Curso GRATUITO de Introdução a Inteligência Artificial (IA) no N8N com LangChain - 2024 | Autotic

Olá automatizador seja muito bem-vindo ao nosso curso de introdução a inteligência artificial no ntn usando o lch meu nome é alo Peres eu serei o seu tutor né aqui nesse curso e desde já eu peço que você deixe aí né uma boa avaliação caso você esteja assistindo pela udem e se tiver assistindo aqui pelo nosso canal do YouTube Deixa aí um like em todas as aulas Tá pode deixar também comentário dizendo o que que você tá achando ou sugest de de novas aulas e se inscreva no canal para poder apoiar o nosso trabalho beleza bom

esse curso aqui ele será composto de aproximadamente aí Oito aulas tá acho que uma duração máxima de de 2 horas e tem por finalidade introduzir você nesse mundo aí da Inteligência Artificial nas automações do ntn Tá e isso é uma coisa que tem sido muito solicitada pelos nossos alunos do curso se vão ntn Inclusive a gente vai abordar com mais profundidade sobre isso no curso tá intensivo de ntn aqui seria mais pra gente poder mesmo fazer uma introdução ou seja preparar você o que há por vir no intensivão ntn tá e a partir de Então

você vai poder criar aí suas automações eh de forma mais inteligente né da mesma forma que você utiliza as automações ali para substituir um uma uma pessoa né para não ter que ficar fazendo ali uma atividade ali massante repetitiva com a inteligência artificial você vai fazer com que o robô né com que essa automação eh faça ali aquela tarefa repetitiva massante de uma forma mais inteligente mais humanizada tá então posso dizer que 2024 de fato é um ano aí que a inteligência artificial vai bombar né E quem tiver aí por fora do tema do assunto

vai ficar para trás e eu espero que você não queira ser uma dessas pessoas tá bom antes de fazer esse curso aqui eu recomendo você eh assistir o nosso curso gratuito para iniciante tá de ntn você que nunca teve aí contato com a plataforma esse curso aqui vai te ajudar a entender aí o conceito né do ntn como ele surgiu para que serve né alguns exemplos práticos ali de automação Beleza então você pode se inscrever aqui gratuitamente eh na udm tá nós temos aqui quase 2.700 alunos já tá com uma nota aqui 4.7 ou seja

um curso muito bem avaliado tá eh E você também pode assisti-lo diretamente no YouTube na na playlist lá do nosso canal beleza bom eh Então antes de partirmos pra próxima aula né Deixa eu só fazer aqui um breve overview né sobre essa questão de inteligência artificial no ntn bom o que que acontece eh a partir de outubro do ano passado o ntn resolveu eh introduzir a inteligência artificial na plataforma por meio do Lang chain tá o l chain é um Framework eh para trabalhar com aplicações llms Tá eu vou falar mais sobre isso nas próximas

aulas pode Fica tranquilo eh e a partir de então que foi introduzido aí o leng chain eh foi habilitado esses novos nodes aqui tá que são conhecidos como nodes clusters tá sendo que eh em outubro apenas uma versão específica do ntn tinha essas opções aqui tá de Inteligência Artificial avançada tá esses nodes aqui clusters ok porque o ntn tava ali né testando validando a ideia e tal e aí quando percebeu né que foi muito bem aceito aí pela comunidade né estava funcionando muito bem foi que lá para novembro dezembro do ano passado que foi de

fato introduzido oficial oficialmente no ntn o Lang chain tá então todas as versões que você tiver usando o ntn a partir de dezembro do ano passado em diante já vai estar com essa opção aqui do Advance I tá então beleza na próxima aula nós vamos falar sobre a tecnologia por trás disso tudo né a gente vai falar sobre a inteligência artificial Mas o modelo né que é utilizado aqui no neten para trabalhar com a inteligência artificial Tá bom então muito obrigado pela atenção e até a próxima aula bom Seguindo aqui com a primeira aula do

curso vamos falar sobre a definição de llm né que é um dos modelos aí de Inteligência Artificial utilizada aí no L chain né que foi implementado no ntn bom o llm em inglês significa e large Se não me engano language Model né ou seja grande modelo de linguagem tá E é um tipo de modelo de Inteligência Artificial que tem por objetivo e interpretar ali e uma linguagem humana né por meio de texto tá por isso que eu até coloquei essa essa ilustração aqui né onde esse balãozinho aqui com a seria o texto ali da do

usuário né que a gente dá o nome de prompt tá e e eh isso é interpretado ali Por uma unidade computacional inclusive eh essas aplicações né de llm né como chat GPT pilote eh que mais os Gemini né se eu não me engano do Google tem vários né eles usam bastante processamentos eh computacionais tá eh chega a ser assim data Centers grandiosos tá Por quê Porque é algo que exige muito ali recursos da máquina tá para poder fazer todo esse processo né de pegar ali o prompt fazer as consultas formatar né para poder entregar ali

um texto né que seria esse balãozinho aqui B eh da forma mais assertiva possível tá mais humanizada possível então é basicamente esse conceito aqui de llm tá E essa tecnologia esse modelo ele usa a a rede neural né por isso que tem assim um um ícone aqui tipo de um cérebro né porque o cérebro também tem essa questão né das redes neurais ali que serve para poder fazer ali eh determinadas associações né agrupamentos ali de informações você vê que quando você quer lembrar de alguma coisa assim na sua vida você tem acesso aquela informação aquela

lembrança assim de imediato né Por quê Por causa dessa rede neural né Ou seja é como as informações ali dentro da sua mente ali tivesse uma interligada na outra então você consegue ter acesso a essas informações bem rápidas de forma agrupadas dentro de contexto então o llm ele se assemelha um cérebro ele também tem um aspecto ali de rede neural onde ele vai fazendo ali os acessos das informações tá então achei muito legal essa ilustração aqui bom na próxima aula Nós já vamos falar um pouquinho sobre eh as aplicações né que utilizam aí eh o

llm tá E uma delas é o chat GPT que é o que a gente vai é utilizar aqui no curso tá bom obrigado pela atenção um abraço e até a próxima bom Como você então já entendeu né O que se trata de de llm é importante agora você conhecer algumas das aplicações que utilizam né esse modelo aí de Inteligência Artificial dentre elas nós temos aqui é o chat GPT que eu posso dizer aí que é o pioneiro né Eu particularmente tomei conhecimento de Inteligência Artificial né com o chat GPT tá eh logo em seguida começou

a surgir outros né Como por exemplo o Gini né que é do do Google tá o chat GPT ele é do Open Eye tá então cada aplicativo aqui tem uma empresa por detrás aqui do xat GPT é open Eye o Gemini do Google tá Inclusive eu ainda não tive oportunidade de usar mas pretendo e o copilote que é da Microsoft que que inclusive já tá até disponível aqui para você que tem aí o Windows 11 né Eu não sei se tá disponível no Windows 10 mas windowss 11 já tem o copilote aqui tá que é

um assistente mesmo você pode chegar ali digitar o que tu quer e ele vai te responder usando ali a inteligência artificial tá muito legal e existe outras aí também tá porém né acho que a mais usada a mais conhecida aí é o xá GPT a até pelo fato né de ser um um custo relativamente baixo para você poder usar eh tem api pública tá é bem documentado e tem integração Nativa com o ntn tá né toa que se você for vir aqui né antes mesmo né de ter essa nova opção aqui né do leng chain

o ntn já explorava né o o chat GPT por isso que ele acabou criando aqui um nativo né que é do Open ey tá então você podia já trabalhar com a inteligência artificial ver aqui se tem um que tem um aqui Analisa imagem tinha uma aqui que era para poder acho que é message É isso mesmo então ele já tinha e esse node aqui né claro que não estava nesse formato né eles colocaram assim porque como entrou essa estrutura dos desse cluster né então o open Eye agora é assim mas Antigamente ele era um node

normal assim né pequeno e você apontava aqui né suas credenciais né que a gente já tem da Auto tá inclusive isso aqui a gente vai tá abordando só no curso intensivão ntn tá eh então você aponta aqui suas credenciais escolhe lá o tipo né de conteúdo se vai ser um texto se vai ser uma imagem um áudio né E aí você define aqui o seu prompt né né que seria a mensagem de entrada ali e ele já fazia a a parte ali de interpretação e geração do texto tá então o openi já tinha no no

