# Doc Analyzer: La Nuova Release - Più Formati, Più Flessibilità

> Scopri le nuove funzionalità di Doc Analyzer: supporto multi-formato, architettura modulare e flessibilità nella scelta del modello linguistico.

- URL: https://mautoblog.com/posts/doc-analyzer-evoluzione-nuove-funzionalita/
- Lingua: it
- Pubblicato: 2025-02-21
- Aggiornato: 2026-10-15
- Autore: Mauto
- Categorie: Progetti, Intelligenza Artificiale
- Tags: Doc Analyzer, RAG, DeepSeek, Ollama, Docker
- Guida: Doc Analyzer (parte 2)
- Traduzione (en): https://mautoblog.com/en/posts/doc-analyzer-evolution-new-features/

---

Dopo il [lancio iniziale di Doc Analyzer](/posts/doc-analyzer-local-rag-privacy-deepseek-r1-2025/), il progetto è evoluto significativamente. In questo post, esploreremo le nuove funzionalità e i miglioramenti introdotti nell'ultima versione.

## Principali Novità

### 1. Supporto Multi-Formato
La novità più significativa è l'estensione del supporto a più formati di documento:
- PDF (come nella versione originale)
- DOC (documenti Word legacy)
- DOCX (documenti Word moderni)

Questo ampliamento rende Doc Analyzer molto più versatile e utilizzabile in più scenari aziendali.

### 2. Architettura Modulare
L'applicazione è stata completamente ristrutturata seguendo il pattern Factory, rendendo più facile:
- Aggiungere nuovi formati di documento
- Mantenere il codice
- Testare nuove funzionalità

Ecco un esempio della nuova struttura:

```python
class ProcessorFactory:
    @staticmethod
    def get_processor(file_path):
        if file_path.endswith('.pdf'):
            return PDFProcessor()
        elif file_path.endswith(('.doc', '.docx')):
            return WordProcessor()
        # Facile aggiungere nuovi processori
```

### 3. Analisi Basata su Ruoli
Una delle novità più interessanti è l'introduzione di ruoli specializzati per l'analisi. L'utente può ora scegliere tra diversi ruoli che influenzano il modo in cui il sistema analizza e risponde alle domande:

- **Default**: Analisi oggettiva e comprensiva del documento
- **Legal**: Focus su implicazioni legali e requisiti normativi
- **Financial**: Analisi di aspetti finanziari ed economici
- **Travel**: Orientato a logistica e pianificazione viaggi
- **Technical**: Focus su dettagli tecnici e implementativi

Ogni ruolo utilizza prompt specializzati che guidano il modello verso un tipo specifico di analisi. Per esempio:

```python
ROLE_PROMPTS = {
    "legal": """Act as a legal consultant analyzing the content.
Focus on legal implications, regulatory requirements, and potential legal risks.""",
    "financial": """Act as a financial advisor analyzing the content.
Focus on financial implications, costs, benefits, and ROI."""
    # Altri ruoli...
}
```

### 4. Flessibilità del Modello Linguistico
Mentre la versione originale era strettamente legata a DeepSeek R1, ora è possibile utilizzare qualsiasi modello Ollama:
- DeepSeek R1 14B (default per le sue ottime performance)
- Mistral 7B
- LLaMA 2
- E qualsiasi altro modello supportato da Ollama

La configurazione è semplice tramite variabile d'ambiente:
```env
LLM_MODEL=mistral:7b  # o qualsiasi altro modello
```

## Processamento Documenti Migliorato

### Word Processor
Il nuovo WordProcessor gestisce sia documenti DOC che DOCX:
```python
def process(self, file_obj):
    # Gestione intelligente del formato
    if file_path.endswith('.docx'):
        text = self._process_docx(file_path)
    else:  # .doc
        text = self._process_doc(file_path)

    # Chunking e processamento
    chunks = self.text_splitter.split_documents([doc])
    return chunks
```

Caratteristiche chiave:
- Gestione automatica del formato
- Preservazione della struttura del documento
- Pulizia automatica dei file temporanei
- Gestione ottimizzata della memoria

### Pipeline di Processamento
La pipeline è ora più robusta:
1. Identificazione automatica del formato
2. Selezione del processore appropriato
3. Estrazione del testo
4. Chunking ottimizzato
5. Generazione embedding
6. Storage vettoriale

## Miglioramenti nell'Interfaccia

L'interfaccia Gradio è stata completamente rinnovata per supportare tutte le nuove funzionalità:

### Selezione del Ruolo
Un nuovo menu dropdown permette di selezionare il ruolo di analisi desiderato, influenzando direttamente il tipo di risposta che si riceverà. Questo permette di:
- Ottenere analisi specializzate per diversi domini
- Adattare le risposte al contesto specifico
- Ricevere insights più pertinenti per il proprio caso d'uso

### Altre Migliorie
L'interfaccia Gradio è stata arricchita con:
- Supporto drag-and-drop per più formati
- Feedback visivo durante il processamento
- Migliore gestione degli errori
- Selezione del ruolo per l'analisi

## Configurazione e Deploy

La configurazione è più flessibile grazie a nuove variabili d'ambiente:
```env
OLLAMA_HOST=host.docker.internal
OLLAMA_PORT=11434
CHROMA_DB_PATH=/app/data/chroma
LLM_MODEL=deepseek-r1:14b  # Configurabile
CHUNK_SIZE=1000
CHUNK_OVERLAP=200
PERSIST_VECTORDB=false
```

### Docker Compose Ottimizzato
```yaml
services:
  web:
    build: .
    ports:
      - "8000:8000"
    volumes:
      - ./data:/app/data
    env_file: .env
    healthcheck:
      test: ["CMD", "curl", "-f", "http://localhost:8000/"]
```

## Prossimi Sviluppi

Il progetto continua a evolversi. Ecco cosa ci aspetta:
1. Supporto per altri formati (epub, txt, md)
2. Miglioramenti nella tokenizzazione
3. API REST completa
4. Sistema di caching avanzato

## Conclusione

Doc Analyzer è cresciuto da un semplice analizzatore PDF a una piattaforma completa per l'analisi documentale. La nuova architettura modulare e il supporto multi-formato lo rendono uno strumento ancora più potente per l'analisi documentale privacy-first.

### Risorse Utili
- [Repository GitHub](https://github.com/Mauto82/doc-analyzer)
- [Documentazione Tecnica](/docs/doc-analyzer-paper/)
- [Post Originale](/posts/doc-analyzer-local-rag-privacy-deepseek-r1-2025/)

