pcsoft.br.windevCopyright 2026, PC SOFT29 Jan 2026 12:24:08 Z29 Jan 2026 11:35:42 Z<# Phoenix AI - Windows 11 Setup (Ollama + LLaMA + RAG + LangGraph) - Instala dependências Python - Cria venv - Baixa modelos no Ollama - Cria estrutura kb/ - Gera scripts index_kb.py e rag_graph.py - Roda index e inicia o chat RAG Como usar: 1) Instale manualmente: Python 3.11+ (marque "Add to PATH") e Ollama for Windows. 2) Abra PowerShell como Usuário normal. 3) Rode: .\setup_phoenix_ai.ps1 Obs: Se der erro de ExecutionPolicy: Set-ExecutionPolicy -Scope CurrentUser RemoteSigned #> $ErrorActionPreference = "Stop" function Write-Step($msg) { Write-Host "`n==> $msg" -ForegroundColor Cyan } function Assert-Command($cmd, $hint) { if (-not (Get-Command $cmd -ErrorAction SilentlyContinue)) { Write-Host "`nERRO: '$cmd' não encontrado no PATH." -ForegroundColor Red Write-Host "Dica: $hint" -ForegroundColor Yellow exit 1 } } Write-Step "Checando pré-requisitos (python, pip, ollama)" Assert-Command "python" "Instale Python 3.11+ (64-bit) e marque 'Add Python to PATH'." Assert-Command "pip" "O pip vem junto do Python. Reinstale o Python marcando PATH." Assert-Command "ollama" "Instale o Ollama for Windows e reabra o PowerShell." Write-Step "Mostrando versões" python --version pip --version ollama --version # Pasta do projeto $ProjectDir = Join-Path $PWD "phoenix_ai" Write-Step "Criando pasta do projeto: $ProjectDir" if (-not (Test-Path $ProjectDir)) { New-Item -ItemType Directory -Path $ProjectDir | Out-Null } Set-Location $ProjectDir # Criar venv $VenvDir = Join-Path $ProjectDir ".venv" Write-Step "Criando venv em: $VenvDir" if (-not (Test-Path $VenvDir)) { python -m venv .venv } else { Write-Host "Venv já existe. Mantendo." -ForegroundColor DarkGray } # Ativar venv Write-Step "Ativando venv" $ActivatePs1 = Join-Path $VenvDir "Scripts\Activate.ps1" if (-not (Test-Path $ActivatePs1)) { Write-Host "ERRO: Não achei $ActivatePs1" -ForegroundColor Red exit 1 } . $ActivatePs1 # Atualizar pip Write-Step "Atualizando pip" python -m pip install -U pip # Instalar deps Python Write-Step "Instalando dependências (langgraph, langchain, ollama, chroma)" pip install -U langgraph langchain langchain-ollama langchain-chroma chromadb langchain-text-splitters # Baixar modelos Ollama Write-Step "Baixando modelos no Ollama (llama3.1 + embeddings)" ollama pull llama3.1 ollama pull mxbai-embed-large # Estrutura KB Write-Step "Criando estrutura de base de conhecimento (kb/...)" $KbDir = Join-Path $ProjectDir "kb" $KbCommands = Join-Path $KbDir "commands" $KbFunctions = Join-Path $KbDir "functions" $KbCases = Join-Path $KbDir "cases" foreach ($d in @($KbDir, $KbCommands, $KbFunctions, $KbCases)) { if (-not (Test-Path $d)) { New-Item -ItemType Directory -Path $d | Out-Null } } # Criar um exemplo mínimo (para você testar na hora) $SampleMd = Join-Path $KbCommands "print.md" if (-not (Test-Path $SampleMd)) { @" # print ## O que faz Imprime texto na saída padrão. ## Sintaxe print(text) ## Parâmetros - text: string ## Retorno - void ## Exemplo print("Olá, Phoenix!") "@ | Set-Content -Path $SampleMd -Encoding utf8 } # Gerar index_kb.py Write-Step "Gerando index_kb.py" $IndexPy = Join-Path $ProjectDir "index_kb.py" @" import os from pathlib import Path from langchain_text_splitters import RecursiveCharacterTextSplitter from langchain_chroma import Chroma from langchain_ollama import OllamaEmbeddings KB_DIR = Path("kb") CHROMA_DIR = Path("chroma_db") COLLECTION = "phoenix_kb" def load_markdown_files(root: Path): docs = [] for p in root.rglob("*.md"): text = p.read_text(encoding="utf-8", errors="ignore") rel = p.relative_to(root).as_posix() docs.append({"text": text, "metadata": {"source": rel}}) return docs def main(): if not KB_DIR.exists(): raise SystemExit("Pasta kb/ não existe. Crie kb/ e coloque .md lá dentro.") embeddings = OllamaEmbeddings(model="mxbai-embed-large") vectorstore = Chroma( collection_name=COLLECTION, persist_directory=str(CHROMA_DIR), embedding_function=embeddings, ) raw_docs = load_markdown_files(KB_DIR) splitter = RecursiveCharacterTextSplitter( chunk_size=1200, chunk_overlap=150, ) texts = [] metadatas = [] for d in raw_docs: chunks = splitter.split_text(d["text"]) for i, c in enumerate(chunks): texts.append(c) metadatas.append({**d["metadata"], "chunk": i}) vectorstore.add_texts(texts=texts, metadatas=metadatas) print(f"OK: indexados {len(texts)} chunks em {CHROMA_DIR}/ coleção {COLLECTION}") if __name__ == "__main__": main() "@ | Set-Content -Path $IndexPy -Encoding utf8 # Gerar rag_graph.py Write-Step "Gerando rag_graph.py" $RagPy = Join-Path $ProjectDir "rag_graph.py" @" from typing_extensions import TypedDict, List from langgraph.graph import StateGraph, START, END from langchain_chroma import Chroma from langchain_ollama import ChatOllama, OllamaEmbeddings CHROMA_DIR = "chroma_db" COLLECTION = "phoenix_kb" class State(TypedDict): question: str contexts: List[str] answer: str def retrieve(state: State) -> dict: embeddings = OllamaEmbeddings(model="mxbai-embed-large") vs = Chroma( collection_name=COLLECTION, persist_directory=CHROMA_DIR, embedding_function=embeddings, ) retriever = vs.as_retriever(search_kwargs={"k": 6}) docs = retriever.get_relevant_documents(state["question"]) contexts = [d.page_content for d in docs] return {"contexts": contexts} def generate(state: State) -> dict: llm = ChatOllama(model="llama3.1", temperature=0) context_text = "\n\n---\n\n".join(state["contexts"]).strip() prompt = f\""" Você é o assistente oficial da linguagem Phoenix. Responda APENAS usando o contexto abaixo. Se o contexto não tiver a resposta, diga: "Não sei com base na base atual." CONTEXTO: {context_text} PERGUNTA: {state["question"]} RESPOSTA (com exemplo de código e notas de uso): \""".strip() out = llm.invoke(prompt) return {"answer": out.content} def build_app(): g = StateGraph(State) g.add_node("retrieve", retrieve) g.add_node("generate", generate) g.add_edge(START, "retrieve") g.add_edge("retrieve", "generate") g.add_edge("generate", END) return g.compile() if __name__ == "__main__": app = build_app() while True: q = input("\nPergunta> ").strip() if not q: continue if q.lower() in ("exit", "quit"): break result = app.invoke({"question": q, "contexts": [], "answer": ""}) print("\n" + result["answer"]) "@ | Set-Content -Path $RagPy -Encoding utf8 # Indexar KB Write-Step "Indexando base de conhecimento (index_kb.py)" python .\index_kb.py # Rodar RAG Write-Step "Iniciando chat RAG (rag_graph.py). Para sair: exit" python .\rag_graph.py -- Adriano José Boller ______________________________________________ Consultor e Representante Oficial da PcSoft no Brasil +55 (41) 99949 1800 adrianoboller@gmail.com skype: adrianoboller http://wxinformatica.com.br/30WEBDEVpt_BRhttps://forum.pcsoft.fr/es-ES/pcsoft.br.windev/5370-como-instalar-pelo-powershell-sua-usar-ela-com/read.awpmoderateur@pcsoft.fr (El moderador)webmaster@pcsoft.fr (El webmaster)Bollerpcsoft.br.windevhttps://forum.pcsoft.fr/es-ES/pcsoft.br.windev/5370-como-instalar-pelo-powershell-sua-usar-ela-com-5372/read.awp29 Jan 2026 12:24:08 ZSim. WebDev + Ollama é ainda mais fácil que WinDev, porque você já está no mundo HTTP. Você tem 2 jeitos: a) Jeito certo (…https://forum.pcsoft.fr/es-ES/pcsoft.br.windev/5370-como-instalar-pelo-powershell-sua-usar-ela-com-5372/read.awphttps://forum.pcsoft.fr/es-ES/pcsoft.br.windev/5370-como-instalar-pelo-powershell-sua-usar-ela-com-5372/read.awpComo instalar pelo Powershell a sua iA e usar ela com os seus sistemasBollerpcsoft.br.windevhttps://forum.pcsoft.fr/es-ES/pcsoft.br.windev/5370-como-instalar-pelo-powershell-sua-usar-ela-com-5371/read.awp29 Jan 2026 11:46:00 ZSim — dá pra usar com WX (WinDev/WebDev/WinDev Mobile). Só não é “rodar Python dentro do WX”. O padrão é: WX = app/IDE IA = …https://forum.pcsoft.fr/es-ES/pcsoft.br.windev/5370-como-instalar-pelo-powershell-sua-usar-ela-com-5371/read.awphttps://forum.pcsoft.fr/es-ES/pcsoft.br.windev/5370-como-instalar-pelo-powershell-sua-usar-ela-com-5371/read.awpComo instalar pelo Powershell a sua iA e usar ela com os seus sistemas