Leve Agents - Sistema de Orientação Educacional e Profissional

Sistema inteligente de agentes especializados em orientação educacional e profissional para jovens brasileiros (15-26 anos). Utiliza CrewAI para coordenação de múltiplos agentes especializados com monitoramento de custos via AgentOps.

🚀 Características Principais

• 3 Agentes Especializados: Orientador Educacional, Especialista de Carreira e Perfilador Psicológico
• Monitoramento de Custos: Integração com AgentOps para acompanhamento de gastos de LLM
• Validação Completa: Schemas Pydantic com validação de negócio
• Múltiplos LLMs: Suporte a OpenAI e Groq
• CLI Intuitivo: Interface de linha de comando para cada agente

🏗️ Arquitetura

Agentes Especializados

1. Orientador Educacional (advisor_agent)

   • Planejamento estratégico de carreira de longo prazo
   • Análise de perfil completo e identificação de direções
   • Roadmap de desenvolvimento com marcos e prazos

2. Especialista de Carreira (career_coach_agent)

   • Execução prática para conseguir primeiro emprego
   • Conselhos concretos sobre currículo, entrevistas e networking
   • Foco em ações imediatas e acionáveis

3. Perfilador Psicológico (psychological_profiler_agent)

   • Análise psicológica e comportamental profunda
   • Identificação de motivações, valores e estilos de aprendizado
   • Insights para personalização de recomendações

⚙️ Configuração Rápida

1. Instalar dependências

pip install -r requirements.txt

2. Configurar variáveis de ambiente

Crie um arquivo .env na raiz do projeto:

# APIs de LLM (pelo menos uma obrigatória)
GROQ_API_KEY=sua_chave_groq_aqui
OPENAI_API_KEY=sua_chave_openai_aqui

# Monitoramento de custos (opcional)
AGENTOPS_API_KEY=sua_chave_agentops_aqui

3. Obter chaves de API

Groq (Recomendado - Gratuito)

1. Acesse https://console.groq.com/
2. Crie uma conta gratuita
3. Gere sua API key

OpenAI (Opcional)

1. Acesse https://platform.openai.com/
2. Crie uma conta
3. Gere sua API key

AgentOps (Opcional - Monitoramento)

1. Acesse https://agentops.ai
2. Crie uma conta gratuita
3. Gere sua API key

🎯 Como Usar

Orientador Educacional

python -m cli.main_advisor -i "programação" -p "online"
python -m cli.main_advisor --snapshot files/snapshots/pablo_001.json --json

Especialista de Carreira

python -m cli.main_career -q "Como montar um currículo sem experiência?"
python -m cli.main_career -q "Quais áreas posso trabalhar?" --snapshot-path files/snapshots/ana_001.json

Perfilador Psicológico

python -m cli.main_psychological -d "Escolaridade: Ensino médio completo..."
python -m cli.main_psychological --data-file files/snapshots/carlos_001.json --json

📁 Estrutura do Projeto

leve-agents/
├── agents/                    # Agentes especializados
│   ├── advisor_agent.py      # Orientador Educacional
│   ├── career_coach_agent.py # Especialista de Carreira
│   └── psychological_profiler_agent.py # Perfilador Psicológico
├── cli/                      # Interfaces de linha de comando
│   ├── main_advisor.py       # CLI do Orientador
│   ├── main_career.py        # CLI do Especialista de Carreira
│   └── main_psychological.py # CLI do Perfilador
├── models/                   # Configuração de LLMs
│   ├── llm.py               # Funções de LLM com AgentOps
│   └── llm_config.py        # Configurações dos modelos
├── schemas/                  # Schemas de dados
│   ├── advisor_output.py    # Schema do Orientador
│   ├── career_output.py     # Schema do Especialista
│   └── psychological_output.py # Schema do Perfilador
├── tasks/                    # Definição das tarefas
│   ├── advisor_task.py      # Task do Orientador
│   ├── career_coach_task.py # Task do Especialista
│   └── psychological_profiler_task.py # Task do Perfilador
├── validators/               # Validação de negócio
├── helpers/                  # Utilitários
├── files/                    # Arquivos de referência
│   └── snapshots/           # Perfis de exemplo
├── docs/                     # Documentação
│   └── agentops_monitoramento.md # Guia do AgentOps
├── crew_config.py           # Configuração das crews
└── requirements.txt         # Dependências

🤖 Modelos Suportados

Groq (Recomendado)

• groq/llama-3.1-8b-instant (Padrão)
• groq/llama-3.3-70b-versatile
• groq/gemma2-9b-it
• groq/compound
• groq/compound-mini

OpenAI

• gpt-4o (Padrão)
• gpt-3.5-turbo

📊 Monitoramento de Custos

O projeto inclui integração com AgentOps para monitoramento automático de custos de LLM:

• Inicialização automática quando AGENTOPS_API_KEY está configurada
• Monitoramento transparente de todas as chamadas para APIs
• Dashboard web para visualização de custos e métricas
• Logs locais para análise offline

Para mais detalhes, consulte docs/agentops_monitoramento.md.

🔧 Desenvolvimento

Estrutura de Validação

• Schemas Pydantic para validação de estrutura
• Validadores de negócio para regras específicas
• Extração de JSON robusta com fallbacks

Configuração de LLM

• Configuração centralizada em models/llm_config.py
• Suporte a múltiplos provedores (OpenAI, Groq)
• Configurações otimizadas para cada modelo

Documentação

• Docstrings padronizadas em todos os módulos
• Comentários objetivos e informativos
• Exemplos de uso nos CLIs

📈 Próximos Passos

• Integração com mais provedores de LLM
• Interface web para os agentes
• Sistema de cache para otimização
• Métricas avançadas de performance
• Integração com bases de dados de cursos

🤝 Contribuição

1. Fork o projeto
2. Crie uma branch para sua feature
3. Commit suas mudanças
4. Push para a branch
5. Abra um Pull Request

📄 Licença

Este projeto está sob a licença MIT. Veja o arquivo LICENSE para mais detalhes.