Ginqel OffreProgetto personale
Strutturare l’elaborazione delle gare d’appalto
Un’architettura orientata ai servizi per raccogliere, strutturare e arricchire i dati delle gare d’appalto.
Progetto personale nato per sperimentare e sviluppare competenze.
Visita il sito — Ginqel Offre
L’esigenza di business
I dati delle gare d’appalto arrivano in formati eterogenei. Prima dell’elaborazione aziendale servono raccolta, normalizzazione ed estrazione delle informazioni.
Il mio ruolo
Progetto personale: architettura e sviluppo di servizi di acquisizione, elaborazione documentale ed esposizione dei dati aziendali.
Il funzionamento
Python e FastAPI gestiscono l’acquisizione. LangChain e Ollama supportano l’estrazione strutturata. Spring Boot e Spring Batch forniscono API ed elaborazione batch; PostgreSQL assicura la persistenza.
Una scelta architetturale
Separare elaborazione IA, batch e servizi aziendali isola le rispettive responsabilità e permette di contenerizzarli indipendentemente con Docker.
Presented features
Document ingestion · Structured extraction · Batch processing · Business API
Security & human validation
AI processing, batch jobs and business services have separate responsibilities. LLM extraction needs evaluation on representative documents before use.
Limiti e stato del progetto
L’estrazione LLM va verificata su documenti rappresentativi. Qualità delle fonti, formati ed errori di estrazione determinano l’affidabilità del risultato.
Ginqel Offre
Vuole parlare dell’architettura o del progetto?
Una domanda sulle scelte tecniche, l’architettura o l’avanzamento di questo progetto personale? Mi contatti.
Parliamo del progetto