cxops-ai

CXOps AI est une plateforme d'expérience client agentique de niveau production qui combine des workflows IA autonomes, la génération augmentée par récupération (RAG), des approbations humaines dans la boucle, l'intégration Zendesk, l'exécution durable en arrière-plan et l'observabilité IA. Elle est conçue pour démontrer comment les agents IA peuvent fonctionner en toute sécurité dans un environnement réel de support client—pas seulement générer des réponses de chatbot. La plateforme peut ingérer des tickets de support client, analyser l'intention du client et le contexte opérationnel, récupérer des connaissances fiables via RAG, sélectionner une action de support appropriée, déterminer si cette action peut s'exécuter de manière autonome, exiger une approbation humaine pour les actions à plus haut risque, exécuter les actions approuvées contre Zendesk, enregistrer des pistes d'audit complètes, et surveiller la latence, le coût, la fiabilité et les résultats des workflows de l'IA. Le système sépare délibérément le raisonnement LLM de l'autorisation opérationnelle. Le modèle peut recommander une action, mais des politiques applicatives déterministes décident si cette action est autorisée à s'exécuter. Les capacités principales incluent : - Des workflows IA agentiques qui produisent des décisions structurées telles que répondre, router, escalader, note_interne, revue_humaine et aucune_action. - Une autorisation d'outils sensible au risque avec des politiques indépendantes du modèle de langage. Les opérations à faible risque s'exécutent automatiquement ; les actions à plus haut risque nécessitent une approbation humaine explicite. - Un pipeline RAG complet pour fonder les décisions de support sur des connaissances fiables, prenant en charge PDF, TXT, Markdown et documents créés manuellement. Inclut la recherche de similarité vectorielle, des seuils configurables, la sélection adaptative de sources, des citations, la protection contre les doublons de documents, la protection contre l'injection de prompts et un comportement de refus fondé. - Intégration Zendesk utilisant OAuth et des événements de tickets basés sur webhooks, incluant la récupération, la création, les mises à jour, les commentaires, la synchronisation, la recherche de clients, la vérification de signature de webhook, la gestion d'événements idempotente, l'exécution autonome de notes internes et les actions externes basées sur approbation. - File d'attente d'approbation humaine dans la boucle permettant aux opérateurs de revoir les décisions IA, le raisonnement, les preuves RAG, les réponses proposées, les outils planifiés et d'ajouter des notes de relecteur avant d'approuver ou de rejeter l'exécution. - Exécution autonome pour les actions à faible risque, validée de bout en bout contre l'intégration Zendesk de production. - Tâches durables en arrière-plan avec états en_attente/traitement/terminé/échoué, nouvelles tentatives, nombre maximal de tentatives configurable, backoff exponentiel, clés de déduplication et enregistrement d'erreurs. Les tâches échouées sont conservées pour l'auditabilité. - Limites de sécurité empêchant les tickets de démo locaux d'atteindre Zendesk sauf si toutes les conditions sont remplies. Les tentatives bloquées sont enregistrées comme événements d'audit. - Observabilité IA enregistrant la télémétrie des requêtes incluant la fonctionnalité, le modèle, la latence, les compteurs de jetons, le coût estimé, le succès/échec et les horodatages. - KPI des agents suivant le nombre total d'exécutions, le taux d'exécution autonome, les taux de succès, les taux d'approbation, la distribution des actions, la distribution des risques et l'état des workflows. - Mesure du ROI estimant les minutes économisées, la valeur du travail, le coût IA et la valeur nette, avec une évitement délibéré de rapporter un ROI formel jusqu'à ce qu'une taille d'échantillon minimale soit atteinte. - Workflows d'évaluation pour le comportement RAG et agent. Les suites actuelles rapportent 6/6 scénarios RAG réussis et 12/12 scénarios d'agent réussis, avec 60/60 exécutions répétées réussies. L'architecture de production utilise Vercel pour le frontend Next.js, Render pour le backend FastAPI et le worker en arrière-plan, Nhost pour PostgreSQL avec pgvector, OpenAI pour LLM et embeddings, et Zendesk pour l'intégration CX. Le frontend fournit des espaces de travail opérationnels pour Accueil, Tickets, Nouveau Ticket de Test, Agent IA, File d'Approbation, Connaissances/RAG, Exécutions/Piste d'Audit et Observabilité. La pile technologique inclut Python 3.11, FastAPI, Pydantic, SQLAlchemy, Alembic, asyncpg, métriques Prometheus, PostgreSQL, pgvector, Next.js, TypeScript, React, Tailwind CSS, GSAP, Lenis, Lucide React, Docker et GitHub Actions. Le projet inclut des instructions de configuration locale, des commandes de test et des détails de validation de production. C'est un projet de portfolio activement développé avec des améliorations prévues incluant la réactivité mobile, des ensembles de données d'évaluation plus larges, des intégrations CRM/ticketing supplémentaires, un traçage plus riche et des analyses étendues.