ultima versao

.gitattributes

@@ -1,35 +1,2 @@
-*.7z filter=lfs diff=lfs merge=lfs -text
-*.arrow filter=lfs diff=lfs merge=lfs -text
-*.bin filter=lfs diff=lfs merge=lfs -text
-*.bz2 filter=lfs diff=lfs merge=lfs -text
-*.ckpt filter=lfs diff=lfs merge=lfs -text
-*.ftz filter=lfs diff=lfs merge=lfs -text
-*.gz filter=lfs diff=lfs merge=lfs -text
-*.h5 filter=lfs diff=lfs merge=lfs -text
-*.joblib filter=lfs diff=lfs merge=lfs -text
-*.lfs.* filter=lfs diff=lfs merge=lfs -text
-*.mlmodel filter=lfs diff=lfs merge=lfs -text
-*.model filter=lfs diff=lfs merge=lfs -text
-*.msgpack filter=lfs diff=lfs merge=lfs -text
-*.npy filter=lfs diff=lfs merge=lfs -text
-*.npz filter=lfs diff=lfs merge=lfs -text
-*.onnx filter=lfs diff=lfs merge=lfs -text
-*.ot filter=lfs diff=lfs merge=lfs -text
-*.parquet filter=lfs diff=lfs merge=lfs -text
-*.pb filter=lfs diff=lfs merge=lfs -text
-*.pickle filter=lfs diff=lfs merge=lfs -text
-*.pkl filter=lfs diff=lfs merge=lfs -text
-*.pt filter=lfs diff=lfs merge=lfs -text
-*.pth filter=lfs diff=lfs merge=lfs -text
-*.rar filter=lfs diff=lfs merge=lfs -text
-*.safetensors filter=lfs diff=lfs merge=lfs -text
-saved_model/**/* filter=lfs diff=lfs merge=lfs -text
-*.tar.* filter=lfs diff=lfs merge=lfs -text
-*.tar filter=lfs diff=lfs merge=lfs -text
-*.tflite filter=lfs diff=lfs merge=lfs -text
-*.tgz filter=lfs diff=lfs merge=lfs -text
-*.wasm filter=lfs diff=lfs merge=lfs -text
-*.xz filter=lfs diff=lfs merge=lfs -text
-*.zip filter=lfs diff=lfs merge=lfs -text
-*.zst filter=lfs diff=lfs merge=lfs -text
-*tfevents* filter=lfs diff=lfs merge=lfs -text
+# Auto detect text files and perform LF normalization
+* text=auto

.gitignore

@@ -0,0 +1,3 @@
+.venv
+__pycache__
+**/__pycache__

LICENSE

@@ -0,0 +1,21 @@
+MIT License
+
+Copyright (c) 2025 Kleber Galvao Filho
+
+Permission is hereby granted, free of charge, to any person obtaining a copy
+of this software and associated documentation files (the "Software"), to deal
+in the Software without restriction, including without limitation the rights
+to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
+copies of the Software, and to permit persons to whom the Software is
+furnished to do so, subject to the following conditions:
+
+The above copyright notice and this permission notice shall be included in all
+copies or substantial portions of the Software.
+
+THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
+IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
+FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
+AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
+LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
+OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE
+SOFTWARE.

README.md

@@ -1,12 +1,29 @@
----
-title: Agente Inteligente Video
-emoji: 💬
-colorFrom: yellow
-colorTo: purple
-sdk: gradio
-sdk_version: 5.0.1
-app_file: app.py
-pinned: false
----
-
-An example chatbot using [Gradio](https://gradio.app), [`huggingface_hub`](https://huggingface.co/docs/huggingface_hub/v0.22.2/en/index), and the [Hugging Face Inference API](https://huggingface.co/docs/api-inference/index).
+# Agentes Inteligentes – Plataforma CREWAI
+
+Este repositório tem como objetivo o desenvolvimento de uma aplicação baseada em agentes inteligentes utilizando a plataforma CREWAI. O projeto consiste na criação de três agentes que auxiliarão alunos no processo de aprendizado, fornecendo planos de estudo personalizados, conteúdos relevantes e mensagens motivacionais.
+
+## 📌 Objetivos do Projeto
+
+O projeto visa explorar a construção de agentes inteligentes que interagem de forma autônoma para melhorar a experiência de estudo dos alunos. Cada agente desempenha um papel específico para tornar o aprendizado mais eficiente e motivador.
+
+### 🧠 Agentes Inteligentes Desenvolvidos
+
+1. **Coordenador de Estudos**  
+   📚 Responsável por criar um plano de estudos personalizado para o aluno, considerando suas dificuldades em determinadas disciplinas.
+
+2. **Especialista em Conteúdo**  
+   🔍 Pesquisará vídeos no YouTube sobre o assunto estudado e retornará os mais relevantes, garantindo materiais de qualidade para o aprendizado.
+
+3. **Motivador**  
+   💡 Enviará mensagens motivacionais para incentivar o aluno a manter o foco e a disciplina nos estudos.
+
+## 📖 Como Funciona o Projeto
+
+1. O aluno informa a disciplina e suas dificuldades.  
+2. O **Coordenador de Estudos** cria um plano de estudos personalizado.  
+3. O **Especialista em Conteúdo** pesquisa vídeos no YouTube sobre o assunto.  
+4. O **Motivador** envia mensagens motivacionais ao aluno.  
+
+Essa abordagem permite que o estudante tenha um direcionamento claro, materiais de apoio e incentivo durante seu processo de aprendizado.
+
+

