Vou construir aplicação agentic rag usando langchain e langgraph

️ ESPECIALIZAÇÃO TÉCNICA PRINCIPAL

- Orquestração de IA e Agentes: LangGraph (StateGraphs, Roteamento Condicional, Loops Cíclicos), LangChain v0.3+.

- Automação de Fluxo de Trabalho: n8n (integrações Webhook, pipelines ETL automatizados).

- Engenharia de Backend: FastAPI, Flask, Design de API RESTful, SQLite, MongoDB.

- Processamento de Dados: Python, Pandas, NumPy, Scikit-learn.

ESTUDO DE CASO DE NÍVEL DE PRODUÇÃO: AGENTIC CLASSROOM AI

Desenvolvi uma plataforma de inteligência educacional nativa na nuvem, projetada para ingerir arquivos multimídia brutos massivos e transformá-los autonomamente em ativos de aprendizagem estruturados.

- Contornando Limites Rígidos de API: Implementei um pipeline de compressão FFmpeg a nível de sistema que reduz arquivos de vídeo enormes em arquivos mono MP3 ultra compactos, contornando permanentemente os limites rígidos de payload de 25MB de API de fala para texto.

- Arquitetura Descentralizada: Implementei uma estratégia de banco de dados cliente Bring-Your-Own-Key (BYOK) para lidar com escalabilidade horizontal infinita de múltiplos usuários sem atingir limites centralizados de token.

- Loops de Pesquisa Autônomos: Construí um motor avançado de LangGraph StateGraph. Se o contexto do banco de dados vetorial localizado (FAISS) for insuficiente para resolver uma consulta, o agente aciona dinamicamente ferramentas de web scraping.