-
-
Notifications
You must be signed in to change notification settings - Fork 1.1k
Codex/criar estrutura de pastas para docs/pt br e docs #628
New issue
Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.
By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.
Already on GitHub? Sign in to your account
Changes from all commits
b566299
b20f472
27be8be
f0a8a91
1e382b1
11989af
481e84f
c757b71
5dc0c2a
6292b23
dfa5731
7ffe86d
5b9f295
f05e134
a116dd9
77742c6
93cad56
9fdc9d5
299bf0b
779441a
dadfbd3
f2d88a9
cc1e8a0
02a943a
385b6fe
924da58
91b4f32
85482d2
1869727
03da61d
10f2612
f235d8f
d5982bb
b9287f2
da77de5
8359e95
8973edf
6a93991
55327ca
503e31b
a4b9c86
File filter
Filter by extension
Conversations
Jump to
Diff view
Diff view
There are no files selected for viewing
| Original file line number | Diff line number | Diff line change |
|---|---|---|
|
|
@@ -20,43 +20,49 @@ | |
|
|
||
| </div> | ||
|
|
||
| PraisonAI is a production-ready Multi-AI Agents framework with self-reflection, designed to create AI Agents to automate and solve problems ranging from simple tasks to complex challenges. By integrating PraisonAI Agents, AG2 (Formerly AutoGen), and CrewAI into a low-code solution, it streamlines the building and management of multi-agent LLM systems, emphasising simplicity, customisation, and effective human-agent collaboration. | ||
|
|
||
| PraisonAI is a fork of the original [MervinPraison/PraisonAI](https://github.com/MervinPraison/PraisonAI) project. | ||
| This edition is maintained by [Habdel-Edenfield](https://github.com/Habdel-Edenfield) and aims to be a **learning laboratory** for AI agent development. | ||
| Our goal is to provide clear examples and practical documentation for building multi‑agent systems. | ||
| The repository is under continuous development, with new features being added over time. | ||
|
|
||
| <div align="center"> | ||
| <a href="https://docs.praison.ai"> | ||
| <p align="center"> | ||
| <img src="https://img.shields.io/badge/📚_Documentation-Visit_docs.praison.ai-blue?style=for-the-badge&logo=bookstack&logoColor=white" alt="Documentation" /> | ||
| </p> | ||
| </a> | ||
| - 📄 **YAML Configuration** – [[YAML Guide]](docs/pt-br/03_usando_praisonai/06_configuracoes_yaml.md) | ||
| </div> | ||
|
|
||
| For details in Portuguese, see the [PT-BR documentation](docs/pt-br/README.md). | ||
|
|
||
| ## Key Features | ||
|
|
||
| - 🤖 Automated AI Agents Creation | ||
| - 🔄 Self Reflection AI Agents | ||
| - 🧠 Reasoning AI Agents | ||
| - 👁️ Multi Modal AI Agents | ||
| - 🤝 Multi Agent Collaboration | ||
| - 🎭 AI Agent Workflow | ||
| - 📚 Add Custom Knowledge | ||
| - 🧠 Agents with Short and Long Term Memory | ||
| - 📄 Chat with PDF Agents | ||
| - 💻 Code Interpreter Agents | ||
| - 📚 RAG Agents | ||
| - 🤔 Async & Parallel Processing | ||
| - 🔄 Auto Agents | ||
| - 🔢 Math Agents | ||
| - 🎯 Structured Output Agents | ||
| - 🔗 LangChain Integrated Agents | ||
| - 📞 Callback Agents | ||
| - 🤏 Mini AI Agents | ||
| - 🛠️ 100+ Custom Tools | ||
| - 📄 YAML Configuration | ||
| - 💯 100+ LLM Support | ||
|
|
||
| ## Using Python Code | ||
|
|
||
| Light weight package dedicated for coding: | ||
| - 🤖 **Automated Agent Creation** – [[Quick Guide]](docs/pt-br/03_usando_praisonai/04_criando_seu_primeiro_agente.md) | ||
| - 🔄 **Self‑Reflection Agents** – [[Evaluator/Optimizer]](docs/pt-br/04_workflows_avancados/07_avaliador_otimizador_agentico.md) | ||
| - 🧠 **Reasoning Agents** – [[Autonomous Workflows]](docs/pt-br/04_workflows_avancados/04_workflow_autonomo_agentico.md) | ||
| - 👁️ **Multimodal Agents** – [[Multimodal Agents]](docs/pt-br/04_workflows_avancados/09_agentes_multimodais.md) | ||
