Accesso negato. Per usare il pannello Audit accedi con PIN:

  • Admin / Superadmin — Tuning completo (prompt, K, modelli)
  • Brand / Brand_Supplier — Vista portale (propri dati + supply chain)
  • EU / Institution — Vista portale in sola lettura

Torna a RAG1 per effettuare il login, poi apri Audit dall'header.

← Torna a Reeco

Dashboard Audit RAG1 / RAG2 / RAG3

System prompt, K retrieval, chunk, model, temperature. Una sola fonte modificabile (Superadmin/Admin). Salvataggio in —

Log voce (tutto)

RAG1 — System prompt per ruolo

RAG1 — K retrieval (per profilo)

RAG1 — Chunk indicizzazione

RAG1 — Runtime (modello, temperature, contesto)

RAG2 — System prompt per ruolo

RAG2 — WhatsApp (bot Meta → Reecopedia)

Istruzioni aggiuntive quando la query arriva con channel=whatsapp. Per gli utenti normali: whatsapp_instructions (brevi, no markdown). Per il numero admin (flag whatsapp_is_admin dal webhook): whatsapp_instructions_admin. Il limite token si applica solo agli utenti non admin. Dopo Salva: riavvia reecopedia-v4.

RAG2 — K retrieval (per profilo legenda)

Parametri tecnici (opzionali):

RAG2 — Chunk indicizzazione

RAG2 (flat):

Parent/Child (per RAG3 che usa il corpus RAG2):

RAG2 — Runtime

Modelli a tendina: niente typo. Se il tuo modello non c’è, scegli «Altro» e scrivi l’ID esatto.

RAG2: se il backend Reecopedia_V4 ha REECO_AUDIT_CONFIG_URL = URL di questo server (es. http://<host>:<port>/audit/api/config), il campo model (chat) viene letto da qui dopo Salva. Altrimenti usa solo .env.

RAG2 — Runtime avanzato (Reecopedia)

Chiavi lette da Reecopedia con REECO_AUDIT_CONFIG_URL (merge con env). Qui vedi e modifichi i valori salvati in audit_config.json → rag2.runtime.

HyDE (embedding query)

Parent expansion (Qdrant)

RAG3 — System prompt

Un solo prompt; la risposta è sempre nella lingua della domanda.

RAG3 — K retrieval (top_k)

RAG3 — Chunk indicizzazione

RAG3 — Runtime (modello, temperature, contesto)

Voce e volume TTS

Fine-tuning per tutti i RAG. Salvataggio in —. Non serve modificare .env (le chiavi API restano private). Utile per aumentare il volume su iPhone.

Gain Desktop: per PC (es. 2 evita distorsione). Gain Mobile: per iPhone/Android (es. 6). Il backend rileva il dispositivo dallo User-Agent e applica il gain corretto. Velocità 1 = normale. Valori unici per tutti i RAG.

Testo opzionale per il tono (es. "Speak in a warm, clear tone."). Lasciare vuoto per comportamento default.

Backend TTS usato per tutti e 3 i RAG. Default: edge-tts (Microsoft Edge, gratuito). Non inserire modelli OpenAI.

Imposta una voce per avere lo stesso tono su RAG1, RAG2 e RAG3. Se lasci "Nessuna", ogni RAG usa la voce della mappa in base alla lingua della richiesta.

Voce TTS per lingua (usata solo se sopra è "Nessuna"):

Modalità vocale avanzata

Velocità e tono usati quando la richiesta è in modalità vocale avanzata. Se non impostati, si usano gli stessi valori della voce standard sopra.

Quote voce per ruolo

Se la voce non risponde (es. sei loggato come Admin): qui il ruolo admin ha spesso 0 = voce disattivata. Lascia il campo vuoto (o cancella lo 0) = illimitato = la voce funziona.

Numero = secondi/giorno; vuoto = illimitato (il sistema capisce solo vuoto/null, non la parola «illimitato» nel campo); 0 = voce disattivata. File: —

Utenti (email, last seen, plan, secondi voce oggi)

Fondazione per survey follow-up e targeting. Ordine: ultimo accesso.

Email Plan Last seen Last RAG Voce oggi (s) Advanced oggi (s)

Retention

Elimina eventi utente più vecchi di N giorni (configurabile con REECO_RETENTION_DAYS). Non elimina utenti.

Ultime domande (RAG1 / RAG2 / RAG3)

Log domande utenti per tuning e verifica. Path: —


      

Statistiche traffico e sicurezza

Hits per RAG, IP, zona (Paese/Città). Aggiornato da report giornaliero o script che scrive config/monitor_snapshot.json.

