Como fazer agents do CrewAI pesquisar informações na internet

fala Turma seja bem-vindo a mais um vídeo Mateus aqui e no vídeo de hoje pessoal a gente vai continuar falando sobre ci tá vocês deixaram um apoio muito positivo no vídeo passado já agradecendo aqui a todos os que comentaram respondi o comentário de quase todo mundo naquele vídeo tá até o próprio criador do da ferramenta do crei passou para marcar presença ali tá fez um comentário bastante positivo pra gente é sinal de que o nosso conteúdo tá agregando aí na vida que dos inscritos que estão estudando esse Framework Fantástico que é o crei tá pessoal

na aula de hoje a gente vai est fazendo aqui eh alguns comunicados a vocês tá umas novidades bem interessantes e trazendo um tutorial prático Onde vamos estar integrando o Crew ai com a internet tá então vamos fazer um exemplo onde utilizaremos dois agentes de Inteligência Artificial que eles vão buscar eh informações na internet trazer ali essas informações extraídas E retornar para o usuário o que ele poderia também eh retornar para outro agente fazer alguma tarefa e a gente vai est discutindo sobre esses possíveis casos aí que você pode passar no dia a dia e como

que você adapta para cada situação que você for lidar na hora de criar os seus agentes Beleza então já deixa o like se você for aquele inscrito raiz tá fica atento no vídeo para você deixar a contribuição do seu comentário aqui pra gente que é muito importante tá saber o que vocês estão eh analisando aí a respeito das aulas e é isso Bora pro tutorial antes de começar pessoal vamos fazer um comunicado Breve Aqui até porque eu não vou me estender muito sobre isso tá muitas pessoas que estão lá no nosso grupo do WhatsApp tá

que já vai fazer uns do anos de existência onde Compartilhamos conteúdo semanalmente tá toda toda semana ali interagindo com os os inscritos aqui do canal e trocando informações importantes a respeito da as aulas que a gente traz aqui tutoriais tá eh os inscritos pediram né gostaram bastante do Framework do crei não tem ainda ninguém no Brasil falando muito sobre ele aqui e pediram que eu trouxesse um curso completo sobre a minha experiência tá Eu sou programador tanto em Python quanto em JavaScript há mais de 4 anos e tem estudado nos últimos se meses esses frameworks

do crei que é todo baseado em Python tá e o leng chain também além de outras outros recursos que estão falando muito na gringa tá sobre inteligências artificiais recursos como o reg que é o retrieval aumentad Generation perdoem aí se a a a pronúncia tiver errada tá pessoal mas o foco aqui é o conteúdo então recursos como o ha que tão falando muito lá fora tá que é um recurso onde você pode estar integrando a sua ia com a sua base de dados local O que é muito útil para grandes empresas aí que precisam armazenar

informações para que os agentes sai saibam o que fazer né os dados daquela empresa ali para atender os usuários para poder estar realizando tarefas no dia a dia banco de dados vetoriais tá que é algo que é novo relativamente aí no mundo da ia eh na questão de conteúdos aqui no YouTube não vejo muito muitos canais brasileiros falando sobre isso ainda tá tá começando eh e outros conteúdos que estão descritos aqui para vocês tá então a gente vai ter uma comunidade VIP no circuito criativo que eu vou trazer um vídeo com completo ainda sobre o

circuito Criativo o que é né já deixando claro para vocês que vai ser uma comunidade Onde teremos vários cursos de a dentro de módulos então Já começamos ela já tá na pré-venda disponível para quem quiser comprar já tem aulas que estão sendo postadas todos os dias eu tô gravando e publicando tá o suporte ativo lá no nosso grupo para tirar dúvidas dos inscritos tá e das aulas que estão sendo gravadas E ajudando ali no ux1 tá tirando as dúvidas de cada inscrito ali no PV do WhatsApp fazendo caos também que a gente teve uma promoção

bem interessante onde eu tava fazendo caos no bootcamp com vários inscritos na semana anterior e eles já estão conseguindo implementar ali eh bastante eh recursos ali nas empresas deles e nos negócios pessoais com o Ci e outros frameworks de Inteligência Artificial que a gente tem falado certo então se você já quer ter um resultado mais rápido e já ir consumindo o conteúdo que a gente tem postado lá na nossa comunidade do circuito ativo sinta-se à vontade a participar dela e tá tirando suas dúvidas comigo diretamente ali dentro do WhatsApp também Beleza então o link vai