| - 🤝 **Multi‑Agent Collaboration** – [[Collaboration Processes]](docs/pt-br/04_workflows_avancados/01_processos_colaboracao_agentes.md) | ||
| - 🎭 **Agent Workflows** – [[Overview]](docs/pt-br/04_workflows_avancados/02_workflow_roteamento_agentico.md) | ||
| - 📚 **Add Custom Knowledge** – [[RAG Concepts]](docs/pt-br/02_conceitos_fundamentais/06_conhecimento_rag.md) | ||
| - 🧠 **Short- and Long‑Term Memory** – [[Memory Concepts]](docs/pt-br/02_conceitos_fundamentais/05_memoria.md) | ||
| - 📄 **Chat with PDFs** – [[RAG Concepts]](docs/pt-br/02_conceitos_fundamentais/06_conhecimento_rag.md#chat-with-pdf-agents) | ||
| - 💻 **Code Interpreter Agents** – [[Code Interpreter Agents]](docs/pt-br/04_workflows_avancados/10_code_interpreter_agents.md) | ||
| - 📚 **RAG Agents** – [[RAG Concepts]](docs/pt-br/02_conceitos_fundamentais/06_conhecimento_rag.md) | ||
| - 🤔 **Async & Parallel Processing** – [[Parallelization]](docs/pt-br/04_workflows_avancados/05_paralelizacao_agentica.md) | ||
| - 🔄 **Auto Agents** – [[Python Usage]](docs/pt-br/03_usando_praisonai/01_usando_com_python.md#explorando-mais-exemplos-python) | ||
| - 🔢 **Math Agents** – [[Math Agents]](docs/pt-br/04_workflows_avancados/11_math_agents.md) | ||
| - 🎯 **Structured Output** – [[Structured Output]](docs/pt-br/04_workflows_avancados/12_saida_estruturada.md) | ||
| - 🔗 **LangChain Integration** – [[Tools]](docs/pt-br/02_conceitos_fundamentais/04_ferramentas.md#conceito-fundamental-ferramentas-tools) | ||
| - 📞 **Callback Agents** – [[Callback Agents]](docs/pt-br/04_workflows_avancados/13_callback_agents.md) | ||
| - 🤏 **Mini Agents** – [[Mini Agents]](docs/pt-br/04_workflows_avancados/14_mini_agents.md) | ||
| - 🛠️ **100+ Custom Tools** – [[Tools]](docs/pt-br/02_conceitos_fundamentais/04_ferramentas.md) | ||
| - 📄 **YAML Configuration** – [[YAML Guide]](docs/pt-br/03_usando_praisonai/02_usando_com_yaml.md) | ||
| - 💯 **100+ LLM Support** – [[LLM Models]](docs/pt-br/06_modelos_llm/00_usando_diferentes_llms.md) | ||
|
Comment on lines
+41
to
+61
Contributor
There was a problem hiding this comment. Choose a reason for hiding this commentThe reason will be displayed to describe this comment to others. Learn more. The 'Key Features' section now links each feature to a specific documentation page, which is a great improvement for navigation! However, all these links currently point to the Portuguese ( Given that this PR aims to add extensive English documentation as well, would it be more appropriate for the main |
||
|
|
||
| ## Using with Python | ||
|
|
||
| Lightweight package for programming: | ||
| ```bash | ||
| pip install praisonaiagents | ||
| ``` | ||
|
|
@@ -67,21 +73,22 @@ export OPENAI_API_KEY=xxxxxxxxxxxxxxxxxxxxxx | |
|
|
||
| ### 1. Single Agent | ||
|
|
||
| Create app.py file and add the code below: | ||
| Create a file named `app.py` and add the code below: | ||
| ```python | ||
| from praisonaiagents import Agent | ||
| agent = Agent(instructions="Your are a helpful AI assistant") | ||
| agent.start("Write a movie script about a robot in Mars") | ||
| ``` | ||
|
|
||
| Run: | ||
| Execute: | ||
| ```bash | ||
| python app.py | ||
| ``` | ||
|
|
||
| ### 2. Multi Agents | ||
|
|
||
| Create app.py file and add the code below: | ||
| ### 2. Multiple Agents | ||
|
|
||
| Create a file named `app.py` and add the code below: | ||
| ```python | ||
| from praisonaiagents import Agent, PraisonAIAgents | ||
|
|
||
|
|
@@ -91,21 +98,22 @@ agents = PraisonAIAgents(agents=[research_agent, summarise_agent]) | |
| agents.start() | ||
| ``` | ||
|
|
||
