Windows-GPU-UNLOCK
This is Windows GPU UNLOCK: RTX3090 UEFI port, Korean no-reset Windows boot guide, verified source and benchmark evidence
AI translation
Assistente AI che legge bandi e concorsi: requisiti, scadenze e documenti con la pagina citata, e controllo dei requisiti sul tuo profilo.
Translation pending
OtherTypeScript · CSSGitHub @Dani-stopOnlineOwner unconfirmed
Have you tried it? One tap is enough. No sign-in needed.
No updates detected yet. GitHub releases will appear here.
Owners of public repositories under a personal GitHub account can sign in to verify ownership and manage the introduction themselves. No administrator approval is needed.
Sign in, generate a verification file, and commit it to this repository’s default branch within 30 minutes. Files on other branches or forks do not count. Then check the file below to manage the project without administrator approval. Keep the file to retain your access.
If needed, you will go to sign-in. After signing in, return here and press your chosen verification button again.
Run /nomorevibe verify in your project folder to verify ownership and manage the introduction yourself.
Verify in one minuteAsk about other verification options
Assistente AI (RAG) per bandi e concorsi italiani: pgvector + ricerca ibrida, agente Claude/Gemini, server MCP. Live: bandobot.vercel.app
Translation pending
Taken from the repository README
Loading the full README.
Read the full README ↗Assistente AI che legge bandi pubblici, concorsi e selezioni italiane e risponde con quello che c'è scritto, citando la pagina. Se gli descrivi il tuo profilo, controlla i requisiti uno per uno (✅ / ❌ / ❓).
Nasce da un problema vero: un bando di 10 pagine per capire, alla pagina 2, che servono 3 anni di esperienza.
| Parte | Come è fatta |
|---|---|
| RAG | PDF → testo per pagina (unpdf) → blocchi da ~900 caratteri con sovrapposizione → embeddings multilingua multilingual-e5-small (384 dim, eseguiti in locale, zero costi) |
| Vector DB | Supabase Postgres + pgvector, indice HNSW, RLS in sola lettura |
| Ricerca ibrida | Funzione SQL hybrid_search: similarità coseno + full-text in italiano (tsvector), fuse con Reciprocal Rank Fusion |
| Agente | Claude (Anthropic SDK, tool runner) con 3 tool: list_bandi, search_bandi, read_page. Fa più ricerche, legge le pagine intere, cita [slug p.N] |
| Costo zero | Senza chiavi: modalità solo ricerca (passaggi + estratto della frase più pertinente). Con una chiave Gemini gratuita: risposta generata con citazioni. La modalità si sceglie da sola in base alle chiavi presenti |
| MCP server | Gli stessi tool esposti via Model Context Protocol (stdio) per Claude Desktop / Claude Code |
| Frontend | Next.js 15 (App Router) + Tailwind, citazioni cliccabili che aprono il passaggio, traccia dei passaggi dell'agente, tema chiaro/scuro |
docs/*.pdf ──► scripts/ingest.ts ──► Supabase (documents, chunks + vector(384) + tsvector)
▲
src/lib/search.ts (hybrid_search RPC) ◄── embeddings query (locale)
▲ ▲
src/lib/agent.ts (Claude + tool) mcp/server.ts (MCP stdio)
▲
/api/chat ◄── UI Next.js
npm install
cp .env.example .env.local # poi inserisci SUPABASE_URL, SUPABASE_ANON_KEY, ANTHROPIC_API_KEY
npm run dev
Endpoint:
POST /api/chat – agente con citazioni ({ messages: [{ role, content }] })GET /api/search?q=...&slug=... – solo ricerca ibrida, senza LLMGET /api/bandi – elenco dei bandi indicizzatidocs/ e aggiungi una voce in docs/manifest.json (slug, titolo, ente, scadenza).npx tsx scripts/ingest.ts --upload (con SUPABASE_SERVICE_ROLE_KEY in .env.local), oppure senza flag per generare i batch SQL in scripts/out/.npx tsx scripts/mcp-test.ts # test end-to-end
claude mcp add bandobot -- npx tsx /percorso/bandobot/mcp/server.ts
Claude Desktop (claude_desktop_config.json):
{ "mcpServers": { "bandobot": { "command": "npx", "args": ["tsx", "C:/percorso/bandobot/mcp/server.ts"] } } }
Online su https://bandobot.vercel.app (Vercel Hobby, regione fra1, gratis). Un cron giornaliero chiama /api/bandi così il progetto Supabase gratuito non va in pausa per inattività. Il modello di embeddings viene scaricato in /tmp al primo avvio; dalla build sono esclusi i binari ONNX non Linux per restare sotto il limite di 250 MB per funzione.
Autore: Daniele Luigi Barbieri – sviluppato con un flusso di lavoro AI-first (Claude Code).