est aí do checkout pra nossa comunidade na no primeiro link da descrição além também do link do nosso grupo no WhatsApp onde tem bastante conteúdo e você pode ter uma interação comigo e e os outros inscritos ali direto tá pessoal então é isso tá a gente vai ter uma comunidade Vip Eh vamos falar a princípi sobre esses conteúdos aqui a à medida que os meses vão passando a gente vai adicionar mais material lá e até o final do ano vamos ter bastante conteúdo aí e você já vai ter tido bastante resultado com o aprendizado Que

você obteve aí na comunidade beleza tenho certeza que a gente vai conseguir criar bastante recursos interessantes aí até para mostrar aqui no canal e ser estudo de caso para aulas futuras beleza mas já Seguindo aqui com o nosso conteúdo real do tutorial de hoje vamos aqui para o tema da nossa aula pesquisando informações na internet com o uso de Inteligência Artificial Então vamos Seguindo aqui tá pessoal primeiro de tudo como os agentes de a pesquisam conteúdos na internet Então pessoal Atualmente frameworks como cre a que eu escrevi em minúsculos aqui mas tanto faz tá pessoal

possuem ferramentas que permite que os agentes tá que são estabelecidos ali através da classe Agent que eu falei na aula passada se você ainda não assistiu o vídeo assista o minicurso que tá muito top tá eles vão ser ali eh vão fazer a utilização de uma Tool né Essa Tool a gente vai utilizar nela alguma api que permita que o bot ele integre com a internet então já exemplificando para vocês a integração do agente com a internet ela se dá por meio de um Atol que é uma ferramenta que você cria ali pro agente como

eu expliquei na aula passada onde você vai usar dentro dessa ferramenta que é uma função no Python qualquer recurso que você possa importar de outra biblioteca no Python Então hoje atualmente nós temos várias bibliotecas de integração com a internet temos a bioteca do Google lá da serp api que é uma biblioteca que Retorna ali os resultados de busca do Google tá para uma pesquisa que você fala então se você colocar ali eh um termo de busca para essa função ela vai retornar os resultados os mesmos resultados que aparecem no Google para você só que dentro

do Python com os links o título ali daquela daquele resultado de busca né daquele site eh Uma Breve descrição e outros recursos tá então a gente tem a surpi e a gente tem o Duck Duck go tá que tem o pacote no Python ali que nada mais é do que uma biblioteca né um um código ali que você pode instalar por meio do PIP tá dando aquele comando PIP ali no seu terminal onde você vai poder utilizar a busca simplificada né consultando ali a partir de um termo os resultados que vão ser retornados ali tá

assim como você faz no Google e obt os resultados que são exibidos ali na sua tela eles vão vir num formato Jason né com Chaves ali bem estruturadas e o link a descrição daqueles sites que vem ali na busca e tudo mais bem similar ao que acontece quando você tá pesquisando no Google tá E ele é um recurso bem interessante pra gente tá utilizando nessa aula aqui tá pessoal então coloquei algumas especificações a respeito do Duck Duck go que são bem interessantes pra gente tá olhando tá como a privacidade do usuário quando você tá usando

a api do Duck Duck go ele não usa nenhum tipo de dado do usuário para influenciar na pesquisa tá para exibir um anúncio no topo da pesquisa ou algo do tipo então ele é bem neutro tá nessa questão e é uma ferramenta muito interessante pra gente tá utilizando muito boa tá dentro do Python eh Fácil de usar tá relativamente simples a integração ali Como eu vou mostrar aqui para você vocês já já e os resultados vem bem diversificados ali tá é um é um é um navegador ele tem né esse navegador para você instalar no

computador caso você tenha curiosidade igual o Google Chrome e outros que existem no mercado eh e é bem bem aclamado pelo público aí na questão que que toca a segurança né é um navegador muito famoso por ser bem seguro aí e não utilizar muito os dados do usuário Beleza então vamos Seguindo aqui nessa aula de hoje a gente vai fazer um teste de integração tá onde vamos estar utilizando dois agentes tá um agente pesquisador que a gente chama de research Lembrando que eu já expliquei para vocês que o research e o writech nesse caso que