| Run: | ||
| Execute: | ||
| ```bash | ||
| python app.py | ||
| ``` | ||
|
|
||
| ## Using No Code | ||
|
|
||
| ### Auto Mode: | ||
| ## No-Code Usage | ||
|
|
||
| ### Automatic Mode: | ||
| ```bash | ||
| pip install praisonai | ||
| export OPENAI_API_KEY=xxxxxxxxxxxxxxxxxxxxxx | ||
| praisonai --auto create a movie script about Robots in Mars | ||
| ``` | ||
|
|
||
| ## Using JavaScript Code | ||
| ## Using with JavaScript | ||
|
|
||
| ```bash | ||
| npm install praisonai | ||
|
|
@@ -546,6 +554,24 @@ uv pip install -r pyproject.toml --extra "crewai,autogen" | |
| - Submit a pull request via GitHub's web interface. | ||
| - Await feedback from project maintainers. | ||
|
|
||
| ### Setup for Local Development | ||
| To install the package in editable mode run: | ||
|
|
||
| ```bash | ||
| git clone https://github.com/MervinPraison/PraisonAI.git | ||
| cd PraisonAI | ||
| pip install -e .[dev] | ||
| ``` | ||
|
|
||
| External dependencies such as `duckduckgo_search` are not installed automatically. | ||
| Install them manually when running tests or examples that require them: | ||
|
|
||
| ```bash | ||
| pip install duckduckgo_search | ||
| ``` | ||
|
|
||
| Automated environments without network access should use a setup script that preinstalls these dependencies before executing tests. | ||
|
|
||
| ## Other Features | ||
|
|
||
| - 🔄 Use CrewAI or AG2 (Formerly AutoGen) Framework | ||
|
|
||
| Original file line number | Diff line number | Diff line change |
|---|---|---|
| @@ -0,0 +1,45 @@ | ||
| # TODO: Translate this file to English | ||
|
Contributor
There was a problem hiding this comment. Choose a reason for hiding this commentThe reason will be displayed to describe this comment to others. Learn more. This file, located in the The PR description states it 'Adiciona extensa documentação em português e inglês'. If the English documentation largely consists of Portuguese text marked with TODOs, it means the English documentation is not yet complete. Could you clarify the status of the English translations? Are they planned for this PR or a follow-up? If they are intended for this PR, they need to be completed. |
||
|
|
||
| # Como Usar Esta Documentação (E Dicas para Obsidian) | ||
|
|
||
| Esta documentação foi pensada para ser um recurso completo para o seu aprendizado sobre o PraisonAI, com foco especial na utilização através do [Obsidian](https://obsidian.md/). | ||
|
|
||
| ## Navegação | ||
|
|
||
| A estrutura de pastas foi organizada em módulos sequenciais. Recomendamos seguir a ordem para um aprendizado progressivo. Utilize os links internos para navegar entre os tópicos relacionados e construir um mapa mental dos conceitos. Para entender como aproveitar melhor cada módulo, consulte também a seção [Metodologia de Aprendizado](03_metodologia_de_aprendizado.md). | ||
| Para ver um exemplo completo e rápido de configuração de agentes, consulte [Criando Seu Primeiro Agente](../03_usando_praisonai/04_criando_seu_primeiro_agente.md). Para conhecer os diferentes [Modelos de Agentes](../03_usando_praisonai/05_modelos_de_agentes.md) disponíveis, acesse a seção dedicada. Se quiser personalizar seus próprios arquivos, veja também [Configurações com YAML](../03_usando_praisonai/06_configuracoes_yaml.md). | ||
| Caso surjam dúvidas durante seus testes, consulte também a [Dúvidas Frequentes](../09_duvidas_frequentes.md). | ||
|
|
||
| ## Plugins Obsidian Sugeridos | ||
|
|
||
| Para a melhor experiência ao visualizar este material no Obsidian, sugerimos instalar os seguintes plugins (se ainda não os tiver): | ||
|
|
||
| 1. **Mermaid Tools / Charts / Diagrams:** | ||
