Ikin-Expert 🧠 v2.0.3

A High-Performance Rete Engine with Hash Joins for Python

"A ciência é feita de dados, mas a sabedoria é feita de inferências."

🚀 O que há de novo na v2.0.3?

Esta versão eleva o motor com foco em estabilidade, integração e previsibilidade operacional:

• ✅ Ponte Alfa-Beta (Hash-Join Layer): correção crítica na propagação de fatos entre nós Alfa (filtros) e Beta (junções). Agora, a interseção entre múltiplos fatos é realizada por meio de indexação por hash.
• ✅ Resiliência de Memória: validada em testes de estresse com mais de 20 horas de execução, ocupação de 100% de CPU e consumo estável de RAM (~4.5%), sem indícios de memory leaks.
• ✅ Dicionário de Operadores Estável: padronização da sintaxe de comparação (__gte, __contains, __eq, entre outros), favorecendo legibilidade, manutenção e consistência interna.

📋 Sobre o Projeto

O Ikin-Expert é uma biblioteca de sistemas especialistas desenvolvida pela Kalluan Cartoon para substituir motores legados, unindo IA simbólica à robustez do Pydantic v2.

Diferentemente de abordagens anteriores baseadas em estruturas menos eficientes, o Ikin-Expert implementa indexação automática, tipagem forte e uma arquitetura orientada à previsibilidade de execução.

Principais Diferenciais

• ⚡ Junções otimizadas com Hash Indexing: reduz o custo de cruzamento entre fatos em cenários comuns, evitando o produto cartesiano ingênuo.
• 🛡️ Engenharia de Dados: integração nativa com Pydantic, promovendo validação forte e maior confiabilidade na modelagem dos fatos.
• 🏗️ Arquitetura Rete otimizada: separação clara entre Working Memory e Knowledge Base, favorecendo organização, escalabilidade e previsibilidade temporal.
• 🔎 Regras mais expressivas: suporte a operadores declarativos para construção de condições mais legíveis e fáceis de manter.

🛠 Instalação

Disponível oficialmente no PyPI:

pip install ikin-expert

Requisitos: Python 3.10 ou superior.

💻 Exemplo de Uso: Automação Residencial (IoT)

Veja como criar um "cérebro" para uma casa inteligente que toma decisões com base em sensores:

from ikin_expert import KnowledgeEngine, Rule, Fact, MATCH
from pydantic import Field

# 1. Definição dos modelos de dados (fatos)
class Termostato(Fact):
    local: str
    temperatura: float = Field(gt=-50, lt=100)

class Presenca(Fact):
    local: str
    detectada: bool

# 2. Motor de inferência (gestão de climatização)
class ClimaManager(KnowledgeEngine):

    # REGRA:
    # Se houver presença no local (MATCH.loc)
    # e a temperatura for maior que 25 °C,
    # então o sistema ativa a refrigeração.
    @Rule(
        Presenca(local=MATCH.loc, detectada=True),
        Termostato(local=MATCH.loc, temperatura__gt=25.0)
    )
    def ligar_refrigeracao(self, loc):
        print(f"❄️ AÇÃO: Climatizando {loc}. Conforto térmico ativado.")

# 3. Execução
sistema = ClimaManager()
sistema.reset()  # Limpeza da Working Memory

# Simulação de dados de sensores
sistema.declare(Presenca(local="sala", detectada=True))
sistema.declare(Termostato(local="sala", temperatura=28.5))

sistema.run()

🆚 Comparativo de Performance

Nota: o ganho de desempenho depende do volume de fatos, do número de regras e do padrão de junção empregado no problema.

⚖️ Propriedade Intelectual

• Registro de Software (INPI): BR 51 2026 000822-0
• Licença: Dual License (MIT + Apache 2.0)

👨🏿‍🔬 Autor e Pesquisador

Desenvolvido por Kalluan Cley Fiuza.

• 🔬 Foco de pesquisa: HealthTech, IA simbólica e sistemas especialistas
• 🏢 Mantenedor: projeto incubado no ecossistema Kalluan Cartoon™
• 📧 Email: contato@kalluancartoon.com.br
• 🔗 LinkedIn: Kalluan C. Fiuza
• 🆔 ORCID: 0009-0005-2693-6477
• 📚 Currículo Lattes: Acessar Lattes

📌 Observações

O Ikin-Expert foi projetado para aplicações que exigem inferência simbólica, rastreabilidade lógica e controle explícito sobre regras de decisão, sendo especialmente promissor em domínios como:

• sistemas especialistas médicos;
• automação inteligente;
• motores de decisão baseados em regras;
• validação e classificação simbólica de conhecimento.