ntn sendo que Agora ficou melhor ainda porque o lchin permite você trabalhar com múltiplos LL llms né Eh no mesmo workflow ali é em um único node né e eu vou mostrar para você como é feito isso tá bom E aí no chat jpt né Como você consegue ter acesso né acessando aqui o site do Open tá é open.com OK E aí você clica aqui em try chat GPT né se você não tiver uma conta você pode criar E aí você já cai aqui nesse dashboard aqui né onde você já pode começar a brincar aqui

né se não me engano você recebe ali uma quantidade de créditos né para poder poder fazer os né porque para cada promp que você envia é cobrado ali um um valor né agora não sei se é por mensagem enviada ou então por resposta recebida né que eles dão o nome de token tá E aí basicamente você tem aqui uma pessoa frente a frente aqui hiper mega ultra inteligente que responde tudo que tu perguntar para ela tá então se eu chegar aqui por exemplo e falar assim eh Quem é Bill Gates Olha só como é é

rápido tá vendo ó já já perguntei ele já pum tacou aqui a resposta ó e fala aqui né Bill Gate é um empresário filantropo e magnata de tecnologia conhecido blá blá blá né Aí fala que onde nasceu e tal fala sobre a carreira dele né ou seja um resumo né ele também não vai colocar a biografia aqui completa do Bill Gate mas só para você entender como funciona tá e o legal é que é assim é uma coisa tão eh assim impressionante né porque parece que você realmente tá conversando com o ser humano e o

ch GPT Inclusive eu vou mostrar isso um pouco mais à frente nas próximas aulas ele usa o conceito de memória né Essa memória seria Com base no histórico da da da sua conversa então por exemplo como eu perguntei quem é Bill Gates e ele me respondeu aqui sobre ele ele já armazenou na memória que eu estou falando de Bill Gates Ok então é o famoso contexto a mesma coisa se você tá conversando de um um tema com uma pessoa né Por exemplo você tá falando sobre Eh sei lá você tá falando sobre carro com uma

pessoa né Eh se você fizer outras perguntas ali por exemplo você chegar e falar no meio do n e falar assim ah mas é qual a sua cor preferido né Qual sua cor preferida a pessoa vai falar ah a cor da camisa preferida é amarelo não ela não vai falar de camisa ela vai falar do carro porque tá tendo um contexto ali certo Por quê Com base no histórico de perguntas ou respostas anteriores então o chat GPT Ele trabalha assim também como se fosse um ser humano então como eu falei sobre Bill Gates né eu

posso por exemplo fazer qualquer outra pergunta aqui com base no texto sem mencionar Bill Gates que ele já vai saber que eu me refiro a Bill Gates então por exemplo ele fala aqui ó é um empresário filantropo imaginado tecnologia conhecido principalmente por ser cofundador eh da Microsoft aí eu posso posso colocar aqui ó quer ver ó eh deixa eu ver aqui aí eu posso fazer uma indagação aqui né para ae botou cofundador aí eu posso botar assim ó eh ele não fundou sozinho Eu nem sabia que tinha um um um sócio né assim aí ó

o a inteligência artificial Já respondeu aqui ó peço desculpas pela imprecisão né tu vê que até assim a parte assim de emoção né ele tenta reproduzir aqui né tipo como fosse o ser humano ali poxa desculpa tal né ou seja ele detecta também às vezes o seu sentimento ali por meio da tua mensagem né ele pode interpretar ali que você respondeu de uma forma mais ríspida mais nervosa é bem bem impressionante isso aqui tá então ele botou ó Peço desculpa pela imprecisão Bill Gates não fundou a Microsoft sozinho tá eh ele fundou a empresa juntamente

com seu amigo de infância poal então você vê que ele já respondeu dentro do contexto ou seja ele eu não mencionei Bill Gates aqui tá vendo ó Mas como ele vai armazenando esse histórico de perguntas e respostas ele sabe de quem eu estou falando ali e vai me respondendo em cima daquilo então ele foi respondeu sobre o Bill Gates eh de forma assertiva com que eu perguntei ou seja ele não fundou sozinho e aí ele respondeu aqui tá então assim muito legal o chat GPT tá se você não conhece eu recomendo já você brincar um

pouquinho aqui você vai se surpreender tá o chat de GPT ele faz análise de imagem por exemplo se você jogar uma imagem aqui ele consegue gerar um texto dizendo o que aquela imagem significa ou seja descrevendo aquela imagem tá o chá de GPT ele ele gera imagem se você fizer o contrário você pega um texto e pede para gerar uma imagem em cima daquele texto ele vai gerar a imagem tá ele transcreve áudio né se você mandar um áudio ele gera um texto ali a através do do áudio então vice-versa com um texto ele consegue

gerar um áudio na linguagem que tu quiser tá muito impressionante isso aqui tá bem legal mesmo e E aí a gente vai utilizar o xad deept como modelo né de llm nas automações do ntn tá tem muitas coisas que eu poderia abordar aqui sobre o xpt mas como não é um curso focado para isso eu vou recomendar você pesquisar na web hoje tem vários cursos aí excelentes gratuitos tá no YouTube na udem sobre o chat GPT para você ficar mais por dentro sobre esse llm aqui né esse modelo de Inteligência Artificial Tá bom então obrigado

pela atenção um abraço e até a próxima bom e agora vamos falar sobre o leng chain né que é o que faz dar sentido a tudo isso que já abordamos até o presente momento tá Ahã o leng chain ele é um Framework tá Framework é como é um é um é um termo muito utilizado né aí na área de tecnologia eh para se referir a um padrão ali de desenvolvimento tá eh Por exemplo quando você vai construir ali uma casa né existe um padrão ali né Para você fazer ali a a base né os alices

as colunas né embora cada imóvel ali tenha suas eh como posso dizer assim particularidades né coisas ali específicas mas eh sempre tem algo ali em comum né um padrão então o Framework é basicamente isso é um padrão né uma estrutura para desenvolvimento de algo e o leng chain é esse padrão para que você possa trabalhar com diversas aplicações ali e llm em um só Lar tá e o mais legal ainda é que ele usa o ele tem uma estrutura eh que os llm já utilizam por si só né deixa eu mostrar aqui para você eu

gosto desse gráfico aqui porque ele explica melhor então que acontece embora né Eu não eu não explorei muito a parte do xá de GPT como eu informei né esse aqui não é um curso de xá de GPT T mas eh para você que já mexeu no xat GPT conhece um pouquinho a mais você sabe que o xat GPT ele praticamente tem todos esses conceitos aqui né ele tem a parte ali eh de ferramentas né que você acaba deixando ali o a sua inteligência artificial mais eh robusta digamos assim né com mais base de dados para

poder pesquisar enfim que aí seria as ferramentas né exemplos de seletores né que é como se fosse espécie ali de de tags ou palavras reservadas né é prompts né que seria a o texto de entrada ou seja a pergunta que o usuário faz ali como você viu no chat GPT né o texto de entrada ali eh Vector Stores né que seria a forma como esses dados são armazenados bom embora eu não tenha muita propriedade para falar sobre eh armazenamento né vetorial Pelo que eu entendi é uma forma de armazenar as informações de tal modo que

elas fiquem ali agrupadas né onde eh quando é feita ali uma espécie de consulta essa consulta consegue retornar uma resposta muito mais rápida né hoje em dia eh até o presente momento né muitas empresas usam banco de dados relacional né relacionais mas agora estamos na na vamos dizer aí na vibe aí dos bancos vetoriais tá e inclusive já tem alguns aí no no mercado tem alguns que são open source né e e o acesso a informações neles é muito mais rápido né Por causa desse tipo de estrutura que eles usam para armazenar as informações tá

aí também os llms tem o carregamento de documentos né de você poder subir um PDF para aquela inteligência extraia as informações e use como conhecimento para responder as suas perguntas tá esse aqui eu também vou mostrar para você na prática como isso funciona nas automações do ntn tá e output pars né que é uma forma de você definir como esses dados vão ser impressos ali como eles vão ser entregues para outra ferramenta para outra aplicação tá seria a formatação mesmo ali do dos dados eh texto os os divisores né os delimitadores digamos assim de textos

que é você determinar como aqueles textos vão ser repartidos em partes se vai ser por meio de uma vírgula ou um espaçamento tabulação enfim são os divisores de texto e por último aqui né que inclusive é o principal eu poderia ter começado por ele é os models né que na verdade são as aplicações então aqui no no Model você pode escolher se você quer usar o chat GPT se você quer usar o a inteligência artificial do Google se você quer usar do da Amazon enfim tem alguns Alguns modelos já lá no ntn para você poder

