mirror of
https://github.com/crewAIInc/crewAI.git
synced 2026-01-09 16:18:30 +00:00
* docs(cli): document device-code login and config reset guidance; renumber sections * docs(cli): fix duplicate numbering (renumber Login/API Keys/Configuration sections) * docs: Fix webhook documentation to include meta dict in all webhook payloads - Add note explaining that meta objects from kickoff requests are included in all webhook payloads - Update webhook examples to show proper payload structure including meta field - Fix webhook examples to match actual API implementation - Apply changes to English, Korean, and Portuguese documentation Resolves the documentation gap where meta dict passing to webhooks was not documented despite being implemented in the API. * WIP: CrewAI docs theme, changelog, GEO, localization * docs(cli): fix merge markers; ensure mode: "wide"; convert ASCII tables to Markdown (en/pt-BR/ko) * docs: add group icons across locales; split Automation/Integrations; update tools overviews and links
81 lines
2.9 KiB
Plaintext
81 lines
2.9 KiB
Plaintext
---
|
|
title: Pesquisa TXT RAG
|
|
description: O `TXTSearchTool` foi projetado para realizar uma busca RAG (Geração Aumentada por Recuperação) dentro do conteúdo de um arquivo de texto.
|
|
icon: file-lines
|
|
mode: "wide"
|
|
---
|
|
|
|
## Visão Geral
|
|
|
|
<Note>
|
|
Ainda estamos trabalhando para melhorar as ferramentas, por isso pode haver comportamentos inesperados ou mudanças no futuro.
|
|
</Note>
|
|
|
|
Esta ferramenta é utilizada para realizar uma busca RAG (Geração Aumentada por Recuperação) dentro do conteúdo de um arquivo de texto.
|
|
Ela permite uma busca semântica de uma consulta dentro do conteúdo de um arquivo de texto especificado,
|
|
tornando-se um recurso valioso para extrair rapidamente informações ou encontrar seções específicas do texto com base na consulta fornecida.
|
|
|
|
## Instalação
|
|
|
|
Para usar o `TXTSearchTool`, primeiro é necessário instalar o pacote `crewai_tools`.
|
|
Isso pode ser feito usando o pip, um gerenciador de pacotes para Python.
|
|
Abra seu terminal ou prompt de comando e digite o seguinte comando:
|
|
|
|
```shell
|
|
pip install 'crewai[tools]'
|
|
```
|
|
|
|
Este comando fará o download e instalará o TXTSearchTool junto com todas as dependências necessárias.
|
|
|
|
## Exemplo
|
|
|
|
O exemplo a seguir demonstra como usar o TXTSearchTool para pesquisar dentro de um arquivo de texto.
|
|
Este exemplo mostra tanto a inicialização da ferramenta com um arquivo de texto específico quanto a pesquisa subsequente dentro do conteúdo desse arquivo.
|
|
|
|
```python Code
|
|
from crewai_tools import TXTSearchTool
|
|
|
|
# Inicialize a ferramenta para pesquisar no conteúdo de qualquer arquivo de texto
|
|
# que o agente aprender durante sua execução
|
|
tool = TXTSearchTool()
|
|
|
|
# OU
|
|
|
|
# Inicialize a ferramenta com um arquivo de texto específico,
|
|
# para que o agente possa pesquisar dentro do conteúdo desse arquivo de texto
|
|
tool = TXTSearchTool(txt='path/to/text/file.txt')
|
|
```
|
|
|
|
## Argumentos
|
|
- `txt` (str): **Opcional**. O caminho para o arquivo de texto que você deseja pesquisar.
|
|
Este argumento só é necessário se a ferramenta não foi inicializada com um arquivo de texto específico;
|
|
caso contrário, a pesquisa será realizada no arquivo de texto fornecido inicialmente.
|
|
|
|
## Modelo e embeddings personalizados
|
|
|
|
Por padrão, a ferramenta utiliza o OpenAI tanto para embeddings quanto para sumarização.
|
|
Para personalizar o modelo, você pode usar um dicionário de configuração como o exemplo a seguir:
|
|
|
|
```python Code
|
|
tool = TXTSearchTool(
|
|
config=dict(
|
|
llm=dict(
|
|
provider="ollama", # ou google, openai, anthropic, llama2, ...
|
|
config=dict(
|
|
model="llama2",
|
|
# temperature=0.5,
|
|
# top_p=1,
|
|
# stream=true,
|
|
),
|
|
),
|
|
embedder=dict(
|
|
provider="google", # ou openai, ollama, ...
|
|
config=dict(
|
|
model="models/embedding-001",
|
|
task_type="retrieval_document",
|
|
# title="Embeddings",
|
|
),
|
|
),
|
|
)
|
|
)
|
|
``` |