Saltar al contenido
focoit.com
Volver a los diagramas

Arquitectura

Un asistente agéntico de preguntas y respuestas, de punta a punta

Un flujo definido en código con controles de seguridad, caché, recuperación acotada por permisos, un paso de revisión humana, enrutamiento de modelos, checkpoints y auditoría.

Un asistente agéntico de preguntas y respuestas, de punta a punta La pregunta de un usuario del sitio entra a un flujo definido en código que aplica un filtro de datos personales, un escudo de prompts y una consulta al caché; si no hay acierto, recupera contexto acotado por permisos desde una capa de conocimiento que planifica la consulta, ejecuta subconsultas en paralelo sobre fuentes por estudio y sintetiza referencias; después redacta a través de un enrutador de modelos, aplica un filtro de contenido y un veredicto de seguridad, se detiene en un puerto de revisión humana y entrega o rechaza. Un acierto de caché va directo a la entrega. Cada paso se audita y el flujo guarda checkpoints. FLUJO · GRAFO DEFINIDO EN CÓDIGO Filtro de datos personales Prompt Shield Consulta al caché clave SHA-256 Recuperar acotado por permisos Redactar perfil: sitio Filtro de contenido + veredicto de seguridad Puerto de revisión revisión humana Entregar / Rechazar SIN ACIERTO ACIERTO Usuario del sitio hace una pregunta Enrutador de modelos Azure OpenAI · PHI Claude · sin PHI Interfaz del revisor aceptar · editar · rechazar PEDIDO / RESPUESTA CAPA DE CONOCIMIENTO · AZURE AI SEARCH Planificación de la consulta (LLM) esfuerzo: mínimo · bajo · medio Subconsultas paralelas + reordenamiento semántico Fuente del estudio A Fuente del estudio B Síntesis + referencias + registro de actividad CONTEXTO Otros agentes de la empresa ENDPOINT MCP Almacén de checkpoints pedidos pendientes guardados Auditoría App Insights + almacén de cumplimiento CADA PASO REFERENCIAS Control de seguridad Paso de revisión humana Almacén Auditoría
Diseño de referenciaAbrir en tamaño completo

Qué muestra

La pregunta de un usuario del sitio entra a un flujo cuyo orden está escrito en código, no librado a un modelo. Pasa por un filtro de datos personales y un escudo de prompts, y después por una consulta al caché. Un acierto de caché va directo a la entrega, porque solo se guardan respuestas ya revisadas.

Si no hay acierto, el flujo recupera contexto de una capa de conocimiento sobre Azure AI Search: un modelo planifica la consulta, las subconsultas corren en paralelo sobre una fuente por estudio, y un paso de síntesis devuelve referencias y un registro de actividad. Otros agentes de la empresa llegan a la misma capa por un endpoint MCP.

El borrador pasa por un enrutador de modelos, después por un filtro de contenido y un veredicto de seguridad, y se detiene en un puerto de revisión donde una persona lo acepta, lo edita o lo rechaza. Cada paso se audita, y el flujo guarda checkpoints para que una revisión pendiente sobreviva a un reinicio.

Este es un diseño de referencia para un asistente agéntico de preguntas y respuestas sobre ensayos clínicos. Es un diseño, no la descripción de un sistema construido tal como se muestra.

Decisiones clave

  • El orden de los pasos es un grafo en código, así que un prompt no puede saltear ni reordenar los controles de seguridad.
  • La recuperación se acota con los permisos de quien pregunta, nunca con lo que escribe.
  • Una persona revisa antes de entregar; el paso de revisión es parte del flujo, no un canal aparte.
  • Elegir el modelo es una decisión de enrutamiento por paso: los datos con PHI se quedan en el despliegue cubierto por el BAA.