GolAi

Agent IA de recommandation de jeux vidéo. GolAi analyse votre bibliothèque, vos préférences et le contexte de la conversation pour suggérer quoi jouer ensuite — avec des recommandations actionnables (jaquettes, métadonnées, liens stores) directement dans le chat.

Démo live · À propos · Contact

---

Fonctionnalités

Chat agentique

• Conversation naturelle avec l'assistant, streaming SSE en temps réel
• L'agent recherche et raisonne dans votre bibliothèque avant de répondre
• Mode anonyme sans compte (bibliothèque fictive fournie)

Import de bibliothèque

• Import automatique depuis Steam, PSN et Xbox
• Synchronisation des statuts (terminé, en cours, abandonné, backlog)

RAG hybride

• Recherche lexicale pg_trgm + similarité vectorielle pgvector
• Embeddings multilingues BGE-M3 (CPU-only, pas de dépendance cloud)
• Données enrichies : IGDB, SteamSpy, RAWG, OpenCritic, HowLongToBeat

Mutations IA confirmées

• L'agent propose des actions (ajouter, noter, changer statut) sous forme de cartes cliquables
• L'utilisateur confirme ou refuse avant que la bibliothèque soit modifiée

Production readiness

• Rate limiting Postgres FOR UPDATE
• Traces LLM complètes via Langfuse
• Monitoring erreurs Sentry
• Backups Postgres automatiques vers Backblaze B2

---

Stack

Couche	Technologies
Backend	Python 3.12 · FastAPI · SQLAlchemy async · Alembic
Agent IA	Pydantic AI · Anthropic Haiku 4.5 · prompt caching · LiteLLM
Recherche	PostgreSQL 16 · pgvector · pg_trgm · BGE-M3
Sources données	Steam · PSN · Xbox · IGDB · SteamSpy · RAWG · HowLongToBeat
Frontend	React 18 · TypeScript · Vite · Tailwind CSS v4
Observabilité	Langfuse · Sentry
Ops	Docker Compose · nginx · GitHub Actions · Backblaze B2

---

Architecture

flowchart LR
    U[Utilisateur] --> N[nginx]
    N --> F[Frontend React]
    N --> A[API FastAPI]
    F --> A
    A --> DB[(PostgreSQL + pgvector)]
    A --> AG[Agent Pydantic AI]
    AG --> LLM[Anthropic Haiku 4.5]
    AG --> DB
    A --> LF[Langfuse]
    A --> SE[Sentry]

Loading

Le flux RAG : à chaque message, l'agent récupère les jeux pertinents de la bibliothèque (hybride lexical + vectoriel), les injecte dans le contexte avec prompt caching, puis streame la réponse en SSE.

---

Lancer en local

Prérequis : Docker, Python 3.12, Node 22.

cp .env.example .env
# Renseigner au minimum : ANTHROPIC_API_KEY

Avec Docker Compose (recommandé) :

docker compose up

Accès : frontend http://localhost:5173, API http://localhost:8000.

Sans Docker (développement) :

# Base de données uniquement
docker compose up -d db

# Backend
backend/venv/bin/alembic upgrade head
backend/venv/bin/python -m uvicorn app.main:app --app-dir backend --reload

# Frontend (depuis le dossier frontend/)
nvm use 22
npm ci
npm run dev

Tests backend :

backend/venv/bin/python -m pytest

---

Documentation

• Architecture Decision Records — 18 décisions techniques documentées (MADR 4.0)
• Workflow agentique — RAG, tools, guardrails, streaming
• Stratégie routage LLM
• Observabilité
• Backup / Restore Postgres
• Identité visuelle

---

Auteur

Construit par David Gola, ingénieur IA / backend Python.

GitHub · LinkedIn · golaichat@outlook.com