Tip

🤖 Uma coleção de agentes de IA potencializados por modelos open-source

Agentes e Prototipagem de IA

Esse repo é fruto de uma série de estudos e experimentos com Agentes de IA. Minha intenção é criar protótipos de agentes que utilizam llms e slms, como o deepseek-r1:14b (entre outros), para resolver problemas específicos em diferentes domínios.

Tudo isso roda localmente, utilizando o Ollama como backend para os LLMs. A ideia é explorar como esses agentes podem ser orquestrados para realizar tarefas complexas, utilizando diversos frameworks que facilitam a integração com LLMs de modo geral.

🎮 Agente de apoio a equipe de desenvolvimento de jogos

Orquestra quatro sub-agentes especializados para criar um prototipo para um GDD (Game Design Document) inicial:

• Agente de História: Cria trama, personagens, arcos narrativos e lore.
• Agente de Gameplay: Descreve loops centrais, progressão e sistemas de interação.
• Agente Visual: Define guia de arte, paleta de cores, estilo de animação e som.
• Agente Técnico: Recomenda motores de jogo, arquitetura, marcos e otimizações.

📊 Agente Data Analysis

Interface interativa que permite gerar e executar consultas SQL em datasets (CSV/XLSX) usando linguagem natural:

• Faz upload e pré-processamento básico dos dados (ex: colunas de data).
• Utiliza LangChain e Ollama para entender a pergunta do usuário e gerar uma consulta SQL.
• Executa a consulta em memória usando DuckDB e exibe os resultados.
• Mostra o "processo de pensamento" do LLM para gerar o SQL.

🤝 Agente de CS

Simula um chatbot de suporte com memória e contexto por usuário:

• Gera perfis de clientes sintéticos em JSON para simulação.
• Utiliza FAISS (vector store) para armazenar e recuperar o histórico de interações do cliente, fornecendo contexto ao LLM.
• Mantém o histórico da conversa atual na sessão do Streamlit.

📚 Agente Jurídico de IA

Oferece dois protótipos para análise de documentos jurídicos:

1. Equipe Jurídica de IA: Orquestra três sub-agentes (Pesquisa, Contratos, Estratégia) para analisar um documento PDF sob múltiplas perspectivas.
2. Assistente Jurídico Brasileiro: Implementa um pipeline RAG completo: upload de PDF, OCR (fallback), divisão de texto, vetorização (FAISS), recuperação de contexto e resposta a perguntas sobre o documento.

💪 Agente Planner de Saúde e Fitness

Gera planos personalizados de treino e nutrição com base nas informações do usuário:

• Coleta dados como idade, peso, altura, nível de atividade, objetivos e preferências.
• Calcula IMC e sugere métricas de acompanhamento (calorias, dias de treino).
• Cria rotinas de exercícios detalhadas e sugestões de refeições.
• Exibe o raciocínio científico do LLM em blocos <think>…</think>.

📈 Agente de Equipe Financeira

Conjunto de dois agentes focados em finanças pessoais e de mercado:

1. Analista Financeiro: Coleta dados de ações (usando yfinance), notícias (via web scraping com DuckDuckGo/BeautifulSoup) e fornece uma análise baseada em uma consulta do usuário.
2. Rastreador Financeiro: Permite registrar despesas (manualmente ou via upload de PDF), vetoriza as descrições usando embeddings e armazena em Qdrant (vector store). Possibilita consultas em linguagem natural sobre os gastos e gera insights.

🤖 Agente RAG (Geração Aumentada por Recuperação)

Permite conversar sobre o conteúdo de documentos PDF carregados:

• Processa PDFs: carrega, divide em chunks, gera embeddings (vetores) e indexa no FAISS.
• Quando o usuário faz uma pergunta, busca os trechos mais relevantes (busca semântica) no FAISS.
• Envia a pergunta e os trechos relevantes como contexto para o LLM gerar uma resposta fundamentada.
• Exibe a resposta, as fontes (trechos dos documentos) e o raciocínio interno do LLM.

🎓 Agente de Equipe Educacional

Pipeline multi-agente para criar materiais de estudo sobre um tópico específico:

• Professor: Cria uma base de conhecimento abrangente sobre o tópico.
• Orientador Acadêmico: Desenha um roteiro de aprendizagem estruturado.
• Bibliotecário de Pesquisa: Faz a curadoria de recursos de estudo relevantes com webscrapping (artigos, vídeos, etc.).
• Assistente de Ensino: Cria materiais práticos, como exercícios e exemplos.
• Permite exportar o conteúdo gerado por cada agente para arquivos Markdown.

Alguns outros estudos que venho fazendo em advanced_stuff:

• ⛴️ Um agente que valida templates Helm, verificando sintaxe, segurança e boas práticas usando um esquema de multiagente. O sistema utiliza LLMs locais via Ollama e é orquestrado com a framework AutoGen (AG2). A validação vai além do helm lint e kubeval, abordando aspectos de segurança, otimização de recursos e boas práticas. A interface é construída com Streamlit, permitindo upload de templates e visualização de resultados.

• 🧠 Um sistema multiagente que simula um fluxo de apoio inicial à saúde mental, utilizando LLMs locais via Ollama e a framework AutoGen (AG2). O sistema orquestra três agentes especializados (Avaliação, Ação, Acompanhamento) para gerar um plano de apoio preliminar baseado nas informações do usuário. A interface é construída com Streamlit, permitindo a coleta de dados e a visualização dos resultados.