RAG e Conhecimento ·Médio

Agentic RAG com LangGraph: Pesquisa de Blogs AI

A Pesquisa de Blogs AI é uma aplicação Agentic RAG projetada para melhorar a recuperação de informações de posts de blogs relacionados com IA, utilizando LangChain, LangGraph e o modelo Gemini da Google.

Código aberto completo
Explicado em português

Ficha técnica

Categoria: RAG e Conhecimento
Dificuldade: Médio
Modelos: Gemini
Frameworks: LangChain
Corre local?: Precisa de APIs cloud
Chaves necessárias: Nenhuma

Licença Apache-2.0 · conteúdo curado, traduzido e mantido pelo Doutor AI.

Tutorial completo

Visão Geral

A Pesquisa de Blogs de IA é uma aplicação Agentic RAG projetada para melhorar a recuperação de informações de publicações de blogs relacionadas com IA. Este sistema utiliza LangChain, LangGraph e o modelo Gemini da Google para buscar, processar e analisar o conteúdo dos blogs, fornecendo aos utilizadores respostas precisas e contextualmente relevantes.

Fluxo de Trabalho do LangGraph

Demonstração

https://github.com/user-attachments/assets/cee07380-d3dc-45f4-ad26-7d944ba9c32b

Funcionalidades

Recuperação de Documentos: Utiliza o Qdrant como uma base de dados vetorial para armazenar e recuperar conteúdo de blogs com base em embeddings.
Processamento de Consultas Agentic: Utiliza um agente baseado em IA para determinar se uma consulta deve ser reescrita, respondida ou requer mais recuperação.
Avaliação de Relevância: Implementa um sistema automatizado de classificação de relevância utilizando o modelo Gemini da Google.
Refinamento de Consultas: Melhora consultas mal estruturadas para melhores resultados de recuperação.
Interface Streamlit: Fornece uma interface amigável para introduzir URLs de blogs, consultas e recuperar respostas perspicazes.
Fluxo de Trabalho Baseado em Gráficos: Implementa um gráfico de estado estruturado utilizando LangGraph para uma tomada de decisão eficiente.

Tecnologias Utilizadas

Linguagem de Programação: Python 3.10+
Framework: LangChain e LangGraph
Base de Dados: Qdrant
Modelos:
Embeddings: Google Gemini API (embedding-001)
Chat: Google Gemini API (gemini-2.0-flash)
Carregador de Blogs: Langchain WebBaseLoader
Divisor de Documentos: RecursiveCharacterTextSplitter
Interface do Utilizador (UI): Streamlit

Requisitos

Instalar Dependências:

   pip install -r requirements.txt

Executa a Aplicação:

   streamlit run app.py

Usa a Aplicação:

Cola a tua Google API Key na barra lateral.
Cola o link do blog.
Introduz a tua pergunta sobre o post do blog.

:mailbox: Conecta-te Comigo

Da mesma categoria

RAG e ConhecimentoMédio

Gemma de Embedding Agentic Rag

Esta aplicação Streamlit demonstra um Agente de Geração Aumentada por Recuperação (RAG) agentic utilizando o EmbeddingGemma do Google para embeddings …

Llama
local

RAG e ConhecimentoMédio

RAG Agentic com GPT-5

Uma aplicação RAG agentic construída com o framework Agno, apresentando GPT-5 e LanceDB para recuperação eficiente de conhecimento e resposta a pergun…

OpenAI

RAG e ConhecimentoMédio

Agente Tutor de Matemática – RAG Agentic com Ciclo de Feedback

Arquitetura de Fluxo.

OpenAI
Llama

Precisa de uma solução à medida?

Não sabe por onde começar a usar IA no seu negócio? Receba uma avaliação gratuita e um plano à medida - sem compromisso.

Poupe horas todas as semanas com IA, sem complicações

O Doutor AI dá-lhe 1859 prompts de IA prontos a copiar, por indústria e em português simples - mais uma biblioteca técnica completa para quem quer ir mais longe.

Ver planos