agentIAgno é um ecossistema de agentes inteligentes projetado para transformar a auditoria de varejo. Utilizando o framework Agno, o projeto automatiza a análise de grandes volumes de dados transacionais, identificando padrões de fraude, anomalias de estoque e inconsistências sistêmicas com precisão e velocidade.

No cenário de varejo moderno, auditores levam dias para analisar manualmente centenas de SKUs. O agentIAgno reduz esse tempo para segundos, cruzando dados de:

• Cancelamentos
• Ajustes de Estoque
• Devoluções
• Saídas de Mercadoria

O sistema é capaz de detectar padrões complexos, como o "Loop de SKU" (Cancelamento -> Ajuste -> Devolução), onde o mesmo produto transita entre tabelas de forma suspeita para burlar controles de auditoria.

• 🔍 Agentes Especialistas:
  • Analistas de Dados: Realizam consultas complexas via SQL natural em DuckDB.
  • Pesquisadores: Buscam informações externas via Tavily e Groq.
  • Agentes de Documentos: Processam PDFs e CSVs para extração de conhecimento específico.
• ⚡ Performance de Data Warehouse: Conversão automática de CSVs brutos para Parquet e processamento via DuckDB para alta performance em milhões de linhas.
• 🧠 Conhecimento Vetorial: Implementação de RAG (Retrieval-Augmented Generation) com ChromaDB para análise inteligente de documentos técnicos e normativos.
• 🌐 Playground Interativo: Interface via FastAPI para interação direta com os agentes em tempo real.

• Orquestração de IA: Agno (Phidata)
• Modelos de Linguagem: OpenAI (GPT-4o/5-nano), Groq (Llama-3.3)
• Processamento de Dados: DuckDB, Pandas, Parquet
• Banco Vetorial: ChromaDB
• Infraestrutura: FastAPI, Uvicorn, Python-dotenv
• Gerenciamento de Pacotes: uv

• Python 3.13 ou superior
• Recomendado o uso do uv para gerenciamento de projeto.

1. Clone o repositório:

   git clone https://github.com/seu-usuario/agentIAgno.git
   cd agentIAgno

2. Configure as variáveis de ambiente: Crie um arquivo .env na raiz do projeto com suas chaves:

   OPENAI_API_KEY=sua_chave_aqui
   GROQ_API_KEY=sua_chave_aqui
   TAVILY_API_KEY=sua_chave_aqui

3. Instale as dependências:

   uv sync

O projeto possui diversos módulos experimentais numerados. Para rodar o agente de análise de dados principal:

uv run python 31_15set.py

Isso iniciará o Agno Playground. Acesse o link fornecido no terminal para interagir com o agente através da interface web.

• 00_llm_call.py: Teste básico de conexão com LLMs.
• 11_researcher.py: Agente de pesquisa web (Tools).
• 21_pdf_agent.py: Agente especializado em análise de documentos RAG.
• 31_15set.py: Core do sistema - Integração DuckDB + Data Warehouse + Multi-agentes.
• dados/: Diretório contendo os datasets de auditoria.
• tmp/: Banco de dados local e caches de processamento.

• Implementação de lógica de "Agente que chama Agente" (Multi-Agent Crew).
• Integração com MongoDB para persistência de logs de auditoria em alta escala.
• Dashboards automatizados de visualização de anomalias detectadas.
• Refinamento dos pesos de detecção de fraude (Z-Score analítico).

Desenvolvido para revolucionar a eficiência na auditoria inteligente.