adiuvAI/workspace
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

Update app name

Browse Source
This commit is contained in:
Roberto Musso
2026-04-08 23:27:57 +02:00
parent e04b87f423
commit e08fa429d1
4 changed files with 12 additions and 12 deletions
Download Patch File Download Diff File Expand all files Collapse all files

2
adiuvAI

Submodule adiuvAI updated: 109551f713...02a0f3635b

2
api

Submodule api updated: 96c91e386d...cc94194fd1

16
docs/enanch_memorie_v2_mem.md
View File

@@ -17,7 +17,7 @@
---
## 2. IMPLEMENTAZIONE ATTUALE (Adiuva)
## 2. IMPLEMENTAZIONE ATTUALE (AdiuvAI)
### Architettura Memoria (MemGPT-style, 4 livelli)
@@ -88,7 +88,7 @@ MemoryEntries table (fatti estratti)
└── updatedAt
```
### Come Adiuva salva i dati (confronto)
### Come AdiuvAI salva i dati (confronto)
```
memory_core (PostgreSQL)
├── key, value_encrypted ← Fernet AES-128
@@ -111,7 +111,7 @@ memory_proactive (PostgreSQL)
```
### Differenza chiave nel salvataggio
| | Supermemory | Adiuva |
| | Supermemory | AdiuvAI |
|---|-----------|--------|
| **Cosa salva** | Fatti strutturati estratti da LLM | Testo grezzo cifrato |
| **Relazioni** | Graph con UPDATE/EXTEND/DERIVE + versioning | Nessuna relazione |
@@ -133,7 +133,7 @@ memory_proactive (PostgreSQL)
5. **Fact extraction post-conversazione**: LLM estrae fatti strutturati dopo ogni chat
### Concetti da NON adottare (non rilevanti)
- Connectors (Google Drive, Gmail, etc.) — Adiuva è un'app desktop, non un aggregatore
- Connectors (Google Drive, Gmail, etc.) — AdiuvAI è un'app desktop, non un aggregatore
- Multi-modal extraction (PDF, video) — fuori scope
- Hybrid RAG+Memory search — non richiesto ora
@@ -298,7 +298,7 @@ client = Supermemory() # richiede SUPERMEMORY_API_KEY
# ── PRE-LLM: recupera profilo + memorie rilevanti ──
profile = client.profile(
container_tag="user_123", # = user_id di Adiuva
container_tag="user_123", # = user_id di AdiuvAI
q="What sneakers should I buy?" # = il messaggio dell'utente
)
@@ -336,7 +336,7 @@ client.add(
### Come si confronta con il tuo `enrich_context()`:
| Aspetto | Adiuva (attuale) | Supermemory |
| Aspetto | AdiuvAI (attuale) | Supermemory |
|---------|-----------------|-------------|
| **Dove vive la logica** | `memory_middleware.py` nel tuo backend | Cloud di terzi |
| **Come recupera contesto** | 4 query SQL → decrypt in-memory | 1 HTTPS call `client.profile()` |
@@ -362,7 +362,7 @@ client.add(
### PROBLEMI CRITICI dell'integrazione
1. **PRIVACY DISTRUTTA** — Il punto più grave. Tutto il modello E2E di Adiuva si basa su: "il backend non persiste mai plaintext". Supermemory riceve e **tiene** tutti i dati utente in chiaro. Per un'app che vende privacy, è un dealbreaker.
1. **PRIVACY DISTRUTTA** — Il punto più grave. Tutto il modello E2E di AdiuvAI si basa su: "il backend non persiste mai plaintext". Supermemory riceve e **tiene** tutti i dati utente in chiaro. Per un'app che vende privacy, è un dealbreaker.
2. **LATENZA AGGIUNTA** — Ogni conversazione aggiunge:
- +50-200ms PRE-LLM (profile fetch via HTTPS)
@@ -405,7 +405,7 @@ client.add(
| Single point of failure | ★★★ |
| **Totale Contro** | **19/25** |
> **Verdetto: l'integrazione Supermemory SaaS è netta-negativa per Adiuva.**
> **Verdetto: l'integrazione Supermemory SaaS è netta-negativa per AdiuvAI.**
> I benefici (extraction, graph, profiles) sono replicabili in-house a costo inferiore,
> senza sacrificare privacy, ownership e resilienza.

4
docs/local_agent_v2_mem.md
View File

@@ -96,7 +96,7 @@ Una sola call LLM con tool calling che fa tutto:
## Modifiche al codice necessarie
### Backend (adiuva-api)
### Backend (adiuvai-api)
1. **Nuovo modulo**: `app/core/preprocessors/` con handler per tipo
- `__init__.py` — registry + detect + dispatch
@@ -115,7 +115,7 @@ Una sola call LLM con tool calling che fa tutto:
4. **`models.py`**: `prompt_template: Text` → `agent_config: JSON`
### Frontend (adiuva)
### Frontend (adiuvai)
5. **`store.ts`**: Campo `promptTemplate` → `agentConfig`
6. **`JourneyDialog.tsx`**: Parsing JSON da journey reply