usar o mais conhecido como eu informei é o chat GPT tá e o l chain é o que une tudo isso tá por isso que o nome fala leng chain né chain eh nos faz lembrar o que corrente né é corrente em inglês e corrente serve o quê para poder interligar as coisas né então tudo isso aqui né fica interligado em um só lugar né então é como você tivesse ali uma automação usando várias inteligência artificiais fazendo eh tarefas ali de separação de textos formatação dos dados de saída eh upload de arquivos para servir como

uma base de conhecimento por para os seu eh Agente né o de Inteligência Artificial eh os bancos de dados né vetoriais os textos de entradas né seletores e ferramentas né que são super poderes para tua Inteligência Artificial beleza e isso aqui é um frame que é utilizado eh em um software né como você pode ver aqui envolve aqui código né se eu não me engano acho que o ele foi criado em Python né então a princípio né você implementa ele em código então o ntn já fez isso aqui ele já implementou o l chain ali

no código fonte dele e você tem isso aqui à sua disposição por meio de uma interface né de um de um gráfico ali um fluxograma onde você pode usar todo o poder aqui da Inteligência Artificial sem usar basicamente uma linha de código sem ter experiência com programação beleza bom então é isso aí Espero que tenha ficado Claro sobre a definição de L chain tá E na próxima aula a gente já vai começar a explorar sobre a estrutura dos nodes cluster né que são os nodes baseado aí no leng Chin tá bom grande abraço e Valeu

bom vamos então explorar né sobre o lchin aqui dentro do ntn né mas começando explicando primeiro como é a estrutura n desses noes que utilizam aí o l que são oses clusters tá então quando você for utilizar um desses noes né você tem que adicionar primeiro um node de execução manual tá que é o manual Trigger vou até já colocar aqui start né é o meu start E aí quando você for adicionar o próximo node já vai aparecer a opção aqui de node clusters né que são o Advance né ou Inteligência Artificial avançada E aí

nós temos basicamente CCO nodes clusters aqui né Nós temos o Basic llm o and pro inglês tá não é muito bom mas tô me esforçando aqui é o summarization Né ch o i agente Ok e o open Eye né como eu informei anteriormente o open Eye ele era um node normal porém né com a introdução do leng chain ele acabou se tornando também um node cluster tá eh bom como a gente já explorou bastante o open Eye né em outros vídeos aí do nosso canal a gente vai Focar apenas nesses quatro novos aqui tá eh

Claro começando pelo Basic depois o question o summarization né e por último o agente tá embora o a Agente né será o último eu já vou usar ele aqui eh para poder explicar para você melhor sobre a estrutura Porque ele é o mais completo tá então como é que funciona aqui é isso aqui é um node de chat tá depois eu vou explicar o por também o que que significa Mas vamos focar aqui no node em si tá bom o node cluster ele é composto por dois tipos de nodes tá o node Rot que é

esse carinha aqui é o principal tá chamado I agente Ok e o Sub que são serviços né ou ferramentas recursos que você atribui ao seu root node tá e e para esse tipo de Root node aqui né que é o o agente de Inteligência Artificial você pode associar até quatro tipos de Sub noodes Tá eu vou ativar aqui a parte de output E aí ele fica assim ó tá então nós temos o primeiro aqui o modelo ok que é você poder escolher qual a intelig qual llm né aplicação de llm você pretende utilizar se é

chat GPT se é ol lama esse olama aqui é open source tá Mistral tem o do Google Aury né da Microsoft e tem esse aqui o antropic né aqui eu não não conheço então além de atribuir né uma inteligência artificial né aí aqui você também já aponta é a sua credencial lá do do Open Eye você pode escolher o modelo né de é como se fosse ali o Engine né o motor da inteligência artificial no caso aqui do chá de GPT por padrão é o GPT 3.5 turbo tá ainda mais se você usa aí uma

conta gratuita né mas se você tiver uma conta paga né você já pode usar o chat GPT 4 Ok Hugo qual é a diferença a diferença é o a eficiência né o o desempenho ali enquanto o chat de GPT né 3.5 né Ele é um pouquinho talvez mais ali lento né ele também não tem acesso a tantas informações como o xat de GPT qu porque é com base em anos né o chat 3.5 Se não me engano acho que ele consegue informar a até o ano ali de 2020 eu acho se eu não me engano

2000 acho que é 2019 2020 2021 né e 2022 em diante só o chat pt4 tá então tem essas diferenças Ok então você define aqui qual é a inteligência artificial o llm que você quer usar Tá você também define a memória do seu node aqui tá aí você pode usar uma memória do próprio NN que ele disponibiliza ou desses outros serviços aqui OK Eu não vou como eu já adicionei você já já tá vendo como é que é né ó isso aqui eu vou explicar um por um nas próximas aulas pode ficar tranquilo tá e

tem aqui agora o subnode de Tools né que seriam ferramentas que aí você pode né escolher aqui se você quer que o seu agente ali eh responda com base em em cálculos né Eh se você quer que utiliza ali um mecanismo de busca do Google para ele poder achar algumas respostas se você quer que ele consulte Wikipédia para achar algumas respostas que você precisa né Wikipédia basicamente é um mundo ali dentro né É tudo que tu for pesquisar está ali dentro então um agente com com essa base de dados aqui ele vai saber responder a

maioria das perguntas tá e tem outros Aqui também tá esse aqui é bem legal porque você usa um workflow como uma base de conhecimento então por exemplo se você tem um workflow que retorna e determinadas informações no final ali do da execução essas informações ela passa para esse teu agente e pode ser utilizado ali como uma resposta né mediante ao que o usuário perguntar tá então por exemplo botar aqui Wikipédia tá então tô definindo aqui aus ó para ele ter acesso a Wikipédia e por último é o output par né que é para você determinar

qual formato Você quer que os seus dados ali sejam impressos né sejam gerados Tá eu vou colocar aqui o item list que é o mais simplesinho né o outro lá que é Jon ele é um pouquinho mais complexo então não vou envolver aqui nesse curso só no no intensivão ntn tá E aí aqui é basicamente o seguinte por exemplo se você faz uma pergunta lá por exemp contei Quem é Bill Gates né retornou ali dois parágrafos né explicando quem é ele a essa esse subn aqui ele colocaria dividiria né esses dois parágrafos em dois índices

né é como ele criasse ali um arrei e com dois índices para você talvez usar esses índices para gerar uma lista de texto e mandar pro e-mail alguma coisa assim tá então é para isso que serve esse node aqui beleza bom então basicamente é essa a estrutura do do node classer tá lembrando que eh cada subnode aqui vai fazer a sua respectiva tarefa vai vai cumprir aqui o seu respectivo papel tá porém o resultado ele sempre sai no node Rot tá eles não assim os subn geram ali os outputs deles tá porém o resultado final

mesmo formatado né trabalhado ali ele sempre vai sair aqui no root tá por isso que tem aqui ó a continuação para você repassar pros próximos noes ali do workflow tá bom Beleza então Obrigado aí pela atenção e na próxima aula a gente já começa a parte prática Valeu vamos então iniciar a parte prática aqui do curso né explorando eh os tipos de nodes clusters né que nós temos aqui que usam o leng aí na nas suas estruturas Tá Começando aqui pelo node Basic llm Tá bom acho que eu ten que primeiro adicionar aqui o node

manual né Agora sim aparece aqui a opção tá Advance i E aí eu vou escolher esse aqui ó Basic llm chain Tá Hugo Para que serve esse node tá como nome já diz né é básico né qual seria o básico é ter uma entrada ali de um texto ele usar um modelo ali de llm né de Inteligência Artificial que no caso será o chat GPT e para interpretar esse texto e gerar uma resposta ali o mais assertivo possível tá basicamente isso E aí ele só tem aqui a opção de você inserir apenas sub noodes de

modelo tá então eu posso chegar aqui ó clicar aqui e aí tem vários né tem o antropic tem o da aurey né que é Microsoft tem o do Google tem o da Amazon que é o bad rock tem o Mistral tem o olama esse olama aqui ele open source tá você pode instalar no seu próprio servidor e usar dessa inteligência artificial tem chat GPT que é o que a gente vai usar tem o do corar e tem o huging hugging Face tá bom vou escolher aqui Open ey chat Model tá E aí já aponta aqui

pra nossa credencial tá Inclusive a parte credencial a gente vai ensinar eh com mais detalhes no intensiv ntn tá como como você gerar lá uma P no openi né conectar aqui no seu ntn e o modelo seria o Engine ali né do da sua aplicação de llm né no caso xá GPT por padrão é o g é o GPT 3.5 turbo tá eh se você tem o plano pago do chat de GPT você já pode usar o GPT 4 que é mais avançado né ele tem mais acesso a informações principalmente informações mais recente né dos