| * **Utilidade:** Muitos diagramas neste curso são feitos com Mermaid (uma linguagem para gerar diagramas a partir de texto). Este tipo de plugin permite que o Obsidian renderize esses diagramas corretamente. | ||
| * **Como usar:** Após instalar, os blocos de código marcados como ```mermaid ... ``` serão transformados em diagramas visuais. | ||
|
|
||
| 2. **Advanced Tables:** | ||
| * **Utilidade:** Facilita a criação e edição de tabelas formatadas em Markdown. Usaremos tabelas para comparar funcionalidades, listar parâmetros, etc. | ||
| * **Como usar:** Oferece uma barra de ferramentas e atalhos para manipular tabelas. | ||
|
|
||
| 3. **Callout Manager (ou customização via CSS snippets):** | ||
| * **Utilidade:** O Obsidian suporta "callouts" (blocos de destaque) nativamente (ex: \`>[!info] ...\`). Um Callout Manager pode oferecer mais tipos de callouts ou facilitar a customização da aparência deles. Alternativamente, você pode usar CSS snippets para personalizar os callouts padrão. | ||
| * **Como usar:** Permite destacar informações como dicas, avisos, exemplos importantes de forma visual. Exemplo de callout: | ||
| ```markdown | ||
| > [!TIP] Dica Importante | ||
| > Esta é uma informação que você não vai querer perder! | ||
| ``` | ||
|
|
||
| 4. **Excalidraw (Opcional):** | ||
| * **Utilidade:** Permite integrar desenhos e diagramas no estilo "quadro branco" diretamente nas suas notas do Obsidian. Pode ser útil se você quiser fazer seus próprios esquemas visuais enquanto estuda. | ||
| * **Como usar:** Cria um novo tipo de arquivo (Excalidraw) que pode ser embutido ou linkado em suas notas Markdown. | ||
|
|
||
| ## Formato dos Arquivos | ||
|
|
||
| Todos os arquivos são em formato Markdown (`.md`), o que garante portabilidade e fácil edição. | ||
|
|
||
| ## Feedback | ||
|
|
||
| Se encontrar erros, tiver sugestões ou dúvidas, sinta-se à vontade para abrir uma issue no repositório original deste curso. | ||
|
|
||
| Aproveite os estudos! | ||
| Original file line number | Diff line number | Diff line change |
|---|---|---|
| @@ -0,0 +1,158 @@ | ||
| # TODO: Translate this file to English | ||
|
|
||
| # O que é o PraisonAI? | ||
|
|
||
| <p align="center"> | ||
| <picture> | ||
| <source media="(prefers-color-scheme: dark)" srcset="../recursos/logo_dark.png" /> | ||
| <source media="(prefers-color-scheme: light)" srcset="../recursos/logo_light.png" /> | ||
| <img alt="PraisonAI Logo" src="../recursos/logo_light.png" /> | ||
| </picture> | ||
| </p> | ||
|
|
||
| PraisonAI é um framework de **Múltiplos Agentes de IA (Multi-AI Agents)** pronto para produção e com capacidade de **auto-reflexão**. Ele foi projetado para criar Agentes de IA que automatizam e resolvem problemas, desde tarefas simples até desafios complexos. Ao integrar PraisonAI Agents, AG2 (anteriormente AutoGen) e CrewAI em uma solução de **baixo código (low-code)**, ele simplifica a construção e o gerenciamento de sistemas LLM multi-agentes, enfatizando a simplicidade, personalização e colaboração eficaz entre humanos e agentes. | ||
|
|
||
| <div align="center"> | ||
| <a href="https://docs.praison.ai" target="_blank" rel="noopener noreferrer"> | ||
| <p align="center"> | ||
| <img src="https://img.shields.io/badge/_Documentação_Oficial_(Inglês)-Visite_docs.praison.ai-blue?style=for-the-badge&logo=bookstack&logoColor=white" alt="Documentação Oficial" /> | ||
| </p> | ||
| </a> | ||
| </div> | ||
|
|
||
| ## Principais Recursos (Key Features) | ||
|
|
||
| O PraisonAI oferece uma vasta gama de funcionalidades para construir agentes poderosos: | ||
|
|
