Desenvolvedor Python 1

1. Objetivo da Prova

Esta prova prática avalia sua capacidade de construir uma aplicação de IA complexa utilizando ferramentas modernas. O foco é na sua habilidade de orquestrar componentes com o LangChain, interagir com o Google Gemini e, principalmente, projetar e implementar um Agente de IA que utiliza múltiplas ferramentas para resolver problemas.

---

2. Cenário

Você faz parte da equipe de IA da "InovaTech Ltda." e foi desafiado a criar um "Assistente Virtual Inteligente". Diferente de um simples chatbot, este assistente deve ser capaz de raciocinar e decidir qual ferramenta usar para responder às perguntas dos usuários.

Ele terá três principais capacidades:

1. Responder perguntas internas sobre a empresa (usando RAG).
2. Buscar informações em tempo real na web.
3. Realizar cálculos matemáticos simples.

Para isso, você implementará um Agente de IA usando o framework LangChain.

---

3. Requisitos Funcionais

Você deve criar um projeto em Python que atenda aos seguintes requisitos:

1. Setup do Projeto:

   • Crie um repositório Git para o seu projeto.
   • Inicialize um ambiente virtual (venv).
   • Crie um arquivo requirements.txt com as dependências necessárias.
   • Configure um arquivo .env para armazenar sua chave de API do Google Gemini de forma segura.

2. Configuração do LLM e do Ambiente:

   • Instancie o modelo de linguagem Google Gemini através da integração do LangChain.
   • Carregue a chave de API a partir das variáveis de ambiente.

3. Criação da Base de Conhecimento RAG (Ferramenta 1):

   • Use os componentes do LangChain para carregar o arquivo conhecimento.txt.
   • Divida o texto em blocos (chunks) de forma eficiente.
   • Crie uma base vetorial em memória (usando FAISS ou similar) com os embeddings do Gemini.
   • Transforme essa base vetorial em uma ferramenta de recuperação (retriever tool) que o agente possa usar.

4. Criação das Ferramentas do Agente (Tools):

   • Ferramenta 2 (Busca na Web): Integre uma ferramenta de busca da web do LangChain (ex: DuckDuckGoSearchRun) para permitir que o agente procure informações que não estão na base interna.
   • Ferramenta 3 (Calculadora): Crie uma ferramenta personalizada (custom tool) que o agente possa usar para realizar operações matemáticas simples (soma, subtração, etc.). Dica: use o decorador @tool do LangChain.

5. Implementação do Agente:

   • Crie um prompt para o agente. Este prompt é crucial: ele deve informar ao agente quem ele é, quais ferramentas ele tem à disposição e como usá-las para responder aos usuários.
   • Instancie o agente, fornecendo o LLM (Gemini), a lista de ferramentas e o prompt.
   • Crie um AgentExecutor para orquestrar a execução do agente.

6. Interface de Usuário:

   • Crie um loop de linha de comando onde o usuário pode fazer perguntas.
   • O programa deve invocar o agente para processar a pergunta e retornar a resposta.
   • Importante: Configure o executor para exibir o "raciocínio" do agente (os passos intermediários que ele toma para chegar à resposta). Isso é fundamental para a avaliação.

---

4. Dados Fornecidos

Crie um arquivo chamado conhecimento.txt no seu projeto com o seguinte conteúdo:

InovaTech Ltda. é uma empresa de tecnologia fundada em 2018 por Ana Silva e Carlos Souza. A nossa sede está localizada em São Paulo, e nossa missão é revolucionar o mercado de software com soluções baseadas em inteligência artificial.

Nosso principal produto é o "Sistema Omega", uma plataforma de automação de processos de negócios que utiliza IA para otimizar tarefas repetitivas. O Sistema Omega já ajudou mais de 200 clientes a aumentar sua produtividade em até 40%.

Além do Sistema Omega, desenvolvemos o "Data Insights", uma ferramenta de análise de dados que cria relatórios automáticos e dashboards interativos. Ele é conhecido por sua interface intuitiva e por se integrar com diversas fontes de dados, como planilhas e bancos de dados SQL.

A cultura da InovaTech é baseada em colaboração, inovação e aprendizado contínuo. Acreditamos que a melhor forma de crescer é como um time, e por isso incentivamos a troca de conhecimento e a experimentação de novas tecnologias.

---

5. Ferramentas e Bibliotecas Sugeridas

• langchain
• langchain-google-genai (para integração com o Gemini)
• langchain-community (para ferramentas como busca)
• faiss-cpu (para a base vetorial)
• python-dotenv (para gerenciar variáveis de ambiente)
• google-generativeai (dependência principal da API)

---

6. Critérios de Avaliação

Seu projeto será avaliado com base nos seguintes critérios:

• Funcionalidade do Agente (40%): O agente funciona corretamente? Ele escolhe a ferramenta certa para cada pergunta? (Ex: "Quem fundou a InovaTech?" -> usa RAG; "Qual a temperatura em Paris?" -> usa busca; "Quanto é 25 vezes 4?" -> usa calculadora).
• Uso Correto do LangChain (30%): Você demonstrou proficiência no uso das abstrações do LangChain? (LLMs, Text Loaders, Splitters, Vector Stores, Tools, Agent Executor).
• Lógica do Agente e Prompt (20%): O prompt do agente é claro e eficaz? A estrutura das ferramentas personalizadas está correta? Fica evidente que você entende o ciclo de raciocínio (Thought -> Action -> Observation) do agente?
• Qualidade e Estrutura do Código (10%): O código é limpo, legível e bem organizado? O README.md é claro e o projeto segue boas práticas (.env, .gitignore)?

---

7. Instruções de Entrega

1. Ao finalizar, submeta seu projeto em um repositório Git público (GitHub, GitLab, etc.).
2. NUNCA envie suas chaves de API no repositório! O arquivo .env deve estar no .gitignore.
3. Inclua um arquivo README.md com:
   • Uma breve descrição do projeto.
   • Instruções passo a passo para configurar o ambiente (criar o .env com a chave GOOGLE_API_KEY).
   • Como instalar as dependências (pip install -r requirements.txt).
   • Como executar o script principal.
4. Envie o link do repositório para o avaliador.

---

8. Dicas e Considerações

• Foque no Raciocínio: A parte mais importante de um agente é ver como ele "pensa". Use a opção verbose=True no AgentExecutor para imprimir os passos intermediários no terminal.
• Comece pelas Ferramentas: Construa e teste cada ferramenta (RAG, busca, calculadora) individualmente antes de tentar integrá-las ao agente.
• O Prompt é Rei: Um bom prompt pode fazer toda a diferença. Seja explícito sobre as capacidades e limitações de cada ferramenta no prompt do agente.
• Tratamento de Erros: Pense em como o agente deve se comportar se uma ferramenta falhar ou se uma pergunta estiver fora do escopo.

Boa sorte! Mostre sua capacidade de construir soluções de IA inteligentes e autônomas.