Agente Local LLM

Este projeto implementa um agente de IA local que usa modelos de linguagem para responder perguntas baseadas em uma base de conhecimento local. O sistema utiliza a biblioteca LangChain para integrar documentos, criar embeddings vetoriais e consultar dados localmente.

Há também 2 testes simples em python puro e outro usando o ollama lib

Estrutura do Projeto

├── venv/                       # Ambiente virtual Python (não versionado)
├── main.py                     # Arquivo principal do projeto
├── restaurant_reviews.csv      # Arquivo com reviews de restaurantes
├── requirements.txt            # Lista de dependências do projeto
└── chroma_langchain_db/        # Banco de dados vetoriais (não versionado)

Requisitos

• Python 3.10+
• Ollama (para modelos locais)
• Dependências listadas em requirements.txt
• Download dos modelos usados:
  • ollama pull mistral
  • ollama pull llama3.2
  • ollama pull mxbai-embed-large

Instalação

1. Clone o repositório:

   git clone [URL_DO_REPOSITÓRIO]
   cd [NOME_DO_REPOSITÓRIO]

2. Crie e ative o ambiente virtual:

   python3 -m venv venv
   source venv/bin/activate  # No Windows: venv\Scripts\activate

3. Instale as dependências:

   pip install -r requirements.txt

Utilização e Banco de Dados Vetorial

Para executar o agente local e criar o banco de dados local com o arquivo csv:

1. Certifique-se de que o arquivo CSV de origem está disponível na pasta raiz.
2. Execute o script principal main.py

python main.py

O sistema carregará o banco de dados vetorial e iniciará a conversa.

Modelos Suportados

O projeto é configurado para trabalhar com:

• Modelos Ollama locais (recomendado para privacidade)