add: prd.md analisi_funzionale.md

analisi_funzionale.md

@@ -0,0 +1,35 @@
+Documento di Analisi Funzionale
+Flusso dei Dati
+Trigger: L'utente clicca sul pulsante "Save to Drive" nell'estensione.
+
+Scraping: Il Content Script estrae il testo dal container principale della chat (es. <main> o selettori specifici per provider).
+
+Inference (Core Logic):
+
+Il testo viene passato a un Web Worker per non bloccare la UI.
+
+Il modello LLM esegue un task di "Structuring": identifica i turni di conversazione.
+
+Output: [{role: "user", content: "..."}, {role: "assistant", content: "..."}].
+
+Formatting: Un modulo helper trasforma il JSON in una stringa Markdown, aggiungendo metadati (Data, URL sorgente, Titolo).
+
+Export:
+
+Controllo del token OAuth tramite chrome.identity.
+
+Chiamata POST a https://www.googleapis.com/drive/v3/files.
+
+Mimetype: text/markdown o conversione in Google Doc.
+
+Casi d'Uso Principali
+UC1: Archiviazione Sessione di Debug: Lo sviluppatore salva una sessione di coding con ChatGPT per riferimento futuro nel proprio Drive tecnico.
+
+UC2: Creazione di Documentazione: Trasformazione di un brainstorming con Gemini in una bozza di progetto strutturata.
+
+Gestione Errori e Casi Limite
+Modello troppo pesante: Se la GPU non è disponibile, fallback su Wasm (CPU) con avviso di latenza all'utente.
+
+Chat molto lunghe: Implementazione di un sistema di "sliding window" per il contesto dell'LLM locale (limite tipico 2k-8k token).
+
+Cambio DOM: Se il modello non identifica blocchi validi, fallback su un parser basato su regole (Regex/CSS) e log dell'errore per aggiornare le specifiche.