||
| - **Criação Automatizada de Agentes de IA:** Facilidade na definição e instanciação de agentes. | ||
| - **Agentes de IA com Auto-Reflexão:** Capacidade dos agentes de analisar e melhorar seu próprio desempenho. | ||
| - **Agentes de IA com Raciocínio:** Habilidade de realizar pensamentos lógicos e dedutivos. | ||
| - **Agentes de IA Multi Modais:** Suporte para processar diferentes tipos de dados (texto, imagem, etc.). | ||
| - **Colaboração Multi-Agente:** Permite que múltiplos agentes trabalhem juntos em tarefas complexas. | ||
| - **Workflow de Agentes de IA:** Definição de fluxos de trabalho para orquestrar a interação entre agentes. | ||
| - **Adição de Conhecimento Personalizado (RAG):** Integre bases de conhecimento específicas para seus agentes. | ||
| - **Agentes com Memória de Curto e Longo Prazo:** Capacidade de reter informações entre interações. | ||
| - **Agentes para Conversar com PDF:** Extraia informações e interaja com o conteúdo de arquivos PDF. | ||
| - **Agentes Interpretadores de Código:** Permitem que agentes executem código para realizar tarefas. | ||
| - **Processamento Assíncrono e Paralelo:** Execução eficiente de tarefas. | ||
| - **Auto Agents:** Agentes que podem gerar outros agentes ou modificar a si mesmos. | ||
| - **Agentes Matemáticos:** Especializados em resolver problemas matemáticos. | ||
| - **Agentes com Saída Estruturada:** Garantem que a resposta do agente siga um formato específico. | ||
| - **Agentes Integrados com LangChain:** Aproveite o ecossistema LangChain. | ||
| - **Agentes com Callback:** Funções que são chamadas em determinados pontos da execução do agente. | ||
| - **Mini Agentes de IA:** Agentes leves para tarefas específicas. | ||
| - **Mais de 100 Ferramentas Personalizadas:** Um vasto conjunto de ferramentas prontas para uso. | ||
| - **Configuração via YAML:** Defina agentes e workflows de forma declarativa. | ||
| - **Suporte a Mais de 100 Modelos de LLM:** Flexibilidade na escolha do modelo de linguagem. | ||
|
|
||
| ## Fluxo dos Agentes de IA (AI Agents Flow) | ||
|
|
||
| Este diagrama ilustra um fluxo básico de como os agentes podem interagir em um sistema: | ||
|
|
||
|
|
||
|
|
||
| ```mermaid | ||
| graph LR | ||
| Inicio(Inicio) --> Agente1 | ||
| Agente1 --> Processo(Processar) | ||
| Processo --> Agente2 | ||
| Agente2 --> Resultado(Resultado) | ||
| Processo -.-> Agente1 | ||
| subgraph Agente1["Agente 1"] | ||
| Tarefa1(Tarefa) | ||
| IconeAgente1("Agente de IA") | ||
| Ferramentas1(Ferramentas) | ||
| Tarefa1 --- IconeAgente1 | ||
| IconeAgente1 --- Ferramentas1 | ||
| end | ||
| subgraph Agente2["Agente 2"] | ||
| Tarefa2(Tarefa) | ||
| IconeAgente2("Agente de IA") | ||
| Ferramentas2(Ferramentas) | ||
| Tarefa2 --- IconeAgente2 | ||
| IconeAgente2 --- Ferramentas2 | ||
| end | ||
| classDef input fill:#8B0000,stroke:#7C90A0,color:#fff | ||
| classDef process fill:#189AB4,stroke:#7C90A0,color:#fff | ||
| classDef tools fill:#2E8B57,stroke:#7C90A0,color:#fff | ||
| classDef transparent fill:none,stroke:none | ||
| class Inicio,Resultado,Tarefa1,Tarefa2 input | ||
| class Processo,IconeAgente1,IconeAgente2 process | ||
| class Ferramentas1,Ferramentas2 tools | ||
| class Agente1,Agente2 transparent | ||
| ``` | ||
|
|
||
|
|
||
|
|
||
|
|
||
| * **Explicação:** O processo geralmente começa com uma entrada (Início) que é passada para um Agente 1. Este agente, utilizando suas Ferramentas, processa sua Tarefa. O resultado pode ser passado para um Agente 2 para processamento adicional ou pode haver um ciclo onde o processo retorna ao Agente 1. Finalmente, um Resultado é produzido. | ||