agentes/coachMotivador.py

@@ -0,0 +1,12 @@
+from crewai import Agent
+from uteis.groq_api import grocllm
+
+
+def chamaCoach():
+
+    return Agent(
+        role='Motivador',
+        goal='Escrever uma mensagem motivacional para o estudante.',
+        backstory='Você é um coach motivacional com experiência em ajudar estudantes a manterem o foco.',
+        llm=grocllm
+    )

agentes/coordenadorEstudos.py

@@ -0,0 +1,16 @@
+from crewai import Agent
+from uteis.groq_api import grocllm
+
+
+def chamaCoordenador(solicitacao):
+    
+    disciplina = solicitacao['disciplina']
+    assunto = solicitacao['assunto']
+    topicos = ', '.join(solicitacao['topicos'])
+
+    return Agent(
+        role='Coordenador de Estudos',
+        goal=f'Sua tarefa é criar um plano de estudo estruturado com base nas seguintes informações: Disciplina: {disciplina}, Assunto: {assunto}, Tópicos: {topicos}',
+        backstory='Você é um especialista em educação com experiência em criar planos de estudos eficientes.',
+        llm=grocllm
+    )

agentes/especialistaMaterial.py

@@ -0,0 +1,16 @@
+from crewai import Agent
+from uteis.groq_api import grocllm
+
+
+def chamaEspecialista(solicitacao):
+    
+    disciplina = solicitacao['disciplina']
+    assunto = solicitacao['assunto']
+    topicos = ', '.join(solicitacao['topicos'])
+
+    return Agent(
+        role='Coordenador de Estudos',
+        goal=f'Sua tarefa é pesquisar no Youtube por vídeos que explique as Disciplina: {disciplina} sobre o Assunto: {assunto} e seus Tópicos: {topicos}',
+        backstory='Você é um especialista em educação com experiência em criar planos de estudos eficientes.',
+        llm=grocllm
+    )

app.py

@@ -1,64 +1,42 @@
+from equipe import formarEquipe
 import gradio as gr
-from huggingface_hub import InferenceClient
-
-"""
-For more information on `huggingface_hub` Inference API support, please check the docs: https://huggingface.co/docs/huggingface_hub/v0.22.2/en/guides/inference
-"""
-client = InferenceClient("HuggingFaceH4/zephyr-7b-beta")
-
-
-def respond(
-    message,
-    history: list[tuple[str, str]],
-    system_message,
-    max_tokens,
-    temperature,
-    top_p,
-):
-    messages = [{"role": "system", "content": system_message}]
-
-    for val in history:
-        if val[0]:
-            messages.append({"role": "user", "content": val[0]})
-        if val[1]:
-            messages.append({"role": "assistant", "content": val[1]})
-
-    messages.append({"role": "user", "content": message})
-
-    response = ""
-
-    for message in client.chat_completion(
-        messages,
-        max_tokens=max_tokens,
-        stream=True,
-        temperature=temperature,
-        top_p=top_p,
-    ):
-        token = message.choices[0].delta.content
-
-        response += token
-        yield response
-
-
-"""
-For information on how to customize the ChatInterface, peruse the gradio docs: https://www.gradio.app/docs/chatinterface
-"""
-demo = gr.ChatInterface(
-    respond,
-    additional_inputs=[
-        gr.Textbox(value="You are a friendly Chatbot.", label="System message"),
-        gr.Slider(minimum=1, maximum=2048, value=512, step=1, label="Max new tokens"),
-        gr.Slider(minimum=0.1, maximum=4.0, value=0.7, step=0.1, label="Temperature"),
-        gr.Slider(
-            minimum=0.1,
-            maximum=1.0,
-            value=0.95,
-            step=0.05,
-            label="Top-p (nucleus sampling)",
-        ),
-    ],
-)
 
