🌐 English readers: this document is in PT-BR, but your browser can translate it automatically (right-click → "Translate").

Motor de triagem inteligente de bugs desenvolvido para Engenharia de Garantia de Qualidade (QA). Ele combina processamento de linguagem natural (NLP) com lógica de regras para priorizar automaticamente relatos de erros e gerar documentação técnica em formato Gherkin — pronto para copiar para Jira ou GitHub Issues.

⭐ Se esta triagem te ajudou, dá uma estrelinha no projeto — quanto mais estrelas, mais QAs encontram o app na busca do GitHub. É de graça!

---

• 🔵 Triagem em duas camadas
  1. Camada técnica: termos críticos (crash, pagamento, login, segurança, 500...) escalam a severidade.
  2. Camada NLP: análise de sentimento por léxico em português + detecção de negação ("não funciona", "não consigo", "parou de responder"...) + padrões por raiz (regex) — lentidão dispensa enumerar toda flexão (lento, lenta, lentíssimo, lentamente...) e o lookahead (?!es?\b) exclui o falso positivo lente/lentes.
• 🟣 Análise por IA (Fase 3): se houver chave GEMINI_API_KEY e o checkbox 🔮 estiver marcado, o app chama o Google Gemini e complementa a triagem com severidade sugerida, categoria, causa raiz provável, passos para reproduzir e resumo técnico — tudo em JSON estruturado, com fallback automático para o motor local se a API falhar (ou se o usuário desligar a IA para aquela triagem).
• 🟢 Prioridade final reconciliada: os dois motores são combinados pela regra do maior vence (nenhum alerta grave é ignorado) e o app sinaliza divergência quando discordam, recomendando revisão humana.
• ⚠️ 100% offline e determinístico: o motor triagem.py usa apenas a biblioteca padrão do Python — sem API de tradução, sem internet, sem custo e com resultado sempre reproduzível.
• 🔷 Transparência de QA: o relatório informa o motor de análise usado e os fatores identificados em cada triagem.
• 💚 Relatório Gherkin (Dado/Quando/Então) baseado na prioridade detectada.
• 🟠 Exportação: baixar relatório (.md), abrir Issue no GitHub pré-preenchida ou enviar ao Jira (configurável).
• ⚪ Histórico da sessão em tabela (pandas) com opção de limpar.
• 🟫 Sem falsos positivos técnicos: palavras como erro, bug e falha são vocabulário normal de teste e não disparam severidade sozinhas.
• 🟥 Interface com identidade visual própria (tema Streamlit em config.toml).

---

• 🐍 Python 3.13 — lógica e motor NLP (biblioteca re / stdlib)
• 🚀 Streamlit 1.62 — interface web e deploy na nuvem
• 🔮 Google Gemini (google-genai) — análise de causa raiz via LLM (Fase 3)
• 🐼 pandas — tabela de histórico de triagens
• 🐧 Desenvolvido em Linux Mint Debian (Laboratório Hack28)

---

git clone https://github.com/Iago3-stack/ai-bug-triage-system.git   # 📥 clona o repo
cd ai-bug-triage-system                                             # 📂 entra na pasta
python3 -m venv .venv                                                # 🐍 cria o ambiente virtual
source .venv/bin/activate                                            # ⚡ ativa o venv
pip install -r requirements.txt                                      # 📦 instala as dependências
streamlit run home.py                                                # 🚀 roda a aplicação

A análise por IA usa a chave GEMINI_API_KEY (gratuita em aistudio.google.com/apikey). Sem a chave, o app funciona normalmente só com o motor local:

• 🔑 Local: crie um arquivo .env na raiz com GEMINI_API_KEY=... (ele é ignorado pelo .gitignore).
• ☁️ Streamlit Cloud: Settings → Secrets → GEMINI_API_KEY (nunca coloque a chave em código ou no repositório).

🧪 Teste rápido dos motores sem interface:

python triagem.py   # 🟢 motor determinístico local
python ia.py        # 🔮 análise por IA (Gemini) — exige a chave

---

🧩 Conheça a engenharia por trás do AI Bug Triage System — o processo completo de requisitos, casos de teste e estratégia de QA está em 📚 docs/.

Arquivo	Papel
🖥️ home.py	Interface web (Streamlit): cabeçalho, ferramenta, export e histórico
🧠 triagem.py	Motor NLP: léxico PT, padrões de negação e classificação de severidade (offline)
🔮 ia.py	Análise por IA via Google Gemini: causa raiz, categoria e passos (com fallback)
🧪 test_triagem.py	18 testes unitários do motor (rodam no CI)
📦 requirements.txt	Dependências pinadas
🎨 .streamlit/config.toml	Tema e configurações da app
📚 docs/	Documentação de engenharia e qualidade

---

• ✅ Fase 1 — Motor NLP offline (léxico PT + negação, sem TextBlob/Google Translate)
• ✅ Fase 2 — Exportação do relatório, histórico de sessão e identidade visual
• ✅ Fase 3 — Integração com LLMs (Gemini) para análise de causa raiz, categoria e passos — com fallback automático
• ✅ Testes unitários do motor (pytest) — 12 testes, rodam automaticamente via CI (GitHub Actions)
• ⬜ Exportação direta via API do Jira
• ⬜ Persistência do histórico (banco de dados)

---

🧑‍💻 Autor: Iago Nunes (Iago3-stack) — QA Automation Engineer | Estudante de IA & Machine Learning na UNIASSELVI.

📜 Este projeto é distribuído sob a licença MIT (ver arquivo LICENSE). Qualquer uso, cópia ou modificação deve manter a atribuição de crédito ao autor original — remover ou ocultar a autoria viola a licença.

🕓 O histórico completo de construção (commits, datas e motivações) está público em github.com/Iago3-stack/ai-bug-triage-system.