|
|
||
| ## Agentes de IA com Ferramentas (AI Agents with Tools) | ||
|
|
||
| Os agentes no PraisonAI podem utilizar ferramentas para interagir com sistemas externos e realizar ações: | ||
|
|
||
| ```mermaid | ||
| flowchart TB | ||
| subgraph Ferramentas | ||
| direction TB | ||
| T3["Busca na Internet"] | ||
| T1["Execucao de Codigo"] | ||
| T2["Formatacao"] | ||
| end | ||
| Entrada["Entrada"] ---> Agentes | ||
| subgraph Agentes | ||
| direction LR | ||
| A1["Agente 1"] | ||
| A2["Agente 2"] | ||
| A3["Agente 3"] | ||
| end | ||
| Agentes ---> Saida["Saida"] | ||
| T3 --> A1 | ||
| T1 --> A2 | ||
| T2 --> A3 | ||
| style Ferramentas fill:#189AB4,color:#fff | ||
| style Agentes fill:#8B0000,color:#fff | ||
| style Entrada fill:#8B0000,color:#fff | ||
| style Saida fill:#8B0000,color:#fff | ||
| ``` | ||
| * **Explicação:** Diferentes agentes (Agente 1, Agente 2, Agente 3) podem ser equipados com diversas ferramentas (Busca na Internet, Execução de Código, Formatação). Com base na Entrada, os agentes utilizam suas ferramentas para processar a informação e gerar uma Saída. | ||
|
|
||
| ## Agentes de IA com Memória (AI Agents with Memory) | ||
|
|
||
| A capacidade de memória permite que os agentes mantenham contexto e informação através de múltiplas tarefas: | ||
|
|
||
| ```mermaid | ||
| flowchart TB | ||
| subgraph Memoria ["Memoria"] | ||
| direction TB | ||
| MCP["Curto Prazo"] | ||
| MLP["Longo Prazo"] | ||
| end | ||
| subgraph Armazenamento ["Armazenamento"] | ||
| direction TB | ||
| BD["(Vector DB)"] | ||
| end | ||
| Entrada["Entrada"] ---> Agentes | ||
| subgraph Agentes | ||
| direction LR | ||
| A1["Agente 1"] | ||
| A2["Agente 2"] | ||
| A3["Agente 3"] | ||
| end | ||
| Agentes ---> Saida["Saida"] | ||
| Memoria <--> Armazenamento | ||
| Armazenamento <--> A1 | ||
| Armazenamento <--> A2 | ||
| Armazenamento <--> A3 | ||
| style Memoria fill:#189AB4,color:#fff | ||
| style Armazenamento fill:#2E8B57,color:#fff | ||
| style Agentes fill:#8B0000,color:#fff | ||
| style Entrada fill:#8B0000,color:#fff | ||
| style Saida fill:#8B0000,color:#fff | ||
| ``` | ||
| * **Explicação:** Os agentes podem acessar memória de Curto Prazo (para contexto imediato) e de Longo Prazo (para conhecimento persistente). A memória de Longo Prazo é frequentemente implementada utilizando um Banco de Dados Vetorial (Vector DB) para buscas semânticas eficientes. Os agentes interagem com essa memória para informar suas ações e gerar a Saída. | ||
|
|
||
| > [!NOTE] Nota sobre os Logos | ||
| > Os logos originais do PraisonAI (light/dark) não estão presentes neste repositório. Se desejar usá-los, você precisará baixá-los do repositório original ou da documentação oficial e colocá-los na pasta \`docs/pt-br/recursos/\`. As referências de imagem neste arquivo foram ajustadas para \`../recursos/logo_light.png\` e \`../recursos/logo_dark.png\`. | ||
|
|
||
| Este arquivo serve como uma introdução geral ao PraisonAI. Nos próximos tópicos, detalharemos cada um desses recursos e conceitos. |
There was a problem hiding this comment.
Choose a reason for hiding this comment
The reason will be displayed to describe this comment to others. Learn more.
The README now correctly states this is a fork by Habdel-Edenfield. However, later in the 'Setup for Local Development' section (lines 560-564), the instruction is to clone
https://github.com/MervinPraison/PraisonAI.git.Shouldn't this point to the
Habdel-Edenfield/PraisonAIrepository to ensure developers are working with this specific fork, especially since it's positioned as a 'learning laboratory' distinct from the original?