últimos anos tá então pro padrão já vai vir como 3.5 Turbo Ok E aí a outra opção que você tem mas ela fica escondida é se você quisesse eh definir aqui um formato de saída dos dados que como eu informei né Você pode colocar como uma lista de de índice né de Array você pode colocar assim numa estrutura Jon uma estrutura personalizada tá eu não vou colocar isso aqui porque isso aqui já é um pouquinho mais complexo né eu te expliquei o conceito Para que serve mas para explorar agora a parte prática eu vou deixar

pro intensiv onn que lá a gente tem mais tempo para poder falar sobre isso tá então eu vou desativar essa parte de output parts tá vou deixar a saída de dados padrão né no formato padrão beleza ok E aí se você for reparar quando você adiciona um node cluster né automaticamente já é associado a ele um node de chat tá o chat Trigger que é uma forma de você passar um prompt e para o seu node cluster por meio ali de uma janelinha como se fosse um chat mesmo né você conversando ali com alguém tá

então quando você clicar aqui no botão chat tá ele já vai abrir aqui essa tela ok E aí você já pode perguntar o que você quiser aqui tá então vou colocar aqui por exemplo eh niste os três maiores países do mundo ok ó listou aqui ó Rússia Canadá e Estados Unidos tá então se eu abrir aqui ó eh ele meio que vai gerar aqui um campo chamado Tex né E aqui o conteúdo dele então ele listou os três países cada um com a sua numeração tendo aqui uma quebra de linha Ok por isso que é

impresso esse barra n aqui tá então é basicamente isso aqui né é pegar o prompt consultar o chat GPT para interpretar aquele prompt e gerar uma resposta compatível com o que foi perguntado só isso ok na próxima aula Vamos explorar o próximo node né que é o node de perguntas e respostas para você entender para que ele serve tá bom Um abraço e até a próxima próximo node cluster a ser explorado aqui é o eu não sei se é assim se se pronuncia tá perdão aí pelo inglês mas é esse aqui ó perguntas e respostas

tá esse node aqui ele é bem interessante por quê Porque o conceito dele como o nome já diz né perguntas e respostas você faz a pergunta e ele vai te dar uma resposta sendo que essa resposta ela pode ser baseada em uma fonte de dados tá Lembra que eu falei que você pode carregar arquivos ali né pelo leng chain você subir arquivos para que o seu robô né o seu agente ali ele possa ter mais conhecimentos para poder responder de forma mais assertiva então se aplica a esse node clust aqui tá E aí os dois

tipos de Sub noodes né que pode incluir é o Model né que é a inteligência artificial que a gente vai usar que é o chat GPT e o retriever tá o retriever de fato é a base de dados que você quer associar a esse node para que ele possa consultar ali para poder responder você né às vezes é uma pergunta que você faz que talvez ele não consiga achar na web né como eu informei dependendo da versão do chat GPT que você for usar eh às vezes não vai ter acesso a determin nadas informações tá

então para que não venha a correr esse risco você pode contar com outras bases de dados né com informações pessoais sobre você sobre sua empresa sobre seus produtos para que o bot sempre possa né responder ali de forma assertiva o usuário o seu cliente enfim tá E aí nesse retrive aqui é o seguinte e a gente pode colocar aqui como por exemplo um banco de dados vetorial né como eu informei para você né isso a gente vai deixar para explorar no intensivão ntn que aí no caso você faz o uso de uma dessas aplicações aqui

né tem o supabase tem o zep tem o o kidr Né o pinecone e também tem acho que uma memória interna aqui do próprio ntn tá esse aqui a gente vai explorar mais no intensivão ntn ok mas eu vou usar um mais simples aqui que é o próprio workflow do ntn tá que é o workflow retriever se você tem acompanhado aí os nossos vídeos no canal é um dos últimos vídeos que a gente lançou foi o como modularizar os seus workflows né e a gente fala muito sobre o node Execute workflow né que de um

lado ele manda as informações né para um outro workflow que vai estar recebendo ele né então isso aqui é é o mesmo conceito é uma forma de você mandar informações para um workflow a parte tá eh essa informação no caso seria o prompt né você pode mandar por meio ali do do parâmetro query tá eh esperando uma resposta que tem que ser com o parâmetro response vinda de workflow Hugo Não entendi você já vai entender tá então por exemplo pegar aqui eh Vou salvar eu vou abrir aqui um um workflow se eu não me engano

acho que eu já tenho salvo ó já tenho um salvo aqui tá esse workflow aqui basicamente o que que ele faz tá você vê que ele inicia aqui com o node eh um gatilho aqui Manual né e eu coloquei aqui um set com eh o campo response tá então basicamente eu vim aqui ó cliquei addd Field dei o nome de response tá você tem que colocar response porque é esse parâmetro que o node clut lá enxerga tá Então você coloca aqui como response e aqui você coloca o valor que tu quiser né aí esse valor

pode ser né uma informação ali de um produto seu ou do seu trabalho da sua empresa enfim coisas que você acredita que o chat PT não consiga localizar na web mas consegue achar aqui no seu retriever tá então eu acabei colocando aqui por exemplo eh informações sobre o curso intensivão ntn Então eu coloquei aqui ó carga horária coloquei aqui o total de aulas né coloquei coloquei aqui o total de módulos Tá então não achando essa informação na web o xat GPT ele vai vir aqui né no retriever no no na base de conhecimento aqui adicional

e vai consultar a informação para ver se acha tá sendo que vai vir do workflow então quando a minha automação lá com o node clush é executada e e passa ali pelo subnode de workflow retriever ele aciona automaticamente esse workflow aqui tá T que quando a gente vem aqui no log ó a gente pode ver um exemplo aqui ó que eu fiz um teste e olha que legal ó repare que ele retornou a query né isso aqui Claro foi de uma consulta que eu fiz consulta Não de um prompt que eu informei em um outro

test né eu tava perguntando quem era elow musk né então você vem vê que você consegue ter essa informação aqui tá E claro você pode usar essa informação eh nesse workflow aqui para poder talvez fazer até uma filtragem numa tabela tá E é claro você teria que usar ali o output par né para você poder conseguir pegar aqui determinadas informações Chaves né Por exemplo poderia pegar o nome do El musk e armazenar ali num campo chamado name ou nome tá E aí você poderia usar esse parâmetro para fazer uma pesquisa numa planilha por exemplo retorne

todas as empresas de Elon musk vamos dizer que você tem uma planilha ali com vários empresas e respectivos donos certo e aí com essa query aqui tá de fato Ó você tem que usar eh a expressão né djon pqu Tá para poder referenciar sempre o prompt do usuário eh e aí eh esse essa query Faria seria como um filtro ali eh numa numa pesquisa de um uma planilha né então por exemplo é como tivesse aqui ó um Google sheets né planilha planilha calma aí Ih Tô boiando aqui é shits E aí poderia botar aqui um

um cadê um get get RS né E aí tem a parte lá da filtragem né aqui Claro você aponta né para uma uma planilha aí aqui você também escolhe o a aba né da planilha né É porque aqui agora eu não consigo exemplificar deixa eu ver aqui calma aí será que eu consigo listar uma aqui Ah tá consegui E aí por exemplo tem a parte da filtragem aqui né E então por exemp Se você fosse aplicar aqui uma filtragem você colocaria aqui deixa eu ver aqui ó add Filter tá E aí você colocaria Ah eu

quero que o nome o parâmetro tá E é o parâmetro de fato teria que ser assim ó tá ó D Jon aí põ assim ó query tá assim ó query Ok é essa expressão que faz reconhecer o promt do usuário lá na no outro workflow tá que é workflow que a gente usa isso aqui tornaria uma resposta né os resultados ali filtrados de uma planilha é claro isso se aplicaria se ao invés de eu ter essa informação aqui ó né fixada aqui essa informação tivesse numa planilha por exemplo vamos dizer que eu tenho uma planilha

