fix: correct code example language inconsistency in pt-BR docs (#3088)

* fix: correct code example language inconsistency in pt-BR docs

* fix: fix: fully standardize code example language and naming in pt-BR docs

* fix: fix: fully standardize code example language and naming in pt-BR docs fixed variables

* fix: fix: fully standardize code example language and naming in pt-BR docs fixed params

---------

Co-authored-by: Lucas Gomide <lucaslg200@gmail.com>

docs/pt-BR/learn/before-and-after-kickoff-hooks.mdx

@@ -16,17 +16,17 @@ from crewai import CrewBase
 from crewai.project import before_kickoff
 
 @CrewBase
-class MyCrew:
+class MinhaEquipe:
     @before_kickoff
-    def prepare_data(self, inputs):
-        # Preprocess or modify inputs
-        inputs['processed'] = True
-        return inputs
+    def preparar_dados(self, entradas):
+        # Pré-processa ou modifica as entradas
+        entradas['processado'] = True
+        return entradas
 
 #...
 ```
 
-Neste exemplo, a função prepare_data modifica as entradas adicionando um novo par chave-valor indicando que as entradas foram processadas.
+Neste exemplo, a função preparar_dados modifica as entradas adicionando um novo par chave-valor indicando que as entradas foram processadas.
 
 ## Hook Depois do Kickoff
 
@@ -39,17 +39,17 @@ from crewai import CrewBase
 from crewai.project import after_kickoff
 
 @CrewBase
-class MyCrew:
+class MinhaEquipe:
     @after_kickoff
-    def log_results(self, result):
-        # Log or modify the results
-        print("Crew execution completed with result:", result)
-        return result
+    def registrar_resultados(self, resultado):
+        # Registra ou modifica os resultados
+        print("Execução da equipe concluída com resultado:", resultado)
+        return resultado
 
 # ...
 ```
 
-Na função `log_results`, os resultados da execução da crew são simplesmente impressos. Você pode estender isso para realizar operações mais complexas, como enviar notificações ou integrar com outros serviços.
+Na função `registrar_resultados`, os resultados da execução da crew são simplesmente impressos. Você pode estender isso para realizar operações mais complexas, como enviar notificações ou integrar com outros serviços.
 
 ## Utilizando Ambos os Hooks
 

docs/pt-BR/learn/customizing-agents.mdx

@@ -77,9 +77,9 @@ search_tool = SerperDevTool()
 
 # Inicialize o agente com opções avançadas
 agent = Agent(
-  role='Research Analyst',
-  goal='Provide up-to-date market analysis',
-  backstory='An expert analyst with a keen eye for market trends.',
+  role='Analista de Pesquisa',
+  goal='Fornecer análises de mercado atualizadas',
+  backstory='Um analista especialista com olhar atento para tendências de mercado.',
   tools=[search_tool],
   memory=True, # Ativa memória
   verbose=True,
@@ -98,14 +98,9 @@ eficiência dentro do ecossistema CrewAI. Se necessário, a delegação pode ser
 
 ```python Code
 agent = Agent(
-  role='Content Writer',
-  goal='Write engaging content on market trends',
-  backstory='A seasoned writer with expertise in market analysis.',
+  role='Redator de Conteúdo',
+  goal='Escrever conteúdo envolvente sobre tendências de mercado',
+  backstory='Um redator experiente com expertise em análise de mercado.',
   allow_delegation=True # Habilitando delegação
 )
-```
-
-## Conclusão
-
-Personalizar agentes no CrewAI definindo seus papéis, objetivos, histórias e ferramentas, juntamente com opções avançadas como personalização de modelo de linguagem, memória, ajustes de performance e preferências de delegação, 
-proporciona uma equipe de IA sofisticada e preparada para enfrentar desafios complexos.
+```

docs/pt-BR/learn/kickoff-async.mdx

@@ -45,17 +45,17 @@ from crewai import Crew, Agent, Task
 
 # Create an agent with code execution enabled
 coding_agent = Agent(
-    role="Python Data Analyst",
-    goal="Analyze data and provide insights using Python",
-    backstory="You are an experienced data analyst with strong Python skills.",
+    role="Analista de Dados Python",
+    goal="Analisar dados e fornecer insights usando Python",
+    backstory="Você é um analista de dados experiente com fortes habilidades em Python.",
     allow_code_execution=True
 )
 
 # Create a task that requires code execution
 data_analysis_task = Task(
-    description="Analyze the given dataset and calculate the average age of participants. Ages: {ages}",
+    description="Analise o conjunto de dados fornecido e calcule a idade média dos participantes. Idades: {ages}",
     agent=coding_agent,
-    expected_output="The average age of the participants."
+    expected_output="A idade média dos participantes."
 )
 
 # Create a crew and add the task
@@ -83,23 +83,23 @@ from crewai import Crew, Agent, Task
 
 # Create an agent with code execution enabled
 coding_agent = Agent(
-    role="Python Data Analyst",
-    goal="Analyze data and provide insights using Python",
-    backstory="You are an experienced data analyst with strong Python skills.",
+    role="Analista de Dados Python",
+    goal="Analisar dados e fornecer insights usando Python",
+    backstory="Você é um analista de dados experiente com fortes habilidades em Python.",
     allow_code_execution=True
 )
 
 # Create tasks that require code execution
 task_1 = Task(
-    description="Analyze the first dataset and calculate the average age of participants. Ages: {ages}",
+    description="Analise o primeiro conjunto de dados e calcule a idade média dos participantes. Idades: {ages}",
     agent=coding_agent,
-    expected_output="The average age of the participants."
+    expected_output="A idade média dos participantes."
 )
 
 task_2 = Task(
-    description="Analyze the second dataset and calculate the average age of participants. Ages: {ages}",
+    description="Analise o segundo conjunto de dados e calcule a idade média dos participantes. Idades: {ages}",
     agent=coding_agent,
-    expected_output="The average age of the participants."
+    expected_output="A idade média dos participantes."
 )
 
 # Create two crews and add tasks