image

Acesse bootcamps ilimitados e +750 cursos pra sempre

75
%OFF
Article image

H

HanzBrito19/11/2026 10:13
Compartilhe

Criando uma Equipe de Professores com Agentes de IA usando CrewAI e Ollama no Google Colab

    Digitar o código à mão, entender cada parte e usar a IA como apoio (e não como substituta) é uma das melhores formas de aprender a programar. E vale reconhecer o que você já construiu: um time de três agentes de IA, cada um com seu papel, objetivo e tarefa, rodando localmente com Ollama. Isso não é pouca coisa.
    #####################################################################################################
    import os
    import nest_asyncio
    from crewai import Agent, Task, Crew, Process, LLM
    
    # Aplica o nest_asyncio para evitar o RuntimeError de loop de eventos assíncronos no notebook
    nest_asyncio.apply()
    
    # ==========================================
    # CONFIGURAÇÃO DO MODELO DE INTELIGÊNCIA ARTIFICIAL
    # ==========================================
    
    llm = LLM(
    model="ollama/llama3.2",
    base_url="http://localhost:11434"
    )
    
    # Criar pasta para armazenar os materiais
    os.makedirs("outputs", exist_ok=True)
    
    
    # ==========================================
    # AGENTE 01 - PROFESSOR DE REDAÇÃO
    # ==========================================
    
    agente_professor_redacao = Agent(
    role="Professor Especialista em Redação e Língua Portuguesa",
    
    goal=(
      "Desenvolver o domínio da língua portuguesa, "
      "aprimorando escrita, interpretação, argumentação e comunicação."
    ),
    
    backstory=(
      "Você é um professor especialista em Redação e Língua Portuguesa, "
      "com sólida formação em gramática, linguística, interpretação textual "
      "e produção escrita. Sua missão é ensinar de maneira profissional, "
      "didática, acessível e progressiva."
    ),
    
    llm=llm,
    verbose=True
    )
    
    
    # ==========================================
    # AGENTE 02 - PROFESSOR DE MATEMÁTICA
    # ==========================================
    
    agente_professor_matematica = Agent(
    role="Professor de Matemática Especialista em Ensino Personalizado",
    
    goal=(
      "Ensinar Matemática de maneira clara e progressiva, "
      "desenvolvendo o raciocínio lógico e a capacidade de resolver problemas."
    ),
    
    backstory=(
      "Você é um professor experiente em Matemática, com profundo "
      "conhecimento dos fundamentos matemáticos e metodologias de ensino. "
      "Transforma conceitos complexos em explicações simples, utilizando "
      "exemplos cotidianos, analogias e exercícios graduais."
    ),
    
    llm=llm,
    verbose=True
    )
    
    
    # ==========================================
    # AGENTE 03 - PROFESSOR DE CIÊNCIAS
    # ==========================================
    
    agente_professor_ciencia = Agent(
    role="Professor Especialista em Ciências",
    
    goal=(
      "Ensinar Ciências de maneira didática, explicando conceitos científicos, "
      "fenômenos naturais, descobertas e avanços tecnológicos."
    ),
    
    backstory=(
      "Você é um professor experiente em Física, Química, Biologia, "
      "Astronomia e Meio Ambiente. Sua missão é transformar assuntos "
      "complexos em explicações simples, utilizando exemplos práticos, "
      "experimentos educativos e analogias."
    ),
    
    llm=llm,
    verbose=True
    )
    
    
    # ==========================================
    # TAREFA 01 - REDAÇÃO
    # ==========================================
    
    tarefa_professor_redacao = Task(
    
    description=(
      "Desenvolva uma aula completa e progressiva de Língua Portuguesa. "
      "Aborde redação, gramática, interpretação textual e comunicação. "
      "Explique os conceitos com clareza e apresente exemplos práticos."
    ),
    
    expected_output=(
      "Um material educacional completo contendo título, objetivos, "
      "introdução, explicações detalhadas, exemplos práticos, exercícios, "
      "questões de interpretação, gabarito comentado e resumo."
    ),
    
    output_file="outputs/aula_redacao.md",
    
    agent=agente_professor_redacao
    )
    
    
    # ==========================================
    # TAREFA 02 - MATEMÁTICA
    # ==========================================
    
    tarefa_professor_matematica = Task(
    
    description=(
      "Desenvolva uma aula completa de Matemática. "
      "Explique os conceitos fundamentais, apresente exemplos resolvidos "
      "passo a passo e desenvolva exercícios progressivos."
    ),
    
    expected_output=(
      "Uma aula organizada contendo introdução, explicação teórica, "
      "fórmulas importantes, exemplos resolvidos, exercícios práticos "
      "e gabarito comentado."
    ),
    
    output_file="outputs/aula_matematica.md",
    
    agent=agente_professor_matematica
    )
    
    
    # ==========================================
    # TAREFA 03 - CIÊNCIAS
    # ==========================================
    
    tarefa_professor_ciencia = Task(
    
    description=(
      "Desenvolva uma aula completa e didática de Ciências. "
      "Explique os conceitos fundamentais, princípios científicos, "
      "fenômenos naturais e aplicações práticas."
    ),
    
    expected_output=(
      "Uma aula completa contendo título, objetivos de aprendizagem, "
      "introdução, explicações científicas, exemplos práticos, "
      "curiosidades, resumo e exercícios com respostas comentadas."
    ),
    
    output_file="outputs/aula_ciencias.md",
    
    agent=agente_professor_ciencia
    )
    
    
    # ==========================================
    # CRIAÇÃO DA EQUIPE
    # ==========================================
    
    equipe = Crew(
    
    agents=[
      agente_professor_redacao,
      agente_professor_matematica,
      agente_professor_ciencia
    ],
    
    tasks=[
      tarefa_professor_redacao,
      tarefa_professor_matematica,
      tarefa_professor_ciencia
    ],
    
    process=Process.sequential,
    
    verbose=True
    )
    
    
    # ==========================================
    # EXECUÇÃO DA EQUIPE ASSÍNCRONA
    # ==========================================
    
    resultado = await equipe.kickoff_async()
    
    print("\n========== RESULTADO FINAL ==========\n")
    
    print(resultado)
    
    ######################################################################################
    
    Compartilhe
    Recomendados para você
    Microsoft - Certificação AI-103
    Neo4j - Certification
    DXC - IA do Zero ao Primeiro Agente
    Comentários (0)