a gente tá usando nomenclaturas em inglês né É porque o os llms que a gente utiliza tanto localmente quanto as APS do chat IPT ou qualquer outro modelo de a eles lidam melhor com o idioma em inglês pessoal então é melhor vocês descreverem ali as tarefas e o que o agente é né qual qual comportamento ele vai adotar que especialista ele vai ser tudo em inglês e pedir que ele retorne o as respostas pra gente em português tá muito também dependendo do caso de uso porque a gente vai conseguir ter melhores resultados porque por si

só o llm ele lida melhor com o idioma americano então se você descreve as tarefas ali para ele em inglês ele vai lidar melhor com isso tá então a gente vai ter dois agentes vamos utilizar a ferramenta do Duck Duck go e dessa vez ao invés da api local né do LM Studio A gente vai fazer uma diferença aqui usando a api da Open ai tá então eu vou utilizar minha chave ali da AP da Open ai para est processando ali para ser o Célebro né da eh dos agentes que a gente vai estar utilizando

dessa vez na aula anterior eu usei o LM Studio localmente poderia usar Dessa vez também mas para dar uma diferenciada no tutorial vamos utilizar aqui a integração com a Open ai beleza e a tesk que a gente vai utilizar como base né O que é que esses Bots vão procurar na internet o research no caso porque o writer só vai fazer escrever pra gente né os artigos ali é pesquisar três receitas de doces para fazer em casa tá então a gente vai dar essa tarefa como uma tarefa simples para ele procurar na internet ali que

não gaste tanto tempo também para responder porque pessoal os Bots dependendo da tarefa que você passa para eles eles fazem bastante iterações ali o que gasta e chamadas api tá do seus créditos lá da openi E gasta também recursos computacionais então para você ser mais objetivo de tarefas bem diretas ali para os seus agentes que eles vão conseguir eh compreender melhor aquelas ações que eles têm que fazer e otimizar ali a questão de tempo né Para te retornar um resultado para que ele não demore tanto puxando muitos sites vai escolhendo muito a web A não

ser que seja esse o intuito ali da sua pesquisa a finalidade dela né então se você tiver fazendo algo muito aprofundado você pode sim deixar que os Bots eles fiquem ali um tempinho interessante já pesquisando conteúdos para montar aquela estrutura que você quer seja um roteiro para algo seja uma descrição ou simplesmente coletar informações que você deseja ali inserir em algum lugar seja um banco de dados seja eh uma planilha do notion uma planilha do Google sheets enfim tá a gente vai falar sobre isso também lá no circuito criativo já partindo aqui aqui para a

nossa parte prática do tutorial Vamos agora pro P Charm lá no Python para est colocando na prática né a criação desses agentes e rodando eles para ver qual vai ser o retorno Beleza então bora pro pchar mostrar aqui agora o nosso código né Eh de forma destrinchando ele de ponto a ponto e testar ele eh com vocês aqui pra gente tá vendo os retornos e nós vamos testar também nessa aula e ponderar se vale a pena você usar a api né da Open Ai que é o que a gente vai estar utilizando aqui ou um

llm local instalado ali pelo LM Studio ou olama que é uma das possibilidades também que a gente vai estar falando aqui no canal ao longo das próximas aulas Beleza então a gente vai estar utilizando a api da opene aqui com GPT na versão GPT 4 tá e testando aqui os nossos Bots tá Então pessoal como eu já falei na aula anterior sobre questão de integração com llms é bem simples eu vou est pulando essa parte aqui tá então basicamente essa parte do código é onde a gente tá importando tudo que a gente vai usar já

tenho meu arquivo pon env com as configurações ali da Open ap Key que é bem similar ao que eu mostrei na aula anterior para vocês fazerem ali com LM Studio tá onde você coloca a sua chave api dentro lá da variável Open api Key tá e você coloca o modelo também que você vai utilizar e coisas bem simples tá acito que vocês que estejam assistindo aí a aula e já tão utilizando o cre e já sabem fazer isso tá vamos pular para uma parte mais objetiva pra gente não prolongar muito esse vídeo aqui tá que

ele não vai ser um minicurso ele vai ser uma aula mais solta aqui sobre um estudo de caso tá para você que de repente esteja utilizando aí um bote onde você vai precisar eh fazer ele pesquisar na internet por alguma coisa ali que você quer para usar entre os seus agentes algum informação eh notícias enfim Beleza então vamos lá tendo já feito suas importações e a conexão com a Open aí tá da sua api vamos utilizar Aqui as nossas funções né que vão ser as nossas Tools aqui eu tenho uma Tool chamada search recipes buscar

