ML avançado futuro: PyTorch, embeddings e agentes

Este documento registra ideias futuras. PyTorch, fine-tuning, classificadores próprios e agentes avançados não fazem parte do MVP atual.

Decisão atual

O SotuHire deve manter o MVP leve:

• Python;
• Streamlit;
• Pydantic;
• Gemini/OpenAI opcional;
• SQLite;
• Ruff;
• pytest.

Não adicionar agora:

• PyTorch obrigatório;
• fine-tuning;
• modelo próprio;
• agent framework complexo;
• multi-agent pesado.

O que pode entrar no futuro

Quando o produto tiver histórico real, pode fazer sentido adicionar:

• embeddings locais;
• reranking de vagas;
• classificador de post real vs ruído;
• detector de senioridade;
• avaliação semântica de portfólio;
• memória vetorial mais forte.

RAG simples agora, ML pesado depois

O RAG inicial pode ser simples:

texto -> chunks -> busca lexical/semântica simples -> evidências -> análise estruturada

Depois, se necessário:

sentence-transformers / ChromaDB / FAISS / PyTorch

Agentes como inspiração

A ideia de agentes especializados é útil, mas deve começar como funções e classes simples:

• ResumeAgent vira módulo de currículo;
• JobAgent vira parser de vaga;
• MatchAgent vira analyzer;
• ComplianceAgent vira regras e guardrails.

O nome “Hermes” fica apenas como inspiração conceitual de memória, verificação e orquestração. Não deve ser dependência nem framework agora.