Ótimo conteúdo! Uma dica para conseguir reduzir os custos de API é utilizar um sistema de RPA. LLM tbm acaba exigindo um hardware um pouco mais elevado, coisa que para muitos ainda é inacessível. RPA pode acabar levando apenas um pouco mais de tempo para executar determinadas tarefas, mas ainda sim é algo muito favorável.
muito top mano, valeu pelo excelente conteúdo! Tô aplicando idéias desses agentes para adaptar para minha agência de tráfego pago, como sou ainda "eugência", esses agentes de i.a irão me ajudar demais kk
cara, eu to brincando no crewai faz tempo, consegui desenvolver ferramentas em python e atribuí-las aos agentes, implementei um processo de machine learning com dados climáticos, ficou um trambolho de código e tava gastando creditos da api absurdamente... E tudo isso no google colab sem saber programar uma linha, somente usando chatgpt e outros llms rsrs. Só que agora eu queria usar o ollama ao invés do gpt, já li as documentações, já perguntei pro gpt da crewai, perguntei no discord, já fiz macumba e nao consigo usar a porra do ollama ): socorro
Tendo o pacote langchain e o ollama local, basta importar ele >> from langchain_community.llms import Ollama Colocar em uma variável >> llama2 = Ollama(model="llama2") Inserir no agente >> llm=llama2 researcher = Agent( role=f"Senior Researcher", goal=f"Uncover news.", backstory="You're a seasoned researcher with a knack for uncovering the latest news.", verbose=True, llm=llama2 )
![How To Connect Local LLMs to CrewAI [Ollama, Llama2, Mistral]](http://i.ytimg.com/vi/0ai-L50VCYU/mqdefault.jpg)
Ótimo conteúdo! Uma dica para conseguir reduzir os custos de API é utilizar um sistema de RPA. LLM tbm acaba exigindo um hardware um pouco mais elevado, coisa que para muitos ainda é inacessível.
RPA pode acabar levando apenas um pouco mais de tempo para executar determinadas tarefas, mas ainda sim é algo muito favorável.
Sim com certeza
Muito boa!! Único problema é que maioria das ferramentas tem licenças em dólar mas é bom
Continuuaaaaaa mano, salvando a gente.
Tamo junto
Muito boa a sua didática e apresentação. E conteúdo sempre prático e útil. Parabéns!
muito top mano, valeu pelo excelente conteúdo! Tô aplicando idéias desses agentes para adaptar para minha agência de tráfego pago, como sou ainda "eugência", esses agentes de i.a irão me ajudar demais kk
Que bacana Irmão, dps chama no Zap pra trocarmos uma Ideia
brabooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooo
bora monstroooo
excelente conteudo
vlw 👍
o seu curso vai ensinar a criar agentes para egencias, usando eles para vendas e etc... ?
Sim vai te passar toda a base pra criar agents pra qualquer negócio
Parabéns! Vc ja passou por uma situação, onde o mesmo App qdo rodado mais de uma vez ele trás respostas diferentes? Já passei várias vezes por isso.
bom dia
video top
Vlw mano
Qual o link pra comprar o curso,com os agentes?
pay.kiwify.com.br/D7EC4B5
cara, eu to brincando no crewai faz tempo, consegui desenvolver ferramentas em python e atribuí-las aos agentes, implementei um processo de machine learning com dados climáticos, ficou um trambolho de código e tava gastando creditos da api absurdamente... E tudo isso no google colab sem saber programar uma linha, somente usando chatgpt e outros llms rsrs. Só que agora eu queria usar o ollama ao invés do gpt, já li as documentações, já perguntei pro gpt da crewai, perguntei no discord, já fiz macumba e nao consigo usar a porra do ollama ): socorro
Tendo o pacote langchain e o ollama local, basta importar ele >> from langchain_community.llms import Ollama
Colocar em uma variável >> llama2 = Ollama(model="llama2")
Inserir no agente >> llm=llama2
researcher = Agent(
role=f"Senior Researcher",
goal=f"Uncover news.",
backstory="You're a seasoned researcher with a knack for uncovering the latest news.",
verbose=True,
llm=llama2
)
from langchain.chat_models.ollama import ChatOllama
ollama_llm = ChatOllama(
base_url= "localhost:11434",
model= "llama2",
)
my_agent = Agent(
llm= ollama_llm,
.
.
.
)