Skip to content
Closed
Show file tree
Hide file tree
Changes from all commits
Commits
Show all changes
41 commits
Select commit Hold shift + click to select a range
b566299
Jules was unable to complete the task in time. Please review the work…
google-labs-jules[bot] Jun 6, 2025
b20f472
feat: Criação inicial da documentação em português para PraisonAI
google-labs-jules[bot] Jun 6, 2025
27be8be
Apply suggestions from code review
Habdel-Edenfield Jun 6, 2025
f0a8a91
Apply suggestions from code review
Habdel-Edenfield Jun 6, 2025
1e382b1
Apply suggestions from code review
Habdel-Edenfield Jun 6, 2025
11989af
Apply suggestions from code review
Habdel-Edenfield Jun 6, 2025
481e84f
Merge pull request #1 from Habdel-Edenfield/jules_wip_184268717761499…
Habdel-Edenfield Jun 6, 2025
c757b71
Jules was unable to complete the task in time. Please review the work…
google-labs-jules[bot] Jun 6, 2025
5dc0c2a
Apply suggestions from code review
Habdel-Edenfield Jun 6, 2025
6292b23
Merge pull request #2 from Habdel-Edenfield/jules_wip_184268717761499…
Habdel-Edenfield Jun 6, 2025
dfa5731
feat: Documentação completa do curso PraisonAI em Português (Revisada)
google-labs-jules[bot] Jun 6, 2025
7ffe86d
Merge pull request #3 from Habdel-Edenfield/jules_wip_184268717761499…
Habdel-Edenfield Jun 6, 2025
5b9f295
Mermaid repair
Habdel-Edenfield Jun 6, 2025
f05e134
Mermaid repair v1
Habdel-Edenfield Jun 6, 2025
a116dd9
docs(pt-br): add learning methodology section
Habdel-Edenfield Jun 6, 2025
77742c6
Merge pull request #4 from Habdel-Edenfield/codex/desenvolver-curso-c…
Habdel-Edenfield Jun 6, 2025
93cad56
add quickstart agent tutorial
Habdel-Edenfield Jun 6, 2025
9fdc9d5
Merge pull request #5 from Habdel-Edenfield/codex/desenvolver-curso-c…
Habdel-Edenfield Jun 6, 2025
299bf0b
Add FAQ section and cross references
Habdel-Edenfield Jun 6, 2025
779441a
Update docs/pt-br/README.md
Habdel-Edenfield Jun 6, 2025
dadfbd3
Merge branch 'main' into rgyf4s-codex/desenvolver-curso-completo-e-tu…
Habdel-Edenfield Jun 6, 2025
f2d88a9
Merge pull request #6 from Habdel-Edenfield/rgyf4s-codex/desenvolver-…
Habdel-Edenfield Jun 6, 2025
cc1e8a0
Add plan document summarizing PT-BR course
Habdel-Edenfield Jun 6, 2025
02a943a
Merge branch 'main' into s7frfq-codex/desenvolver-curso-completo-e-tu…
Habdel-Edenfield Jun 6, 2025
385b6fe
Fix typo in PT-BR agent catalog
Habdel-Edenfield Jun 6, 2025
924da58
Merge branch 'main' into h2hf5k-codex/desenvolver-curso-completo-e-tu…
Habdel-Edenfield Jun 6, 2025
91b4f32
Merge pull request #8 from Habdel-Edenfield/h2hf5k-codex/desenvolver-…
Habdel-Edenfield Jun 6, 2025
85482d2
Merge pull request #7 from Habdel-Edenfield/s7frfq-codex/desenvolver-…
Habdel-Edenfield Jun 6, 2025
1869727
translate README to pt and link docs
Habdel-Edenfield Jun 6, 2025
03da61d
Merge branch 'main' into 6cx9th-codex/desenvolver-curso-completo-e-tu…
Habdel-Edenfield Jun 6, 2025
10f2612
Merge pull request #9 from Habdel-Edenfield/6cx9th-codex/desenvolver-…
Habdel-Edenfield Jun 6, 2025
f235d8f
Improve docs and README (#10)
Habdel-Edenfield Jun 6, 2025
d5982bb
Improve docs and README (#11)
Habdel-Edenfield Jun 6, 2025
b9287f2
Codex/desenvolver curso completo e tutorial detalhado (#12)
Habdel-Edenfield Jun 6, 2025
da77de5
Fix tests to skip when praisonaiagents missing (#13)
Habdel-Edenfield Jun 6, 2025
8359e95
Add lesson on key imports (#16)
Habdel-Edenfield Jun 6, 2025
8973edf
Add imports guide to docs and update course plan (#15)
Habdel-Edenfield Jun 6, 2025
6a93991
Codex/avaliar e complementar aulas no plan.md (#17)
Habdel-Edenfield Jun 6, 2025
55327ca
Merge branch 'MervinPraison:main' into main
Habdel-Edenfield Jun 6, 2025
503e31b
docs: add local setup instructions (#18)
Habdel-Edenfield Jun 7, 2025
a4b9c86
Add English docs and move Portuguese docs
Habdel-Edenfield Jun 8, 2025
File filter

Filter by extension

Filter by extension

Conversations
Failed to load comments.
Loading
Jump to
Jump to file
Failed to load files.
Loading
Diff view
Diff view
96 changes: 61 additions & 35 deletions README.md
Original file line number Diff line number Diff line change
Expand Up @@ -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.
Comment on lines +24 to +27
Copy link
Copy Markdown
Contributor

Choose a reason for hiding this comment

The reason will be displayed to describe this comment to others. Learn more.

high

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/PraisonAI repository to ensure developers are working with this specific fork, especially since it's positioned as a 'learning laboratory' distinct from the original?


<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)
- 🔄 **SelfReflection 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)
- 🤝 **MultiAgent 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 LongTerm 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
Copy link
Copy Markdown
Contributor

Choose a reason for hiding this comment

The reason will be displayed to describe this comment to others. Learn more.

medium

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 (pt-br) versions of the documentation (e.g., docs/pt-br/03_usando_praisonai/04_criando_seu_primeiro_agente.md).

Given that this PR aims to add extensive English documentation as well, would it be more appropriate for the main README.md (which is in English) to link to the English versions of these guides? Or perhaps provide parallel links if both are considered equally primary from the main README?


## Using with Python

Lightweight package for programming:
```bash
pip install praisonaiagents
```
Expand All @@ -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

Expand All @@ -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
Expand Down Expand Up @@ -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
Expand Down
45 changes: 45 additions & 0 deletions docs/00_introducao/00_como_usar_esta_documentacao.md
Original file line number Diff line number Diff line change
@@ -0,0 +1,45 @@
# TODO: Translate this file to English
Copy link
Copy Markdown
Contributor

Choose a reason for hiding this comment

The reason will be displayed to describe this comment to others. Learn more.

critical

This file, located in the docs/ directory (presumably for English documentation), starts with a 'TODO: Translate this file to English' and its content is in Portuguese. This pattern appears in many of the new files under docs/ (e.g., docs/00_introducao/01_o_que_e_praisonai.md, docs/02_conceitos_fundamentais/*, docs/03_usando_praisonai/*, etc.).

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!
158 changes: 158 additions & 0 deletions docs/00_introducao/01_o_que_e_praisonai.md
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.
Loading