# Jarvis-Cognitive

Un assistente AI in stile “Marco Aurelio” con backend FastAPI, UI Streamlit e memoria RAG. Questa directory contiene tutto il necessario per farlo girare su Linux.

## Prerequisiti
- Python 3.12 (consigliato)
- API key per Google Generative AI (`GOOGLE_API_KEY`) e Tavily (`TAVILY_API_KEY`)

## Setup rapido
```bash
cd /mnt/ssd/data/python-lab/Jarvis-Cognitive
python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
# opzionale, embedding locale
pip install sentence-transformers
```
Compila `data/.env` con le chiavi necessarie (vedi `README_[ai].md`).

## Avvio consigliato
```bash
./run.sh <IP_locale> <porta_ui> [porta_api]
# es.: ./run.sh 192.168.1.51 18601 18000
```
`run.sh` attiva il venv, avvia il backend (`api/api_server.py`) sulla porta indicata (default 18000) e Streamlit in modalità headless sulla porta UI. `Ctrl+C` chiude entrambi.

Manuale:
- Backend: `HOST=0.0.0.0 PORT=18000 python api/api_server.py`
- UI: `JARVIS_API_BASE_URL=http://<IP>:18000 STREAMLIT_SERVER_PORT=18601 streamlit run ui/dashboard.py --server.address 0.0.0.0 --server.headless true --browser.gatherUsageStats false`

## Indicizzazione documenti RAG
```bash
source .venv/bin/activate
python scripts/indicizza_documenti.py <file.pdf> --profile aurelio
```
Le embedding sono configurate in `config/config.yaml` (attualmente `hf` con `sentence-transformers/all-MiniLM-L6-v2`). I documenti indicizzati e la memoria chat risiedono in `data/agents/<profilo>/`.

## PROFILI supportati
- `aurelio` (default)
- `seneca`

Scegli il profilo impostando `AGENT_PROFILE` prima di avviare backend e UI; le memorie restano separate.

## Documentazione aggiuntiva
- `README_[ai].md`: diario tecnico completo (architettura, roadmap, istruzioni dettagliate)
- `docs/`: approfondimenti sui profili e prompt

Buon lavoro con la Flotta Autonoma!