com vários cursos ali da aoti cada cada curso ali tem o seu respectivo quantidade de de módulos de aula e carga horária aí faria sentido eu usar a query para poder fazer a filtragem aqui tá E retornar somente informações do intensivão ntn tá já que o usuário perguntou por isso qual sei lá vamos dizer que pergun quantos módulos tem o curso intensivão nhn Ok mas como não é o caso aqui então não precisaríamos usar porque eu já tô colocando aqui os dados fixamente aqui no no set tá então o que que acontece quando esse workflow

aqui foi executado ele vai gerar esse Campo aqui response com o respectivo valor tá que tá lá a carga horária o total de aulas e quantidade de mos do intensiv tá esse response ele voltaria para o meu node cluster tá Porém para que isso possa acontecer eu tenho que referenciar qual é o workflow que eu quero que tenha esse retorno essa resposta como é esse workflow aqui né chamado informações intensivão ntn eu vou copiar o ID dele aqui em cima tá vou voltar aqui no meu workflow de node cluster tá e vou colar aqui ó

tá vendo ó deixa aqui marcado Database e cola o ID do workflow aqui pronto então ele já sabe que tem que acessar o workflow lá que tem as informações do intensiv ntn tá E aí olha só que interessante isso aqui eu vou desativar Primeiro só para você ver como é legal isso aqui tá eu vou perguntar aqui ó eh quantas aulas tem o intensivão n8n tá você viu que eu desativei e workflow retri né ou seja ele não tem acesso ali à base de dados adicional tá ele só vai pesquisar mesmo na web vai ver

se acha alguma coisa então ó Ah tá é porque aqui ele obriga a ter então acho que não vou nem conseguir exemplificar sem que aqui ele já se torna obrigatório tudo bem Vou deixar aqui ativado e a gente já mostra logo o caminho feliz né como vai se comportar eu acho que eu só consigo reproduzir cenário no node de agente tá a gente vai vai vai ver isso na próxima aula eh quer dizer na na penúltima aula se eu não me engano bom então o que que vai acontecer eu vou executar aqui e a inteligência

artificial vai conseguir agora me responder Com base no que eu informei lá nesse retriever ou seja vai ser como se fosse a principal fonte de dados ali para ele tentar achar resposta Então olha só que interessante se eu chega e pergunta assim eh Quantas aulas talvez eu conseguiria simplificar vamos vamos fazer o seguinte eu quero eu faço questão de te mostrar eh como funciona sem o retriever com retriever então eu posso usar aqui o o Basic pronto aí o modelo eu uso aqui é o chat GPT né né Então olha só que interessante isso aqui

deixa eu jogar para cá para não não embolar muito Ok então vou executar aqui e vou perguntar seria pros dois tá tanto para esse Basic quanto para esse question nware né V só perguntar aqui ó é quantas aulas tem o intensivão N n8n ó mandei ó repare que o question and aner Chin né ele me retornou aqui de forma assertiva tá ó ele me respondeu o seguinte ó O intensivão ntn tem no total 228 aulas tá que foi justamente o que eu informei lá no set Ok por isso que ele retornou a resposta certa agora

esse aqui que não está usando um retriever né que simplesmente só usou o chat PT para talvez pesquisar nas grandes bases ali de dados pode ser que não achou nada tá então se eu abrir aqui ó olha o que que ele respondeu Às vez ele até responde Mas responde de forma errada então ele botou assim ó o intensivão ntn possui um total de 20 aulas Quem disse isso para ele que tem 20 a isso aqui não é nem 10% do que tem né então você vê que a inteligência artificial ela acaba falhando né quando não

quando ela tá quando ela está limitada né ela não tem mais fonte de dados né então o question and aner né esse node aqui ele serve de fato para você poder sim usar o chat CPT para poder ali gerar uma resposta assertiva porém com base numa fonte de dados que você mesmo eh aponta ali tá no caso aqui eu usei um workflow como a informação fixa da mesma forma que você poderia usar um banco de dados vetorial com informações ali sobre a sua empresa sobre seus produtos que às vezes a inteligência artificial não consegue achar

na web mas vai conseguir achar nessa sua fonte de dados beleza Espero que você tenha entendido como funciona esse node e nos vemos na próxima com o node para resumir textos Ok um abraço bom antes de partirmos aqui para o terceiro node cluster né Eu quero só fazer aqui uma retrospectiva né do que a gente já falou dos nodes anteriores então resumindo aqui o Basic llm de fato é só para você mesmo pegar ali o prompt né que seria ali a pergunta do seu cliente do do usuário eh e dar uma resposta para ele o

mais assertivo possível com base ali nas informações que a inteligência artificial tem né na na grande base de dados ali dela tá porém às vezes a inteligência artificial não vai achar resposta para tudo ok como eu falei principalmente se for se tratando talvez aí da sua a empresa de algum produto seu que seja muito recente né E aí nesse caso é que faz sentido você usar o node question eners né anw né eu tenho dificuldade de falar essa palavra que é o node de pergunta e resposta né onde ele sempre vai estar usando ali uma

fonte de dados que você mesmo define ali né pode ser um workflow ali uma informação fixa ou então puxando informações de um PDF de uma página HTML enfim você vai definir a fonte de dados Para quê Para que quando a inteligência artificial for responder ela vai responder com base naquelas informações então o pessoal pergunta ah eh Quanto custa o seu serviço x Quanto custa o seu produto x né tendo essa base de dados o chat GPT a inteligência artificial já vai conseguir responder de forma assertiva o seu cliente tá então isso aqui é muito utilizado

eh atendimentos né quando você precisa ali criar um bot ali para sempre est respondendo ali dúvidas dos seus clientes com relação aos seus serviços e produtos né que você tem tá bom e agora o terceiro node é esse aqui ó deixa eu apagar tudo isso apagar is aqui também terceiro node é o summarization tá esse node aqui ele é bem interessante também a proposta que é basicamente resumir um texto né então por exemplo você tem lá um PDF com várias páginas né Cada página ali com vários parágrafos né bastante textos ali falando sobre algo e

esse node aqui ele usa a inteligência artificial para poder raspar né todas essas informações das páginas ali de um um de um de um arquivo pode ser também uma base de dados alguma coisa assim tá E aí ele vai meio que fazendo um merge dessas informações né ele vai pegando um pouquinho de cada um ali e vai meio que desenvolvendo o texto né como se fosse uma pessoa mesmo lendo ali um texto completo e tentando resumir ali o que que entendeu tá eu acho isso muito legal porque às vezes você tem ali eh uma fonte

de dados né às vezes um PDF de apresentação ali da tua empresa ou de um produto seu e você não quer que o seu bot né chegue ali passa um textão pra pessoa né pessoa a pessoa pergunta ah O que que significa isso aqui que que é esse teu produto aqui e aí manda um textão pro pessoal ler não faz sentido é bem melhor ser um texto bem resumido Mas falando Praticamente tudo ali do produto tá E aí isso é possível com esse node aqui beleza é E aí olha só que interessante aqui você pode

marcar essa opção aqui em data para para ser resumido né E você pode colocar aqui o user document Loader tá ué não adicionei ele não Ah tá adicionei E aí quando você faz isso ele habilita essa opção aqui ó para um subnode do tipo documen né então antes de colocar aqui um um subnode de documents eu vou colocar aqui um modelo que é o open né chat GPT tá eh e aqui eu já posso colocar eh deixa eu ver aqui um binário né aqui ó quando você coloca documents né você pode escolher aquela opção lá

deixa eu apagar porque eu acabei não falando né e tem dois aqui tem o do github né e tem o default data Loader né então você pode escolher esse aqui aqui no tipo de dado você pode deixar como binário tá para ele poder eh aceitar né qualquer tipo de arquivo ali binário pode ser um TXT um PDF uma página HTML enfim tá E aí você pode deixar aqui para detectar automaticamente ou então se você quiser especificar o arquivo Você pode você pode botar se é um csv se é um um PDF né se é um

um Jon é um DOC x né enfim pode deixar aqui automaticamente beleza ok já aqui em Tex Splitter né e para você definir ali o delimitador ou seja esse node aqui ele vai extrair as informações ali por exemplo de um PDF A gente vai usar aqui um exemplo de um PDF tá e para cada página ali ele vai meio que separar em índice né como ele criasse ali um arrei com vários índices e cada índice ali é um é um pedaço do texto né E aí você pode escolher Como você quer que faça essa separação

