Llm

Como criar um agente com LLM local de graça e sem depender de APIs

Neste post vamos rodar o modelo Qwen2.5 completamente offline em um Mac de uso pessoal, expô-lo como uma API OpenAI-compatible localmente e construir um agente com LangChain usando tools e saída estruturada sem gastar um centavo

Fellipe Gomes

9 minute read

Agente LLM local rodando Qwen2.5 com LangChain em Apple Silicon <p>Nos últimos anos, o mundo dos modelos de linguagem de grande porte (LLMs) deixou de ser um território exclusivo das gigantes americanas. Uma leva de modelos open-weight de origem chinesa como o <a href="https://huggingface.co/Qwen">Qwen</a> (Alibaba), o <a href="https://huggingface.co/deepseek-ai">DeepSeek</a> e o <a href="https://huggingface.co/01-ai">Yi</a> chegaram com qualidade surpreendente e, mais importante, com pesos disponíveis publicamente. Li sobre alguns deles em <a…

Construindo uma Equipe Multiagente de IA para Análise do Mercado Bitcoin

Neste post, exploramos a criação de uma equipe de agentes de IA usando Python, LangChain, LangGraph e LangSmith para automatizar e monitorar a análise do mercado de Bitcoin, desde a coleta de dados até a geração de relatórios automatizados.

Fellipe Gomes

12 minute read

Equipe de agentes IA analisando dados do Bitcoin em interface holográfica <p>O cenário do bitcoin sempre foi meio intrigante. Foi lançado há 16 anos mas até hoje ninguém sabe ao certo quem está por trás do projeto — o criador, conhecido apenas pelo pseudônimo Satoshi Nakamoto, <strong>nunca revelou sua identidade</strong>. Além disso o bitcoin foi a <a…

Extração de informações de imagens com IA Generativa

Neste post, exploraremos como utilizar o modelo Llava para gerar rótulos descritivos de imagens, usando dados do conjunto COCO-2017.

Fellipe Gomes

12 minute read

Extração de informações de imagens com GenAI com o modelo Llava <p>GenAI refere-se a modelos de inteligência artificial capazes de gerar conteúdo novo e criativo a partir de dados de entrada. Seu uso está revolucionando a maneira como processamos dados não estruturados, como imagens, áudios, textos, vídeos, etc. Trabalhar com modelos pré-treinados (i.e., que já foram treinados com grandes conjuntos de dados) e adaptá-los para necessidades específicas tem sido um divisor de águas.</p>

Detecção de Linguagem Tóxica com o LLM Gemma e LangChain

Neste post utilizaremos o modelo Gemma de IA generativa do Google com framework LangChain auxiliando na tarefa de prompt engineering

Fellipe Gomes

8 minute read

Detecção de Linguagem Tóxica com GenAI LLM Gemma do Google e framework Langchain <p>Neste post, realizaremos a tarefa de detecção de linguagem tóxica em mídias sociais usando o modelo <a href="https://ai.google.dev/gemma?hl=pt-br">Gemma</a> de IA generativa do Google com o framework <a href="https://www.langchain.com/">LangChain</a>. Vamos explorar como o texto de entrada afeta a saída do modelo e faremos alguma engenharia de prompts para direcioná-lo à tarefa necessária.</p>

Análise de Sentimentos com um "ChatGPT" de Código Aberto

Como executar localmente o LLM pré-treinado de código aberto Llama2 para realizar uma análise de sentimentos em Python

Fellipe Gomes

19 minute read

Pipeline de análise de sentimentos usando o LLM Llama2 rodando localmente em Python <p>Compreender os sentimentos por trás de grandes volumes de texto tornou-se essencial, pois em um mundo cada vez mais digitalizado, a capacidade de compreender as respostas e emoções em larga escala das pessoas diante de produtos, eventos ou tópicos específicos não é apenas valiosa por fornecer insights, mas também se tornou uma necessidade para alavancar negócios e tornar-se cada vez mais competitivo.</p>
Politica de Privacidade | Termos de Uso