receitas onde ela vai est utilizando uma classe do Duck Duck go aqui que a gente tá importando eu atualizei Esse pacote aqui dando o PIP instal menos u tá com o Duck Duck go traço search porque ele tava meio desatualizado Então já tem uma versão nova ele continua sendo importado aqui no nosso projeto só que ele foi atualizado ali para que a gente possa estar utilizando as funções do pacote do Duck Duck go que vai ser a api que vai permitir a gente integrar com a internet tá então eu criei ali no GPT mesmo uma

função bem simples que vai dar o nosso bot o poder dele estar pesquisando coisas na internet beleza eu só limitei aqui a quantidade de informações que ele vai trabalhar para não demorar muito ali ele pesquisando muita coisa na internet e consumir muito da nossa api ali da Open ai tá que gasta bastante tá pessoal vamos lá eh aqui no search to é uma variável que a gente tá instanciando essa classe aqui a gente tá já chamando ela e usando o método pon One dessa classe aqui e pegando o cerry que é o que vai vir

aqui como argumento dessa função então o bot ele vai usar essa função aqui dessa maneira aí que vocês estão vendo tá pesquisando e armazenando os resultados numa variável results quando ele armazenar nesse results ele vai criar uma outra variável chamada receitas e ele vai fazer um laço de repetição né dentro das informações que ele puxou ali pegando o título tá e pegando ali as informações que que foram retornadas aqui dentro certo depois ele vai retornar como resultado uma lista com apenas três informações então se ele buscar ali uma certa pesquisa e ele achar 25 resultados

na busca ele só vai trazer os três primeiros beleza é esse que essa função aqui tá fazendo e quem vai controlar ela vai ser o nosso agente pesquisador tá então temos aqui um agente pesquisador com a variável research e um agente escritor com a variável writer Beleza então pessoal vocês já sabem como isso aqui é estruturado a gente já falou na aula anterior tá então temos o roll que é o papel do Agente né O que é que ele vai ser aqui a gente diz que ele vai ser um pesquisador o go que é o

objetivo principal desse Agente né então ele vai pesquisar por receitas de doces que podem ser feito em casa né homemade no verbose guatr a gente tem aqui o retorno né de tudo que o bot esver fazendo ali em tempo real no nosso terminal Python se você marcar false ele não vai retornar né a enquanto ele tá fazendo ali as tarefas o que ele está fazendo ele só vai te retornar o o final né o o resultado final o memory que a gente não falou na aula passada porque era o intuito ser uma aula introdutória né

um minicurso introdutório então não deu tempo da gente falar sobre todos os parâmetros assim como a gente vai falar lá no circuito criativo tá eh mas o memory pessoal ele é um parâmetro de memória Então significa que você vai permitir que o agente ele memorize aquilo que ele tá fazendo então ele meio que vai salvar ali em cash tudo que ele tem feito até o momento todas as ações que ele fez até o momento para se caso um outro agente que delegar alguma alguma tarefa para esse agente aqui ele vai ter a memória do que

ele fez até o momento e poder utilizar isso como contexto para realizar a tarefa que foi solicitada por outro agente que é o que a gente tá utilizando aqui onde o wi que é o nosso agente escritor tem o allau delegation igual a true então ele vai poder delegar para o pesquisador então quando o pesquisador coletar os dados esse writ aqui vai poder delegar pegando a memória do pesquisador para ele poder montar o texto que ele vai gerar aqui pra gente beleza então a única coisa de diferente que vocês não conhecem ainda em comparado ao

vídeo anterior eh na questão de montagem de Agentes aqui por meio da classe Agent é justamente o parâmetro Memory que eu acabei de explicar para vocês beleza no mais a gente tá utilizando aqui no Tool o search recipes que é a nossa função o backstory nós estamos utilizando aqui o contexto de acordo com a função do do agente que é um pesquisador né então a gente tá dizendo aqui que ele é um pesquisador dedicado o que é que ele deve fazer na hora de buscar ali sobre as receitas de doce que é o que ele

vai fazer né E todo um contexto simples aqui beleza ele não vai aceitar delegação então ele não vai fornecer tarefas para outros agentes fazerem então por isso a gente deixou fals e temos o escritor tá onde ele tem praticamente a mesma coisa que tem aqui para o agente pesquisador só que aplicando para um escritor então ele é um escritor o papel dele é gerar uma lista com top três de receitas que pode ser feito em casa tá receitas de 12 tá Switch rpes eh verbose iG true Memory true também o backstory né aqui no backstory

