/projects/elderai
Elder AI
Agente de operações de vendas com análise de dados governada e artefatos
Elder AI
Agente de operações de vendas com análise de dados governada e artefatos
09
Contexto do projeto05
Problema
Elder AI enfrenta o desafio de transformar Agente de operações de vendas com análise de dados governada e artefatos em um sistema útil, governado e explicável.
Solução
Elder AI é organizado em torno de fronteiras explícitas, fluxos inspecionáveis e um stack de entrega visível que inclui Next.js, React, TypeScript e AI SDK.
Desafios
O trabalho difícil é manter autonomia, dados, ferramentas e experiência do usuário alinhados sem esconder risco operacional nem evidência.
Inovação
O diferencial é tratar arquitetura como superfície de produto: capacidades são explicadas por responsabilidades, caminhos de prova e limites de entrega.
Experiência de domínio
Elder AI demonstra julgamento de engenharia aplicada em arquitetura de produto, sistemas de agentes, fronteiras de dados, controles e disciplina de entrega.
Evidência do estudo de caso11
Resultados
- Elder AI transforma um conceito técnico em um fluxo de produto revisável.
- Mantém o comportamento do sistema ligado a fronteiras explícitas, evidência e decisões visíveis para operadores.
- Cria uma referência de arquitetura reutilizável para trabalhos relacionados de produtos de IA.
Decisões de arquitetura
- Elder AI separa superfícies de usuário das responsabilidades de runtime e controle de dados.
- Next.js e as decisões de stack próximas aparecem como decisões de entrega, não como badges decorativos.
- Evidência, revisão e estado operacional continuam visíveis para que o sistema possa ser inspecionado depois do uso.
Sinais de experiência no domínio
Arquitetura de agentesGovernançaEvidênciaUX operacionalNext.js
Aprofundamento técnico09
Elder AI é um estudo de caso em Agente de operações de vendas com análise de dados governada e artefatos. Agente de operações de vendas com análise de dados governada e artefatos A profundidade está em tornar legíveis fronteiras, evidência, workflow e decisões de entrega.
Fronteira do sistema
Elder AI é apresentado por responsabilidades claras para que usuários, ferramentas, dados e ações de runtime não virem uma chamada opaca ao modelo.
Modelo de workflow
O fluxo mantém planejamento, uso de ferramentas, estado e apresentação de resultados separados o suficiente para o operador entender o que aconteceu e por quê.
Postura de evidência
A página trata provas, logs, artefatos e caminhos de revisão como parte do produto, não como notas opcionais de implementação.
Stack de entrega
Next.js ancora a história de implementação enquanto o stack ao redor carrega persistência, interfaces, automação e verificação.
O que isso prova
- Elder AI expõe decisões de arquitetura como conteúdo de produto inspecionável.
- Next.js se conecta a responsabilidades de runtime e entrega.
- O estudo distingue experiência do usuário, fronteiras de ferramentas, evidência e operações.
- A estrutura pode ser reutilizada em produtos agentivos relacionados.
2Indicador: route modes
3Indicador: subagents
5Indicador: artifact types
200Indicador: sample calls
6Indicador: seeded reps
100%Indicador: read-only SQL
Stack tecnológico06
Next.js 16
Motivo técnico: Keeps chat UI, API routes, RSC demo, artifact pages, and deployment in one application boundary.
TypeScript
Motivo técnico: Keeps routing, artifacts, tool schemas, and agent handoffs explicit across a large product surface.
AI SDK v6
Motivo técnico: Provides ToolLoopAgent, streaming, RSC streamUI, and model-provider integration.
OpenAI
Motivo técnico: Powers the customer-facing analyst, routing, image generation, and specialist agents.
Supabase
Motivo técnico: Handles auth, RLS persistence, conversations, artifacts, and organization membership.
PostgreSQL
Motivo técnico: Acts as the sales-call source of truth with read-only query access for the agent.
Ferramentas implementadas08
routeUserMessage
Ferramenta implementada: Separates fast answers from analysis and artifact workflows.
Read-only SQL tools
Ferramenta implementada: Retrieve manager evidence without giving the model write-capable database access.
runPythonAnalysis
Ferramenta implementada: Runs derived metrics, calculations, and generated files in a scoped workspace.
Data analyst subagent
Ferramenta implementada: Delegates bounded metric work instead of sending the entire conversation to another agent.
Coaching subagent
Ferramenta implementada: Focuses on transcript snippets, skills, objections, and coaching risks.
Artifact designer
Ferramenta implementada: Turns verified rows and metrics into dashboards, charts, PDFs, tables, and exports.
Artifact persistence
Ferramenta implementada: Saves results so users can reopen and discuss prior analysis.
Product-taste evals
Ferramenta implementada: Checks whether responses stay manager-facing and avoid internal tool leakage.