image

Access unlimited bootcamps and 750+ courses forever

75
%OFF
Article image

H

HanzBrito19/11/2026 10:13
Share

Criando uma Equipe de Professores com Agentes de IA usando CrewAI e Ollama

  • #Agentes de IA
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)

######################################################################################
Share
Recommended for you
Microsoft - Certificação AI-103
Neo4j - Certification
DXC - IA do Zero ao Primeiro Agente
Comments (0)