a gente fez questão de colocar que ele deve criar a resposta em português então isso tá descrito aqui tá no no escritor e o alau delegation guatr eu já expliquei para vocês o por né ele vai delegar para o agente vai pegar ali a as memórias do agente tá do pesquisador e aqui temos duas tarefas para os dois agentes que a gente criou acima então resarch test que é o pesquisador com a ição dizendo que ele vai procurar doces deliciosos que podem receitas de doces deliciosos que podem ser feito em casa né ele tem o

description aqui e a saída esperada que ele deve retornar para essa tarefa aqui do pesquisador é uma lista com e três potencial doce e receitas de doce né E além disso ele também deve retornar cada URL né de de onde ele pegar ali a os resultados que vão vir ali na no Duck Duck go search que vai ser a pesquisa que ele vai fazer vai retornar aqui um um link né da vai retornar ali um link da da busca mesmo que foi realizada de cada site né onde tem ali as receitas ou algum artigo que

tá falando sobre receitas então ele vai pegar as três potenciais receitas que vieram e mais a URL de cada site de cada fonte de onde ele coletou a informação que ele vai usar para gerar as respostas beleza e aqui no escritor ele já tem aqui tudo que ele precisa também na descrição dizendo como que ele deve criar né esse artigo eu coloquei aqui que ele deve criar um artigo com 300 tokens para que ele não se Estenda demais né e gerando um uma receita com muito muito texto ali tá porque o nosso objetivo aqui é

testar simplesmente a a integração não é gerar um texto muito grande porque a gente não vai precisar dessa informação que eles vão gerar aqui né É só para testar mesmo o potencial com a ap da openi e a a resposta esperada que vai ser em português br eu já fiz questão de enfatizar isso aqui tá E aí ele vai montar toda a a descrição né das receitas em português br Então temos aqui o agente que é um escritor que ele tá referenciando nessa tarefa aqui aqui temos o pesquisador que ele tá referenciando no parâmetro Agent

e abaixo temos aqui a Crew já montando com a as tarefas que a gente precisa aqui ele tem um comentário importante que o GPT inseriu aqui ó que é o seguinte a execução sequencial ela serve para garantir que a escrita comece após a pesquisa porque se você colocasse a a o processamento em paralelo ele iria processar aqui ao mesmo tempo o bote do pesquisador e o bote do escritor e sendo que o bote do pesquisador ele precisa primeiro coletar as informações para que o escritor que vai delegar ao pesquisador ele possa coletar as informações que

o pesquisador já buscou da internet certo então por isso a nossa o nosso processamento ele vai ser sequencial um após o outro tá pessoal então já temos aqui as teses instanciadas entre colchetes aqui né que é as listas do Python os agentes também de igual forma passando todos os argumentos aqui para a nossa classe Crew e aqui abaixo ele passa um parâmetro inputs que seria uma entrada de dados né que você já tá fornecendo aqui para ser usada ali nos agentes que seria o seguinte o cow que é um parâmetro que ele vai reconhecer aqui

esse parâmetro que vai ser usado dentro dessa função que recebe um parâmetro CL tá então aqui nesse inputs a gente tá passando aqui uma chave Cury que ele vai usar como argumento da função tá então ele vai pegar isso aqui e vai dizer que nesse parâmetro aqui da função que o bot vai usar ele vai pesquisar por doces e eh receitas de doces para casa é isso que ele vai colocar na chamada api do Duck Duck go search Run certo então ele vai pesquisar por isso aqui e aí o bot A partir dessa pesquisa ele

vai coletar ali os os resultados e fazer tudo que que a gente definiu aqui acima Beleza então tendo explicado tudo isso para vocês aqui tem o print né do do resultado ele vai exibir no final o resultado que foi gerado pelos agentes isso aqui eu não precisaria tá Foi algo que o GPT inseriu mais o próprio a gente já vai retornar a o resultado então não precisaria disso aqui você pode colocar opcionalmente e já podemos dar um play aqui no nosso arquivo Beleza então vou clicar aqui ó pra gente rodar o nosso arquivo certo ele

