POC Backend com API Fastapi Gemini usando LangChain CSV
Frontend: https://github.com/lyndontavares/poc-fastapi-llm-csv-front
pip install -r requirements.txt
uvicorn main:app --reload --port 8000
fastapi run main.py --port 8000
http://127.0.0.1:8000/docs
Recebe um arquivo ZIP, extrai e concatena todos os CSVs em um DataFrame, e usa o agente LangChain (create_pandas_dataframe_agent) para responder perguntas complexas que exigem manipulação de dados Pandas.
A atividade tem por objetivo criar um ou mais agentes que tornem possível a um usuário realizar perguntas sobre os arquivos CSV disponibilizados.
Por exemplo: Qual é o fornecedor que teve maior montante recebido? Qual item teve maior volume entregue (em quantidade)? E assim por diante.
A solução entregue deverá ter uma interface onde o usuário irá informar sua pergunta e o agente irá gerar a resposta desejada. Para tanto, o agente deverá descompactar os arquivos, selecionar o arquivo desejado, carregar os dados e fazer as queries e gerar a resposta para o usuário. Para construir seus agentes, vocês podem optar por escrever programas em Python ou utilizar ferramentas NoCode/LowCode.
Sugerimos os seguintes frameworks/ferramentas:
- https://autogenhub.github.io/autogen/
- https://ai.pydantic.dev/
- https://www.langchain.com/
- https://www.llamaindex.ai/
- https://www.crewai.com/
- https://n8n.io/
- https://www.langflow.org/
Vocês devem usar pelo menos 1 dos frameworks/ferramentas sugeridos. Ao final de suas atividades, vocês devem gerar um relatório descrevendo:
- A framework escolhida
- Como a solução foi estruturada
- Pelo menos 4 perguntas com as respectivas respostas.
- Link para a pasta do Github contendo os códigos fonte ou um link para acessar seu agente.
- Não se esqueçam de ocultar chaves utilizadas nos softwares.
Não queremos que vocês obtenham as respostas de forma manual utilizando alguma LLM como o ChatGPT. Queremos que o(s) seu(s) agente(s) executem esta tarefa.