se você quer que faça por algum delimitador ali no texto ponto vírgula ou se você quer que a delimitação seja por exemplo por token né aqui no caso eu tô colocando aqui seria por caracter né Aí como eu falei se você quer separar texto ali por vírgula ou por ponto e vírgula por exemplo se é um csv você tá subindo uma planilha faz sentido usar o caracter tex Splitter porque você passa ali um delimitador que geralmente é vírgula ou ponto e vírgula que separa um contato do outro tá mas como no caso aqui a gente

vai usar um exemplo do do PDF né e o próprio chat GPT vai estar gerando esses pedaços de textos né esses pedaços de texto A gente dá o nome de token né como eu informei cada partezinha ali de uma informação gerada pelo chat GPT é um token tá então eu vou escolher token mesmo ok E aí eu posso deixar aqui nesse valor padrão tá e pronto e aí eu finalizo coloc aqui ó depois do start um node de http request Hugo Por que http request porque ele serve não só para você fazer chamada api mas

para também você puxar informações por requisição http às vezes de um site você botar um site aqui e o site não tiver sistema de bloqueio de raspagem de dados web scrap você vai conseguir extrair todas as informações do site por meio ali do html tá é no caso aqui a gente vai usar PDF Então eu peguei um link aqui de um PDF na web que fala sobre o Bitcoin tá então eu vou colocar aqui ó tem que terminar com a extensão do arquivo tá e você deixa aqui no método get tá aí eu posso botar

aqui ó obtém informações do PDF ou então posso botar extrai texto do PDF tá E aí conecto aqui tá deixa eu dar um zoom aqui para ficar melhor pronto e aí o que que vai acontecer se eu der um test workflow aqui o htp Quest vai pegar as informações do PDF vai jogar Inteligência Artificial que vai varrer todas as páginas Ok se não me engano são nove páginas que tem esse PDF por isso que ele retornou aqui nove porque ele conseguiu ler As nov As nove páginas né pegando o trecho de texto de cada uma

delas tá eh e aí Claro fez a a devida separação aqui tá E aí com o texto que ele extraiu de cada página né Eh com a as devidas separações ele conseguiu meio que fazer um merge fazendo ali um resumo de tudo que envolve o pdf tá por exemplo se eu abrir aqui o pdf Ó você vai ver que de fato são nove páginas tá e repleta de informações aqui tá ó tá vendo ó é falando aqui sobre o Bitcoin então ó temos introdução transações os servidores prova de trabalho tá vendo ó muita informação né

então Imagine você tendo que passar isso tudo aqui para o cliente né o cliente pergunta ah eh resume aí para mim como funciona Bitcoin tal aí imagina você tem que passar isso aqui tudo né então esse sumariza né ele vai fazer um resumo de de todo ali seu arquivo né que você passar então quando eu abro ele aqui ó olha só que interessante ele resumiu tá vendo ó ainda botou assim ó este documento descreve o conceito de Bitcoin como sistema de dinheiro eletrônico tá vendo ó o sistema proposto utiliza provas computacionais tal tá vendo ó

a blockchain sentiva honestidade ou seja de nove folhas ali ó ele resumiu aqui ó em um simples texto ó de um parágrafo só tá então É bem interessante esse node Aqui também tá ele serve também para você poder passar ali uma uma informação uma resposta ali pra pessoa que pergunta sobre algum serviço ou produto seu mas você quer passar uma resposta mais resumida possível pra pessoa já bater o olho e entender o que que se trata Ok então é isso aí tá agradeço a atenção e nos vemos na última aula Onde vamos estar explorando o

node cluster mais completo né e posso dizer que um dos mais utilizado aí nas automações tá bom valeu bom e finalizando aqui Vamos explorar o último node cluster né que é o ia Agente né ou agente de Inteligência Artificial que é um node eh mais voltado para conversação tá então como eu mostrei anteriormente os demais nodes Ali TM o os seus objetivos né o Basic como eu falei só para poder eh gerar ali um texto com base no prompt né usando a inteligência artificial o question né ou pergunta e resposta é para poder gerar uma

resposta com base ali numa base de dados que você mesmo aponta tá e o summarize né summarization É para que possa resumir um texto ali de um arquivo né se você tem um um um PDF ali com não sei quantas páginas com várias informações a inteligência artificial vai resumir né em um texto ali com poucos caracteres digamos assim e agora por último nós temos o agente de Inteligência Artificial que é adequado para uma conversação tá então da mesma forma que eu fiquei ali no chat ept né brincando perguntando quem é Bill Gates e depois eu

indaguei ué mas calma aí ele não fundou a Microsoft sozinha né Ou seja eu tava interagindo eu tava conversando ali com a inteligência artificial Então esse node ele tem esse objetivo aqui tá e eu vou explicar o porquê beleza bom primeira coisa que a gente precisa entender aqui né Eh eu vou ativar aqui a parte de output também que aí ele não se bem que o output eu vou deixar desativado tá output é sempre a questão de como o dado ali vai ser formatado vai ser impresso ali mas vamos focar nos três principais aqui subnode

desse noot aqui tá o agente de Inteligência Artificial ele vai contar com modelo tá todos eles têm um modelo porque não tem como você usar sem uma inteligência artificial associada tá coloquei aqui o chat GPT tá o segundo é o memory né ou seja memória lembra lá no chat GPT que eu fiquei conversando ali e foi gerando um histórico da conversa então esse Memory é basicamente isso é o seu agente eh poder armazenar as suas x quantidade de mensagens tá você pode definir pode ser as cinco últimas as 10 últimas as três últimas Ok por

quê Porque esse armazenamento desse histórico de perguntas vai servir para ele poder te dar respostas mais assertivas para as novas perguntas que você fizer mesmo não sendo tão específico quanto na primeira foi como eu fiz lá o o exemplo perguntei Quem é Bill Gates né e depois eu que ele me deu a resposta eu perguntei ué mas ele não fundou a empresa sozinha Ou seja eu não mencionei Bill Gates e nem mencionei Microsoft mas a inteligência artificial já sabia que eu estava me referindo a Bill Gates e a Microsoft por causa do histórico ou seja

das perguntas e respostas anteriores tá então o memory é para isso ok então ao clicar aqui você tem a opção de colocar é a própria memória interna ali do ntn o ntn ele disponibiliza uma memória digamos assim temporária aqui durante eh que o workflow está aberto né para você poder usar é o que a gente vai usar tá e você pode usar também memória né armazenamentos de terceiros né de aplicativos aplicações de terceiros aqui como motorad o Heads tá o chata e e o Zap Ok é vamos usar aqui o do próprio NN mesmo tá

aqui você pode deixar selecionado aqui como padrão e aqui você pode especificar a quantidade de mensagens que você quer que o bote armazene para te dar a próxima resposta tá por padrão é cinco Mas se você quiser aumentar quiser botar 10 quiser botar 20 né É claro que quanto mais mensagens o bot ali for armazenando né Eh mais assertivo vai sendo as próximas respostas tá mas eu vou botar cinco aqui beleza e por último nós temos o Tools tá que é uma forma de você dar super poderes eh ao seu Agente né Você pode colocar

aqui para ele poder fazer cálculos tá a gente já vai explicar isso aqui como funciona eh aqui tem para você colocar uma espécie de script ali em JavaScript ou Python para que ele possa sei lá fazer algum tipo de operação ali tá aí ele pode contar com um script aqui e JS Python isso aqui eu vou deixar pro intensiv porque também é um pouquinho mais complexo isso aqui tá você pode usar a serp api né que seria o Api do do Google pesquisa né para você pro seu agente poder fazer uma pesquisa no Google para

tentar achar resposta tá tem wikipedia né como eu falei é um mundo lá dentro tem muitas informações ali de absolutamente de tudo né e ele pode usar isso para poder ter acesso a mais informações né para melhorar as respostas e tem Desses desse outro serviço aqui que eu não conheço que é o w eu não conheço e por último tem o Custom ntn workflow tá que acaba se aplicando aquele conceito lá do perguntas e resposta lembra que a gente pode apontar para workflow né Por exemplo poss chegar aqui ó vou pegar o ID desse workflow

aqui que retorna as informações do curso né intensivão Tá e aí eu posso adicionar aliás referenciar esse workflow aqui tá aí aqui ele já pede como padrão né ele espera um valor vindo do Campo response Tá então se não precisa mexer Basicamente nada a única coisa que você tem que informar aqui é uma descrição né para esse tipo aqui de retriever né então você pode colocar aqui e informações do intensivão n8n ou pode só colocar assim ó ó intensivão NN aqui você coloca assim ó informações do curso intensivão ntn tá isso aqui são obrigatórios a

