Como usar LangGraph e LLMs para prever a inflação no Brasil

Este post apresenta um estudo de caso sobre como utilizar o LangGraph e modelos de linguagem para estruturar um sistema multiagente voltado à previsão do IPCA. O exercício cria um sistema que utiliza-se de personas analíticas que trabalham em paralelo, permitindo validar previsões, calcular métricas de erro e consolidar relatórios automatizados. A abordagem demonstra como fluxos multiagentes podem apoiar a análise econômica, oferecendo múltiplas perspectivas e maior consistência nos resultados.

O que é GraphRAG e implementar usando LangChain

GraphRAG é uma técnica de recuperação de informação para LLMs que utiliza grafos de conhecimento para conectar entidades e relações, permitindo estruturar informações complexas presentes em textos. Neste exercício, mostramos como transformar as atas do Copom em um grafo capaz de compreender essas entidades e relações, respondendo a perguntas complexas de forma contextualizada. Com Python e LangChain, todo o processo se torna automatizado, simples e altamente explorável.

Criando um Assistente de Pesquisa com LangGraph

O exercício utiliza o LangGraph para criar personas fictícias de analistas econômicos, entrevistá-las com um especialista fictício e, a partir dessas interações, gerar relatórios técnicos usando LLMs, buscas na web e execução paralela.

Como consultar dados da CVM em linguagem natural

Perguntar "quais empresas tiveram lucro em 2019?" e receber a resposta com números
oficiais, sem escrever SQL. Este tutorial mostra o caminho completo: baixar as
Demonstrações Financeiras Padronizadas da CVM, tratar os arquivos, montar um banco
de dados local e conectar o querychat, pacote da Posit que traduz perguntas em
consultas SQL. Inclui os cuidados de tratamento que separam um número correto de
um número apenas plausível.

como podemos ajudar?

Preencha os seus dados abaixo e fale conosco no WhatsApp