Per report completo: eseguire reeco_rag_daily_report_20251205_v4.py (e opzionalmente salvare output in config/monitor_snapshot.json). Configurare cron per monitoraggio continuo. I RAG sono pubblici e soggetti a scan da bot; il monitoraggio consente di rilevare accessi anomali (es. IP/zona sospetti).

Streaming bottleneck control (RAG1 / RAG2 / RAG3)

Controlla latenza e stabilita del flusso realtime+fallback da Audit. Salvataggio su —.

Realtime Config

Model per Processo (editabili per tutti e 3 i RAG)

Dropdown popolati dalla API key attiva. Vuoto = usa default.

RAG Model Streaming Model Chat Model TTS Model Embedding
RAG1
RAG2
RAG3

Log runtime (ultima chiamata — editabile per RAG1/RAG2/RAG3)

Aggiornato dal backend; valori editabili e salvabili.

RAG Ultima chiamata Modello top_k context_max max_output retrieval_ms llm_ms

Backend realtime globale

Parametri realtime per RAG (separati)

Per ogni RAG: top_k realtime + timing STT/VAD.

RAG top_k_realtime silence timeout (ms) vad timeout (ms) speech timeout (ms) end of speech delay (ms)
RAG1
RAG2
RAG3

Backend chat_and_tts fallback

Frontend realtime

Fine tuning — RAG1 / RAG2 / RAG3

Chat, Streaming, TTS e Backend (Modelli, Runtime, Voice/VAD, Prompt, Timeout, TTS, Sicurezza). Salvataggio su —

Sola lettura (ultima chiamata)

retrieval_ms, llm_ms, ultima_chiamata, modello_usato, tokens_input, tokens_output, cost_estimate

RAG ultima_chiamata modello_usato retrieval_ms llm_ms tokens_input tokens_output cost_estimate

Agentic AI — System Prompt e Parametri

System prompt del portale AI (PIANO_UX_RAG1). Visibile ad Admin, editabile solo da Superadmin. Modifiche attive alla prossima chiamata — nessun riavvio necessario.
Ruoli abilitati: —

Caratteri: 0

Parametri da ENV (solo lettura)

Valori tuning letti da variabili ambiente. Nessun segreto. Per modificare: .env o deploy.


      

Benchmark performance (39 combinazioni × 3 run)

Per ogni combinazione (RAG × ruolo × modalità): 3 run, medie total_ms, retrieval_ms, llm_api_ms, ttft_ms, tokens, cost. Punteggio 0–100: Eccellente 90–100, Buono 75–89, Accettabile 60–74, Critico <60.

RAG Ruolo Modalità total_ms retrieval_ms llm_ms ttft_ms Punteggio Classe Suggerimenti

Ranking (dal più lento al più veloce)


      

File di archivio per AI

Tutte le conversazioni server-side finiscono nello stesso file JSONL (una riga JSON per turno). Il campo rag distingue l’AI. Con REECO_CHAT_ARCHIVE_PATH (ENV / systemd) backend e Reecopedia possono condividere un unico path.

Path effettivo: —
AI Chiave rag Note file / endpoint

Altri log (non sostituiscono l’archivio turni): logs/queries.jsonl se presente; eventi UI tmp/audit_events.jsonl; feedback RAG2 Reecopedia_V4/code/logs/feedback.jsonl. La memoria delle chat nel browser resta in sessionStorage.

Turni recenti

Data (UTC) Servizio rag IP client Ruolo Endpoint Utente Assistente

Eventi audit in tempo reale

chat_and_tts, realtime_session, agent_query, realtime_close, realtime_record_usage. File: tmp/audit_events.jsonl


      

Dashboard Portale — Ordini, Excel, Audit

Tutte le operazioni (ordini, export Excel, interrogazione AI) dalla dashboard. Ogni ruolo vede i dati di propria competenza.

Portale: portal.reeco.eco Apri in nuova scheda →

Dati Portale — Recuperabili via AI

I dati sotto sono caricati dal portale e usati dalla chat Agentic AI per rispondere alle tue domande.

Submission ID Brand Tenant Step status Errori

Tabella movimenti — Audit (RBAC)

Movimenti operativi e ledger. Institution/Admin/Superadmin possono visualizzare. Solo Superadmin può aggiungere annotazioni (correzioni per SPEC-012).

—
Data Tipo Submission Step Attore Riepilogo Hash

Nuova annotazione (solo Superadmin)

Chat Agentic AI — Interroga i dati portale

L'AI usa i dati della tabella sopra. Prima clicca Aggiorna dati; se vedi submission, la Chat può rispondere (es. "Quali submission hanno errori?", "Riepiloga sub-001").

← Torna a Reeco