o título e a descrição beleza OK então eu vou deixar esses três sub noodes aqui tá é claro que você pode adicionar mais Tools aqui quantos quantos você quiser tá você pode colocar vários Ó mas para não embolar vamos explorando um por um ok Essa vai ser a aula eu acho que mais extensa mas já valia muito a pena que você vai entender perfeitamente como funciona esse node aqui na prática Tá então vamos lá eh vou executar aqui o chat olha só que interessante primeiro eu quero testar sem sem sem esses sub noodes aqui tá

eu vou desativar eles e E aí eu vou só executar só com o modelo aqui do chat IPT então por exemplo eu vou colocar assim ó eh quantas aulas tem o intensivão n8n tá ó tô fazendo uma pergunta paraa inteligência artificial que não está usando ali um retriever não tem ali uma base de dados ali adicional para consultar informação específica do curso né Ele vai tentar talvez achar lá na base de dados dele na web ok vamos ver o que que ele responde aqui tá ó ele respondeu intensivão ntn tem oito aulas no total tá

errado não tem não tem tá aí eu posso até chegar e falar aqui eh acho que essa informação está errada né É até meio suspeito né você ouve falar intensivão né ou seja uma coisa grande intensivão né só ter Oito aulas não faz sentido então eu vou botar aqui acho que essa informação está errado vamos ver como é que a inteligência artificial se comporta ó Aí ela fala assim ó por favor forneça mais detalhes para que eu possa corrigir a informação de AC cor né ainda joga a culpa para você ó você que não me

informou as coisas direito né teve casos que eu testei aqui e eu achei bem legal Ele já respondeu assim como ele não achou a resposta né porque o intensiv Chan é um curso recente né então às vezes não tem tanta informação assim na web eh e aí ele respondeu assim eh não encontramos nada sobre o curso para mais informações procure o autor e tal né então a a inteligência artificial tem várias formas de de responder Ok Enfim então você vê que ela não conseguiu me responder né Não eu não consegui ter a resposta que eu

de fato gostaria de ter por quê Porque de fato a inteligência artificial em si somente ela não foi possível gerar uma resposta satisfatória tá E aí de fato é onde entra o retriever ok que é você poder apontar ali uma base de dados no caso aqui eu tô usando um workflow que tem as informações do ntn como eu mostrei lá na aula do node pergunta e resposta ok E aí se eu agora fazer a mesma pergunta olha só que interessante ó quantas aulas tem o intensivão n8n Vamos ver se agora ele acerta olha só que

legal isso aqui total de aulas 228 aulas quer dizer 228 né Então nesse caso aqui a inteligência artificial ela pegou exatamente como como está lá na no set né teve um trecho lá ó que eu coloquei assim ó total de aulas tá vendo ó Ele pegou isso aqui tá tem alguns casos que a inteligência artificial responde assim ó o intensivão ntn possui 228 a ou seja às vezes responde até de uma forma mais humanizada tá então é muito dinâmico nem sempre vai vai te responder Da mesma forma tá eu posso até tentar perguntar aqui de

novo e ver como é que ele vai responder agora vamos lá quantas aulas tem o intensivão n8n vamos ver se ele responde forma diferente ó já respondeu de forma diferente mas acabou respondendo em Inglês né Às vezes o Ch de GPT dá uns bugs né e e ele botou aqui ó o curso intensiv n possui um total de 228 aulas né e distribuídos em 62 módulos com um total de duração de 37 horas né Às vezes aqui bem que acontece ele consegue pegar da web mesmo tá Inclusive a forma como ele descreveu aqui e parece

que tá igual a do site oficial do ntn ok e por isso que ele acabou respondendo dessa forma então isso aqui eu até suspeito que não foi lá do retriever isso aqui talvez o chat PT de fato conseguiu achar Ok então ele sempre vai tentar achar Ali pela web se não achar ele tem a base de D adicional ali que você define Tá ok vamos vamos perguntar pela última vez quantas aulas tem o ou então vamos vamos vamos mudar a pergunta né o intensivão n8n tem quantas aulas ó já mudei aqui o formato da pergunta

ó aqui já me respondeu de uma outra forma tá vendo ó e o curso intensiv possui um total de 228 aulas tá eh agora eu não sei aqui se tem uma forma de forçar ele falar em português né botar aqui ó responda em português Ah agora sim tá vendo ó Às vezes você tem que pedir ali pra Inteligência Artificial falar no teu idioma geralmente ela vai responder compatível com o seu texto se o teu texto é em português ela vai responder em português se é em inglês vai responder em inglês tá ok mas pode acontecer

isso e você tem que especificar ali ó por favor responda em inglês tá e em português então tá aqui ó o intensiv ntn tem um total de 228 aulas ou seja de fato agora ele tá acertando porque ele está consultando lá o meu retriever que tem as informações lá tá não é at que se por exemplo se eu chegar e perguntar assim agora por exemplo ó eh e e quantos módulos tem o intensivão n8m ó aqui ele já errou oito módulos Vou botar aqui ó não não tem só isso não até botar uma uma exclamação

que ele vai entender eu não fiquei satisfeito ali com a resposta Vamos repetir aqui o intensivão n8n tem quantos módulos É agora realmente não sei porque ele [Música] tá ele tá errando aqui né uma vez que que a base de dados ali está está ativa né Às vezes o chat GPT ele dá uns bugs né também não sei se pode ser por causa da versão né que eu tô usando a 3.5 Pode ser que a 4 não tenha tantas falhas assim né E quantos Vamos botar outra pergunta né Deixa eu ver aqui ó Qual a

carga horária do intensivão n8n é aqui ele já trouxe uma resposta Mas além do que eu pedi né quero saber somente a carga horária Ah tá vendo eu Tif que e dá uma bronca aqui não eu só quero saber a cargar não quero saber várias informações né aí de fato ele botou carga horária é de 37 horas né ou seja colocou em português de forma resumida tá então a nossa Inteligência Artificial eh ela já consegue eh trazer uma resposta mais assertiva porque tem a base de dados adicional aqui associada Então como você pode ver aqui

ó aqui é um resumo né do do fluxo né Isso aqui é como se fosse uma chain né chain é como se fosse ali um processo né como se fosse um workflow do llm né Tem uma etapa ali então primeiro passou aqui a o prompt pro pro Agente né O Agente jogou lá no chat GPT né aí o chat GPT eh usou aqui o workflow para pegar as informações né e conseguiu gerar ali uma uma resposta né com base nas informações beleza Ok e e agora vamos lá outra coisa interessante é a questão da memória

então por exemplo eh se eu executar aqui ó bom já estamos 18 minutos da aula tá de fato vai ficar um pouco extensa essa aula mas você vai sair daqui sabendo o básico né do do node de agente aqui tá e a memória é o seguinte por exemplo eu perguntei a ele né ó quantas aulas tem o curso O curso intensivão n8n é ele tá dando uma resposta assim bem extensa quero saber somente a quantidade de aulas ó ele ainda errou aqui ele focou só em al botou 36 né deixa eu tentar aqui outra coisa

Quantos módulos tem o vão n8n ó agora respondeu certo ó Inter n tem um total de 62 modos Ok E aí o que que acontece agora se bem que aqui já tem um certo histórico né eu vou fazer o seguinte deixa eu limpar aqui que eu só queria testar até trazer corr Então vamos perguntar aqui de novo ó vou perguntar assim ó ó quantos módulos tem o intensivão ntn ó perguntei fui bem específico né Perguntando quantos módulos tem o intensiv então falando quantidade modos e de qual curso é OK então ele foi lá retornou aqui