+solicitacao = {
+    "disciplina": "Matemática",
+    "assunto": "Funções",
+    "topicos": ["Função quadrática", "Função exponencial", "Função logarítmica"]
+}
+
+def executar_equipe(solicitacao):
+    equipe = formarEquipe(solicitacao)  # Aqui, solicitacao precisa ser um dicionário válido
+    resultado = equipe.kickoff()
+    return resultado
+
+def gradio_interface(disciplina, assunto, topicos):
+    solicitacao = {
+        "disciplina": disciplina,
+        "assunto": assunto,
+        "topicos": topicos.split(", ")
+    }
+    return executar_equipe(solicitacao)
 
 if __name__ == "__main__":
-    demo.launch()
+    iface = gr.Interface(
+        fn=gradio_interface,
+        inputs=[
+            gr.Textbox(label="Disciplina"),
+            gr.Textbox(label="Assunto"),
+            gr.Textbox(label="Tópicos (separados por vírgula)")
+        ],
+        outputs=gr.Textbox(label="Plano de estudo"),
+        title="Plano de estudos com vídeo e motivacional",
+        description="Criador de plano de estudos com Mensagem motivacional e Lista de vídeos com três agentes (falta adicionar o recurso dos vídeos).",
+        examples=[
+            ["Matemática", "Funções", "Função quadrática, Função exponencial, Função logarítmica"],
+            ["História", "Revolução Francesa", "Causas, Eventos principais, Consequências"],
+            ["Biologia", "Genética", "DNA, RNA, Hereditariedade"]
+        ],
+        flagging_options=[], 
+        css="footer{display:none !important}"
+    )
+    iface.launch()

equipe.py

@@ -0,0 +1,32 @@
+from crewai import Crew
+
+#Chamando os agentes
+from agentes.coordenadorEstudos import chamaCoordenador
+from agentes.especialistaMaterial import chamaEspecialista
+from agentes.coachMotivador import chamaCoach
+
+#Chamando as tarefas dos agentes
+from tarefas.tarefa_coordenadorEstudos import tarefaCoordenador
+from tarefas.tarefa_especialistaMaterial import tarefaEspecialista
+from tarefas.tarefa_coachMotivador import tarefaCoach
+
+def formarEquipe(solicitacao):
+    # Criando agentes
+    coordenador = chamaCoordenador(solicitacao)
+    especialista = chamaEspecialista(solicitacao)
+    motivador = chamaCoach()
+        
+    # Criando tarefas
+    tarefa_coordenador = tarefaCoordenador(solicitacao, coordenador)
+    tarefa_especialista = tarefaEspecialista(solicitacao, especialista)
+    tarefa_motivador = tarefaCoach(motivador)
+
+    # Criando a equipe
+    equipe = Crew(
+        name='Coordenação de Estudos Especializado',
+        description='Uma equipe de especialistas em educação para ajudar estudantes a manterem o foco nos estudos.',
+        members=[coordenador, especialista, motivador],
+        tasks=[tarefa_coordenador, tarefa_especialista, tarefa_motivador]
+    )
+
+    return equipe

requirements.txt

@@ -1 +1,6 @@
-huggingface_hub==0.25.2
+crewai 
+crewai-tools 
+openai 
+groq 
+python-dotenv
+gradio

tarefas/tarefa_coachMotivador.py

@@ -0,0 +1,9 @@
+from crewai import Task
+
+def tarefaCoach(agente):
+
+    return Task(
+        description='Escrever uma mensagem motivacional para o estudante.',
+        agent=agente,
+        expected_output='Mensagem motivacional.'
+    )

tarefas/tarefa_coordenadorEstudos.py

@@ -0,0 +1,12 @@
+from crewai import Task
+
+def tarefaCoordenador(solicitacao, agente):
+    disciplina = solicitacao['disciplina']
+    assunto = solicitacao['assunto']
+    topicos = ', '.join(solicitacao['topicos'])
+
+    return Task(
+        description=f'Criar um plano de estudo estruturado com base nas seguintes informações: Disciplina: {disciplina}, Assunto: {assunto}, Tópicos: {topicos}.',
+        agent=agente,
+        expected_output='Plano de estudos personalizado.'
+    )

tarefas/tarefa_especialistaMaterial.py

@@ -0,0 +1,12 @@
+from crewai import Task
+
+def tarefaEspecialista(solicitacao, agente):
+    disciplina = solicitacao['disciplina']
+    assunto = solicitacao['assunto']
+    topicos = ', '.join(solicitacao['topicos'])
+
+    return Task(
+        description=f'Pesquisar no Youtube por vídeos que explique as Disciplina: {disciplina} sobre o Assunto: {assunto} e seus Tópicos: {topicos}',
+        agent=agente,
+        expected_output='Lista de vídeos relacionados ao assunto.'
+    )

uteis/groq_api.py

@@ -0,0 +1,10 @@
+import os
+from crewai import LLM
+
+#ROQ_API = os.environ.get("GROQ_API_KEY")
+grocllm = LLM(
+    model="groq/llama-3.3-70b-versatile",
+    temperature=0.7,
+    max_tokens=1024,
+    top_p=0.9
+)