Un agent de support est un problème d'aiguillage avant d'être un problème de langage. Cet atelier classe chaque tour entrant et l'envoie sur un chemin différent : c'est ce qui empêche un assistant de s'effondrer en un seul prompt indifférencié.

Un atelier de service client auto-hébergé qui associe une console de chat opérateur à une boutique e-commerce de démonstration dont l'agent de support intégré tourne sur le même backend. Les réponses arrivent token par token via SSE, les conversations sont persistées par utilisateur, et un routeur classe chaque tour en général, complément, graphe, image ou fichier avant que l'agent décide quoi faire.

Les modes sont réels, pas décoratifs. Le raisonnement approfondi aiguille le tour vers le chemin du modèle de raisonnement et affiche le bloc de réflexion quand le modèle en renvoie un ; la recherche web laisse l'assistant décider quand chercher, puis cite ses sources dans un panneau latéral ; et une photo de produit déposée part vers un modèle de vision qui répond avec la voix de la boutique. Les questions sur les produits et les commandes passent par du text-to-Cypher sur un graphe produit Neo4j optionnel, avec une notation des hallucinations et des garde-fous appliqués avant la diffusion de la réponse.

Des comptes JWT, un stockage de conversations MySQL et un cache sémantique Redis sont câblés, et le cache se dégrade proprement quand Redis est indisponible. L'ingestion dans la base de connaissances est la seule fonctionnalité non opérationnelle dans cette version — l'interrupteur est conservé pour qu'elle puisse être terminée sans refondre la console, et le README le dit clairement.

Lisez-le pour l'aiguillage et les garde-fous : classification à chaque tour, chemin de raisonnement séparé, recherche que l'assistant choisit de déclencher avec sources citées à côté de la réponse, questions d'image traitées avec la voix de la boutique, et requêtes Cypher notées pour hallucination avant la diffusion de la réponse.