<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>LangGraph on matheuskid@portifolio:-$</title><link>https://matheuskid.github.io/portifolio/tags/langgraph/</link><description>Recent content in LangGraph on matheuskid@portifolio:-$</description><generator>Hugo</generator><language>pt-br</language><lastBuildDate>Thu, 16 Apr 2026 00:00:00 +0000</lastBuildDate><atom:link href="https://matheuskid.github.io/portifolio/tags/langgraph/index.xml" rel="self" type="application/rss+xml"/><item><title>InfoDev - RAG Multiagente para Engenharia de Software</title><link>https://matheuskid.github.io/portifolio/posts/infodev/infodev/</link><pubDate>Thu, 16 Apr 2026 00:00:00 +0000</pubDate><guid>https://matheuskid.github.io/portifolio/posts/infodev/infodev/</guid><description>&lt;p&gt;O &lt;kbd&gt;InfoDev&lt;/kbd&gt; é um sistema de busca e recuperação de informações projetado para ambientes de desenvolvimento de software. Utilizando uma arquitetura de &lt;abbr title="Retrieval-Augmented Generation"&gt;RAG&lt;/abbr&gt; multiagente, o sistema é capaz de navegar por fontes de informações heterogêneas para fornecer respostas precisas sobre o projeto de software.&lt;/p&gt;
&lt;hr&gt;
&lt;blockquote&gt;
&lt;p&gt;Alguma vez você já olhou para o código e estranhou uma lógica que nunca viu antes? O &lt;kbd&gt;InfoDev&lt;/kbd&gt; te ajuda! Ele relaciona aquela lógica com alguma task que a descreveu (ou até mesmo algum e-mail ou mensagem se for algo mais informal!) e retorna todas as informações pra você, promovendo rastreamento e relacionamento de informações!&lt;/p&gt;</description></item><item><title>RAG Multi-Agente para Conhecimento Organizacional</title><link>https://matheuskid.github.io/portifolio/posts/rag-multiagente/rag-multiagente/</link><pubDate>Tue, 01 Jul 2025 00:00:00 +0000</pubDate><guid>https://matheuskid.github.io/portifolio/posts/rag-multiagente/rag-multiagente/</guid><description>&lt;p&gt;Sistemas de busca tradicionais muitas vezes falham em extrair informações precisas de documentos corporativos longos. Este artigo propõe uma arquitetura &lt;abbr title="Retrieval-Augmented Generation"&gt;RAG&lt;/abbr&gt; multi-agente para resolver esse problema.&lt;/p&gt;
&lt;hr&gt;
&lt;h3 id="implementação"&gt;Implementação&lt;/h3&gt;
&lt;ul&gt;
&lt;li&gt;&lt;kbd&gt;Orquestração&lt;/kbd&gt;: &lt;strong&gt;LangGraph&lt;/strong&gt; + &lt;strong&gt;LangChain&lt;/strong&gt; foi utilizado para gerenciar o fluxo de trabalho e a comunicação entre agentes especializados;&lt;/li&gt;
&lt;li&gt;&lt;kbd&gt;Embeddings&lt;/kbd&gt;: Implementação de banco de dados vetorial com &lt;strong&gt;ChromaDB&lt;/strong&gt; e modelos &lt;strong&gt;MistralAI&lt;/strong&gt;;&lt;/li&gt;
&lt;li&gt;&lt;kbd&gt;LLM&lt;/kbd&gt;: Uso do modelo &lt;strong&gt;Llama3&lt;/strong&gt; com regras internas para mitigar alucinações e garantir a relevância das respostas.&lt;/li&gt;
&lt;/ul&gt;
&lt;hr&gt;
&lt;p&gt;Este
&lt;a href="https://sol.sbc.org.br/index.php/wesaac/article/view/37548" target="_blank" rel="noopener noreferrer"&gt;artigo&lt;/a&gt;
foi escrito em conjunto com &lt;a href="https://www.linkedin.com/in/guimoretti/" target="_blank" rel="noopener noreferrer"&gt;Guilherme Moretti&lt;/a&gt; e &lt;a href="https://www.linkedin.com/in/kalmax-sousa/" target="_blank" rel="noopener noreferrer"&gt;Kalmax Sousa&lt;/a&gt;
para o XIX &lt;a href="https://sol.sbc.org.br/index.php/wesaac" target="_blank" rel="noopener noreferrer"&gt;WESAAC&lt;/a&gt;;&lt;/p&gt;</description></item></channel></rss>