Settings

Configura Telegram e summarizer LLM per l'istanza locale.

Stato Riassunti

Mode: heuristic
Enabled: no
Throttle rpm: 10
Uso ultimo minuto: 0
Last test: 2026-03-02T13:09:44
Last result: ok

Classificazione

Notify threshold: 0.7
Urgent days: 7
Labels: 9

SISR Backfill

Max pages/run: 10
Max acts/run: 200
Recent pages: 2
Stop consecutive known: 10
Stop page known ratio: 0.9
Backfill hour: 03:00

BURC Backfill

Days back: 30
Max pages/run: 5
Max bollettini/run: 3
Max pages/bollettino: 3
Stop consecutive known: 10
Stop page known ratio: 0.9

TELEGRAM_BOT_TOKEN TELEGRAM_CHAT_ID TELEGRAM_ADMIN_CHAT_ID TZ OPENAI_API_KEY OPENAI_MODEL SUMMARIZE_MAX_CHARS OPENAI_MAX_REQUESTS_PER_MINUTE NOTIFY_SCORE_THRESHOLD URGENT_DAYS_THRESHOLD SISR_MAX_PAGES_PER_RUN SISR_MAX_ACTS_PER_RUN SISR_RECENT_PAGES SISR_STOP_AFTER_CONSECUTIVE_KNOWN SISR_STOP_PAGE_KNOWN_RATIO SISR_BACKFILL_HOUR BURC_DAYS_BACK BURC_MAX_PAGES_PER_RUN BURC_MAX_BOLLETTINI_PER_RUN BURC_MAX_PAGES_PER_BOLLETTINO BURC_STOP_AFTER_CONSECUTIVE_KNOWN BURC_STOP_PAGE_KNOWN_RATIO CALABRIAEUROPA_MAX_PAGES CALABRIAEUROPA_MAX_ITEMS CALABRIAEUROPA_MAX_CANDIDATES Tipo riassunto off: nessun riassunto. heuristic: breve riassunto locale. openai: riassunto breve con cache e rate limit. Classification labels Una label per riga. Default: accreditamento, gare, personale, convenzioni, PNRR, normativa regionale, nomine, altro. Label rules (JSON)

{
  "ACCREDITAMENTO": {
    "keywords": [
      "accreditamento",
      "autorizzazione sanitaria",
      "requisiti strutturali"
    ],
    "patterns": []
  },
  "CONTRATTI_TETTI": {
    "keywords": [
      "tetto di spesa",
      "tetti",
      "budget",
      "contratto",
      "accordo contrattuale",
      "remunerazione",
      "tariffario"
    ],
    "patterns": []
  },
  "BANDI_GARE": {
    "keywords": [
      "bando",
      "gara",
      "affidamento",
      "aggiudicazione",
      "rdo",
      "cig"
    ],
    "patterns": []
  },
  "PERSONALE_ASSUNZIONI": {
    "keywords": [
      "assunzione",
      "immissione in servizio",
      "graduatoria",
      "turn over",
      "concorso",
      "scorrimento",
      "mobilita",
      "incarico"
    ],
    "patterns": []
  },
  "CONVENZIONI_PROTOCOLLI": {
    "keywords": [
      "convenzione",
      "protocollo",
      "accordo",
      "intesa"
    ],
    "patterns": []
  },
  "INVESTIMENTI_PNRR": {
    "keywords": [
      "pnrr",
      "pnc",
      "cup",
      "investimento",
      "missione 6"
    ],
    "patterns": []
  },
  "NORMATIVA_REGIONALE": {
    "keywords": [
      "dca",
      "dgr",
      "regione calabria",
      "commissario ad acta"
    ],
    "patterns": []
  },
  "ORGANI_NOMINE": {
    "keywords": [
      "direttore generale",
      "direttore sanitario",
      "direttore amministrativo",
      "nomina",
      "rup",
      "dec"
    ],
    "patterns": []
  },
  "ALTRO": {
    "keywords": [],
    "patterns": []
  }
}

Mapping label -> keywords/patterns. Il classifier genera labels e segnali da queste regole.