PR minha resposta correta sendo que retornou em inglês né aqui ó responda em português é às vezes ele é meio mal criado tá falando que só pode responder em inglês hoje pode uma coisa dessa enfim mas que que eu quero mostrar aqui para você se eu chegar aqui agora e falar assim ó beleza ele me respondeu lá quantos módulos tem tá mas se eu chegar e perguntar assim ó eh e Quantas aulas você concorda que a princípio ele deveria saber do que eu estou falando já que a inteligência artificial é um algo inteligente né Eh

deveria entender que eu tô falando do curso ok porém aqui no meu ntn eu não estou ativando a memória da Inteligência Artificial né o chat de GPT quando você tá usando lá o o chat deles ali já tem a memória né ativada mas aqui você tem opção de ativar ou não então se a memória do seu agente não está ativada ó ele não vai saber responder porque você botou assim ó eh na verdade se bem que eu eu exagerei também eu tinha que botar e quantas Quantas aulas ó tá vendo aí fala aqui ó eh

as aulas do intensivão ntn podem variar de acordo com o curso em questão para mais informações precisa de quantidade de Z recomendo verificar diretamente com o site ou entrar em contato com a equipe responsável pelo curso né Foi aquela resposta que eu te falei mas você vê que eh ele ele não consegue ter uma como posso dizer uma memória do que já foi dito tá Por quê Porque você não vai armazenando ali as perguntas e respostas tá por exemplo ó e cadê deixa eu limpar aqui de novo ó vamos fazer o seguinte vou testar aqui

novamente Ó vou botar aqui ó [Música] eh deixa eu tentar aqui com uma pesquisa aleatório aqui botar aqui ó quem é Elon musk tá ó retornou aqui a descrição né fala aqui que mus que é um empresário inventor magnata sul-africano naturalizado canadense E norte-americano aí por exemplo se eu chega e Pergunta assim ó pera só vou só vou col colocar aqui ó como como assim Eh sul-africano ó repare que ele me trouxe uma resposta que não tem nada a ver com El musk tá vendo ó eh tá dizendo aqui que é sua africano significa sul-africano

em português ou seja ele me deu a definição do que é sul-africano e não porque H musk é classificado como sul-africano deu para entender por que isso porque não tem memória o meu agente ou seja ele não tem ali o armazenamento das perguntas e respostas anteriores agora se eu ativo isso aqui olha que interessante agora aí é claro né Você pode definir aqui a quantidade de perguntas e respostas que você quer que o bot armazene eu tô botando aqui até cinco as cinco últimas mensagens trocadas tá por exemplo se eu cheg aqui agora e pergunta

ó vamos lá Elon musk el musk quem é ó tô colocando até uma pergunta assim com formato diferente e aí ele foi lá respondeu ok então com a memória ativada o meu agente já armazenou a minha pergunta e também já armazenou a resposta dele ok então ele tem essas duas informações para poder usar ali na criação de uma nova resposta agora sim se eu cheg e e pergunto assim ó mas como assim mas como assim sul-africano aí olha que interessante Agora ele já me respondeu se bem que ele escreveu Elon com o Elon musk nasceu

na África do Sul em petró em 1971 sendo filho de uma mãe canadense e de um Pai sul-africano olha que interessante eu nem sabia disso então você vê que agora o a gente já respondeu dentro do contexto Ou seja eu não precisei mencionar novamente o nome alo musk né mas ele já entendeu que eu estou me me referindo a Elo mus porque é uma conversa igual de seres humanos se você tá conversando algo com alguém ali sobre carros não faz sentido depois você perguntar Ah mas é novo ou é usado aí a pessoa fala não

a camisa é usada não a pessoa já entende que você tá falando do carro porque Vocês estão conversando sobre carro é um contexto Ok então para isso que serve a memória do robô Ok do do nosso agente aqui tá bom para finalizarmos aqui já já são 27 minutos de aula eh eu vou testar aqui só mais duas ferramentas deixa eu ver aqui se é isso mesmo deixa eu tirar esse Custom aqui é tem do Wikipedia aqui deixa eu ver do Wikipedia talvez Wikipedia ele ele retorne [Música] eh alguma coisa que tem ali no no Wikipedia

né Deixa eu ver aqui chat deixa eu limpar o os output e Vou botar aqui ó botar aqui ó list não vou botar uma definição eh Descreva o que é o jogo Vou botar aqui sal an rio que é um jogo que eu que eu gosto da franquia tá salante Rio Vamos ver que que a inteligência artificial vai conseguir responder já que agora ela tem ali o Wikipedia né como base de informações né ó ele botou uma uma resposta assim ó Sant Hill eh é um Survival é um game de survival R né de sobrevivência

de terror eh de 1999 né Eh desenvolvido pelo time Silent né publicado pela Konami né Pode ser que se gente colocar aqui ó silence Hill Wikipedia Vamos botar Wikipedia english ó tá vendo ó de fato ele pegou do Wikipédia ó Ó você vê que está bem parecido tá vendo ó cant H is a 1999 Survival H game developed por team Silent um grupo da Konami computer tá vendo ó team Silent publicado pela Konami é claro que às vezes ele pode mudar um pouquinho assim mas você já dá para perceber aqui ó que logo de início

ele pega de fato a descrição que tá lá no Wikipedia tá então é para isso que serve esse Tools aqui né né Para que você possa contar aí com Wikipedia para gerar e respostas né mais assertivas aí às dúvidas dos seus clientes referente a alguma dúvida assim geral né Beleza bom e para ú e o último aqui só pra gente poder finalizar eu queria testar o calculator tá o calculator ele é designado eh para poder retornar para você o total ali de uma operação tá matemática porque por exemplo se eu chegar aqui deixa eu apagar

esse Wikipédia ó eu vou desativar ele se eu por exemplo chegar aqui para a inteligência artificial e perguntar assim ó Quanto é 4 + 3 tá a inteligência oficial vai fazer o cálculo correto porém ele sempre vai me passar com como uma frase né vai botar assim ó a resposta é sete ou então o total é sete mas ele nunca vai me passar apenas o número tá então o calculator ele serve quando você precisa fazer um um cálculo matemático ali e você só espera o número ali o total como uma resposta tá então calculator é

como ele conseguisse identificar apenas um número ali na resposta tá então se ele tiver ativado o que que vai acontecer se eu chegar e fazer a pergunta novamente por exemplo ó Quanto é quatro vou até inverter vou botar Quanto é 3 + 4 vai dar a mesma coisa mas eu tô mudando a ordem tá vendo ó aí sim ele retornou apenas um número tá porque às vezes você só precisa do número né Por exemplo botar aqui um s você só precisa ali do número tá vendo ó Para poder seguir ali com a sua automação Você

pode até botar um campo aqui chamado total né ó joga aqui pronto executou ó gerou lá Total sete tá então é para ISO serve o calculator beleza bom então é isso aí e a aula acabou ficando um pouquinho extensa mais do que eu imaginava mas tenho certeza que valeu muito a pena aqui né foi uma aula bem proveitosa né Espero que você tenha gostado e na próxima aula né a gente vai encerrar deixando aí a conclusão e propostas futuras tá bom grande abraço e Valeu bom E finalizamos aqui mais um curso né gratuito eh da

Auto tique Espero que você tenha gostado aí da proposta né como eu informei não é para você você já sair criando aí automações com inteligência artificial mas sim para você já ter uma uma noção né de como isso funciona dentro do ntn E é claro você ir estudando com o tempo ok a gente também vai explorar isso no intensivão ntn Ok então se você já é matriculado em breve já vai ter aí o o módulo né Eu acredito que agora em abril de 2024 já vai ter o módulo aí de leng chain tá para você

poder estudando e se você não é matriculado você vai ter a oportunidade de se matricular para não só acompanhar esse modo de Inteligência Artificial mas vários outros modos também onde a gente explora basicamente quase tudo ali no ntn né para você poder aprender a desenvolver qualquer automação tá bom os links dos cursos vão ficar disponíveis aí na na na descrição desse curso tá juntamente com os links dos nossos grupos tá então se você não sabe a auto ela tem dois grupos de ntn tá a gente tem eh o grupo aqui no no no WhatsApp ok

que é esse aqui é o ntn Brasil a gente vai deixar o link aí na descrição E também o grupo no telegram tá ambos grupos a gente vai deixar o link aí na descrição Para quê Para que você possa fazer parte e trocar ideias ali não só sobre NN mas também com relação a uma inteligência artificial Inclusive tem muitos membros aqui que eu tenho visto que são experts no assunto tá tem até Engenheiros de prompt né que sabem ali criar prompts ensinar como criar prompt tá pessoas que já usam inteligência artificial para fazer automações assim

incríveis Tá ok então você vai ter a oportunidade de estar tendo esse contato né esse Network com essa galera aqui no nosso grupo de apoio beleza e é isso aí então se você gostou do curso como eu informei no início não deixa de avaliar Ok deixa uma avaliação aí positiva seja na yurem E se for no YouTube pode deixar aí eh a sua sugestão ou pode deixar o seu elogio aí também nos comentários não esquecendo de dar o like no nas aulas tá nos vídeos das aulas e também de se inscrever no canal tá bom

para continuar apoiando aí o nosso trabalho um grande abraço e valeu