgent: genera e valida query SPARQL.
  • WikipediaAgent: recupera riassunti multilingue.
  • NominatimAgent: fornisce geocodifica da OpenStreetMap.
  • OpenMeteoAgent: integra dati meteo in tempo reale.
• Redis Cache: prevista per caching, rate limiting e metriche.

⚙️ Pipeline di Orchestrazione

1. Input utente → Gemini analizza intento e seleziona agente appropriato.
2. Esecuzione agente → raccolta dati esterni.
3. Aggregazione risultati → reasoning finale.
4. Output trasparente → dashboard utente.

💡 Decisioni di Design

• Vanilla JS per trasparenza e semplicità didattica.
• Gemini 2.5 Pro per reasoning esplicito e function calling nativo.
• Docker-first per isolamento e riproducibilità.

🔗 Estensioni Future

• Integrazione BullMQ per rate limiting.
• Nuovi agenti (DuckDuckGo, DBpedia, Europeana).
• Dashboard metrica avanzata con performance e logica SPARQL visuale.