vai iniciar aqui vamos aguardar ele deu um warning aqui mas isso aqui é normal tá é um erro aqui de alguma coisa relacionada ao Windows 10 mas ele já iniciou aqui o bot como nós podemos ver tá E só aguardamos agora as respostas aí que ele vai gerar já gerou aqui ó algumas respostas tá a gente tá usando a ap do GPT então é bem rápido tá então ele gerou a primeira receita é um é chocol é cookies de chocolate né e a segunda receita seria um cheesecake e a terceira receita seria não sei o

que que é isso aqui tá pessoal me perdoem mas ele vai traduzir aqui pra gente em português tá então ele tá efetivando as tarefas aqui ó como vocês podem ver tá vamos aguardar aqui a tradução ele tá traduzindo aqui ó translate receitas né Vamos aguardar ele fazer essa tradução aí então ele traduziu aqui pra gente e finalizou ó cookies de chocolate cheescake clássico e rolinhos de canela né E aí ele traz aqui a receita Esta é a receita simples e clássica usando ingredientes de farinha como bicarbonato de só de sal manteiga açúcar enfim tá pessoal

Ele trouxe aqui a resposta para que a gente pudesse tá utilizando Então se a gente clicar aqui ó nos sites fonte da receita é onde ele tirou aqui eh a receita pra gente então ele buscou né Essa essas receitas em inglês como tá ali na no termo de busca que a gente utilizou já tá retornando aqui pra gente um texto que percebam que ele usou até 300 tokens é uma descrição bem bem simples porque a gente pediu aqui na tarefa que ele usasse até 300 tokens para gerar resposta se a gente não limitasse isso ele

traria Bem Mais resultados aqui ele traria um texto da receita gigantesco dizendo a quantidade de cada item e tudo mais pra gente beleza então como a gente limitou aqui ó a 300 tokens a resposta tá ele retornou aqui pra gente Dessa forma então foram feitas algumas iterações aqui tá para ele gerar esse resultado vamos ver agora na api aqui do GPT quanto foi que ele gastou em em dólares né para est fazendo essa pesquisa simples aqui então vamos lá vou recarregar aqui ó nosso painel tá vamos ver aqui ó ele estava aqui em 53 e

foi para 58 então ele gastou C centavos de dólar né nessa requisição aqui aproximadamente e gerou aqui o nosso resultado só esclarecendo tá pessoal o que a gente viu ali no vídeo é um delay tá ele gast ele foi para 9 na realidade então quando a gente iniciou ele já tava em 53 centavos ele gastou por volta ali vamos arredondar para 60 centavos de dólar naquelas requisições ali que ele fez tá Foi o que ele gastou para poder gerar aquele resultado ali de forma exata agora trazendo aqui para vocês tá então Numa pesquisa como Aquela

a gente gasta aí em média 60 centavos de dólar usando a api do chat GPT beleza O que torna alguns projetos grandes ali que você for utilizar com muitos botes um pouco inviável por isso que eu recomendo sempre tá utilizando o llm em ambiente local onde você não tem custo de requisições api você pode fazer requisições api infinitas ali dentro da sua máquina que não vai ter custo Beleza você vai você só vai ter custo da energia e do seu PC né que tem que ser uma máquina interessante ali para rodar os projetos mas de

resto você já não tem esses custos aqui principalmente em Empresas Grandes que vão atender muitas pessoas ali você saber implementar um llm localmente com certeza tem muita vantagem tá então já fica a dica aí para vocês e vamos Seguindo aqui então Pessoal esse foi o tutorial de hoje tá espero que vocês gostem aí e trouxe resultados bem concisos aqui pra gente tá como eu mostrei para vocês e a tradução também ele fez bem rápido do conteúdo PR gente se fossem coisas bem que levasse mais tempo do que 30 segundos até 10 minutos pessoal os botes

já teriam feito bastante coisa aqui isso que a gente só usou dois agentes Imagine se vocês tivessem utilizando um agente que gera uma publicação para o Instagram outro agente que gera uma imagem para essa postagem tá um agente que avalia essas imagens ela tão legal ou não com um analisador de imagem né um uma I que analisa a imagem como é o caso do lava que também tem open source então a gente pode estar utilizando isso e vamos postar muito conteúdo aqui no canal espero que vocês tenham gostado desse material aí valeu é só o

começo se liguem aí no circuito criativo onde estamos gravando aulas e até o próximo vídeo fui