IA-NutriMind-Xertica

Este projeto implementa um sistema multiagente inteligente para análise e geração de recomendações nutricionais utilizando o Google Gemini e RAG (Retrieval-Augmented Generation).

Passos para rodar a IA:

1. Acesse o diretório do projeto

Abra o terminal e entre na pasta principal:

cd IA-NutriMind-Xertica

2. Crie um ambiente virtual

O ambiente virtual garante que as dependências do projeto fiquem isoladas do restante do sistema.

python -m venv venv

3. Ative o ambiente virtual

Windows

.\venv\Scripts\activate

Linux / macOS

source venv/bin/activate

Após ativar, você verá (venv) no início da linha do terminal.

4. Instale as dependências

Instale todas as bibliotecas necessárias para rodar o projeto:

pip install -r requirements.txt

5. Configure a chave da API do Gemini

O agente utiliza o modelo Gemini do Google para gerar respostas inteligentes, para isso é necessário ter uma chave de API válida.

🔑 Crie a sua chave de API

• Acesse Google AI Studio para criar a sua chave de API!

6. Configuração das Variáveis de Ambiente

O projeto utiliza um arquivo .env para carregar as chaves de API e as credenciais do banco de dados. Nós fornecemos um modelo chamado .env.example para facilitar.

Na pasta nutrimind_agent modifique o nome do arquivo .env.example para .env e preencha os valores:

GEMINI_API_KEY="SUA_CHAVE_DE_API_AQUI"

DB_USER=postgres
DB_PASSWORD=SUA_SENHA_DO_BANCO_AQUI
DB_HOST=localhost
DB_PORT=5432
DB_NAME=nutrimind

7. Indexe os Dados (RAG)

Esse passo executa o processo de indexação dos documentos, criando um banco de dados vetorial com as informações que o agente poderá consultar.

Esse processo só precisa ser feito uma vez, e pode demorar cerca de 20 minutos.

python main.py

8. Inicie o servidor

Após indexar os dados, você pode iniciar a aplicação:

python server.py

O servidor Flask será iniciado e o agente estará pronto para responder requisições.