graph TD %%{init: {'theme': 'mc','layout': 'elk'}}%% ChatInput-im722[<div><img src="/_astro/messages-square.BaSDmT6g.svg" style="height: 20px !important;width: 20px !important"/></div>Chat Input] style ChatInput-im722 stroke:#a170ff LanggraphReactAgent-yf4ap[Asistente de Investigación] style LanggraphReactAgent-yf4ap stroke:#a170ff ChatOutput-7h4uy[<div><img src="/_astro/messages-square.BaSDmT6g.svg" style="height: 20px !important;width: 20px !important"/></div>Chat Output] style ChatOutput-7h4uy stroke:#a170ff planner_optimizer_tool-5qmm8[Planner and Optimizer Tool2] style planner_optimizer_tool-5qmm8 stroke:#a170ff ThinkToolComponent-2cn4v[Think Tool] style ThinkToolComponent-2cn4v stroke:#a170ff SearXng-xyva2[Web Search ] style SearXng-xyva2 stroke:#a170ff OpenAIModel-xyjkl[<div><img src="/_astro/openAI.BhmuxEs3.svg" style="height: 20px !important;width: 20px !important"/></div>OpenAI] style OpenAIModel-xyjkl stroke:#a170ff ChatInput-im722 -.- LanggraphReactAgent-yf4ap linkStyle 0 stroke:#a170ff OpenAIModel-xyjkl -.- LanggraphReactAgent-yf4ap linkStyle 1 stroke:#a170ff LanggraphReactAgent-yf4ap -.- ChatOutput-7h4uy linkStyle 2 stroke:#a170ff planner_optimizer_tool-5qmm8 -.- LanggraphReactAgent-yf4ap linkStyle 3 stroke:#a170ff ThinkToolComponent-2cn4v -.- LanggraphReactAgent-yf4ap linkStyle 4 stroke:#a170ff SearXng-xyva2 -.- LanggraphReactAgent-yf4ap linkStyle 5 stroke:#a170ff

Fluxo de Trabalho de Pesquisa Estruturada

O Fluxo de Trabalho de Pesquisa Estruturada é um agente de pesquisa autônomo que segue um protocolo rigoroso de quatro fases — Planejar, Agir, Processar, Sintetizar (P.A.P.S.) — para responder a perguntas complexas. Ele decompõe automaticamente uma questão, realiza pesquisas na web, extrai insights e sintetiza um relatório completo, utilizando um modelo de linguagem de grande porte e ferramentas especializadas.

🧩 Visão Geral

Este workflow transforma uma pergunta em linguagem natural do usuário em uma resposta detalhada e baseada em evidências. Ao orquestrar etapas de planejamento, pesquisa, análise profunda e síntese, o agente elimina o esforço manual de pesquisa e produz insights estruturados de alta qualidade com intervenção mínima do usuário.

⚙️ Funcionalidades Principais

Orquestra um ciclo de pesquisa completo que continua até que todos os itens do plano sejam atendidos.
Utiliza um modelo de linguagem de grande porte para orientar a seleção de ferramentas e o raciocínio.
Implementa uma ferramenta de planejamento e otimização para gerar e refinar planos de pesquisa.
Realiza pesquisas na web em tempo real com um mecanismo de busca dedicado.
Aplica uma ferramenta de análise para transformar resultados brutos em conhecimento estruturado.
Sintetiza os dados coletados em um relatório final coeso.
Fornece uma interface de chat para entrada e saída do usuário.

🔄 Etapas do Fluxo

Nome do Componente	Papel no Fluxo	Entradas Principais	Saídas Principais
Chat Input	Captura a pergunta do usuário e o contexto da conversa.	Mensagem do usuário (pergunta)	Objeto de mensagem
OpenAI Model	Gera respostas em linguagem natural para os prompts do agente.	Prompt do agente	Texto gerado
Langgraph React Agent	Orquestra todo o processo de pesquisa, selecionando ferramentas e agregando resultados.	Pergunta do usuário, modelo de linguagem, ferramenta de planejamento & otimização, ferramenta de busca web, ferramenta de análise	Mensagem com a resposta final
Planner & Optimizer Tool	Cria um plano de pesquisa detalhado a partir da pergunta do usuário e atualizações de progresso.	Pergunta original e quaisquer descobertas parciais	Plano estruturado (Markdown)
Web Search	Recupera informações atualizadas da web para cada item do plano.	Consulta de pesquisa	Dados dos resultados da pesquisa
Think Tool	Processa os resultados brutos da pesquisa em resumos estruturados e insights-chave.	Resultados brutos da pesquisa	Análise estruturada (Markdown)
Chat Output	Exibe a resposta final do agente para o usuário.	Mensagem de resposta final	Mensagem de chat visível

Todos os componentes de ferramentas são invocados internamente pelo Langgraph React Agent; a tabela mostra a ordem lógica no ciclo de pesquisa.

🧠 Observações

O agente segue o protocolo P.A.P.S.: Planejar → Agir → Processar → Sintetizar, não pulando nenhuma etapa para garantir uma investigação completa.
O OpenAI Model é o modelo de linguagem principal; o workflow pode ser adaptado para outros LLMs substituindo o componente de modelo.
A pesquisa web é realizada usando o mecanismo SearXng, que suporta uma ampla gama de tipos de arquivos e consultas.
A ferramenta Think Tool é puramente de processamento; não acessa recursos externos além dos dados fornecidos pela pesquisa web.
A ferramenta de planejamento e otimização é o único componente que exige raciocínio contextual sobre a pergunta original do usuário; ela refina o plano à medida que o workflow avança.
O workflow depende de APIs externas (OpenAI, SearXng) e, portanto, requer conectividade de rede e credenciais válidas.
Todos os textos e dados são tratados como metadados; o agente armazena mensagens apenas se configurado explicitamente.
A resposta final é gerada em linguagem natural, mas o agente pode ser estendido para gerar JSON estruturado fornecendo um esquema adequado.