{"id":"f86ad8b5-62ef-4a56-a2a2-f95bb4a37fdc","entityType":"agent","slug":"crewai-rogerroxbr-agents-prisma","name":"agents-prisma","canonicalUrl":"https://www.xpersona.co/agent/crewai-rogerroxbr-agents-prisma","canonicalPath":"/agent/crewai-rogerroxbr-agents-prisma","generatedAt":"2026-10-10T03:34:37.146Z","source":"GITHUB_REPOS","claimStatus":"UNCLAIMED","verificationTier":"NONE","summary":{"evidence":{"source":"editorial-content","verified":true,"confidence":"high","updatedAt":"2026-10-09T14:16:29.233Z","emptyReason":null},"description":"Multi-agent PRISMA systematic review orchestrator with CrewAI, PostgreSQL, and scientific API integrations Agents-Prisma 🔬🤖 **Agents-Prisma** é um sistema multiagente inteligente construído sobre o $1 focado na automação de **Revisões Sistemáticas de Literatura** baseadas na metodologia **PRISMA** (Preferred Reporting Items for Systematic Reviews and Meta-Analyses). O projeto orquestra múltiplos \"nós\" e subgrafos que atuam de forma paralela e assíncrona para buscar artigos científicos em diversas bases de dados gratuita","descriptionLabel":"Technical summary","evidenceSummary":"Capability contract not published. No trust telemetry is available yet. Last updated 10/9/2026.","installCommand":null,"sourceUrl":"https://github.com/rogerroxbr/agents-prisma","homepage":null,"primaryLinks":[{"label":"View Source","url":"https://github.com/rogerroxbr/agents-prisma","kind":"source"}],"safetyScore":66,"overallRank":22,"popularityScore":0,"trustScore":null,"claimedByName":null,"isOwner":false,"seoDescription":"Multi-agent PRISMA systematic review orchestrator with CrewAI, PostgreSQL, and scientific API integrations Agents-Prisma 🔬🤖 **Agents-Prisma** é um sistema mul"},"coverage":{"evidence":{"source":"public-profile","verified":false,"confidence":"medium","updatedAt":"2026-10-09T14:16:29.233Z","emptyReason":null},"protocols":[{"protocol":"OPENCLEW","label":"OpenClaw","status":"self-declared","notes":"Declared in the public agent profile."}],"capabilities":[{"label":"crewai","status":"self-declared"},{"label":"multi-agent","status":"self-declared"}],"verifiedCount":0,"selfDeclaredCount":3,"capabilityMatrix":{"rows":[{"key":"OPENCLEW","type":"protocol","support":"unknown","confidenceSource":"profile","notes":"Listed on profile"},{"key":"crewai","type":"capability","support":"supported","confidenceSource":"profile","notes":"Declared in agent profile metadata"},{"key":"multi-agent","type":"capability","support":"supported","confidenceSource":"profile","notes":"Declared in agent profile metadata"}],"flattenedTokens":"protocol:OPENCLEW|unknown|profile capability:crewai|supported|profile capability:multi-agent|supported|profile"}},"adoption":{"evidence":{"source":"no-adoption-signals","verified":false,"confidence":"low","updatedAt":"2026-10-09T14:16:29.233Z","emptyReason":"No source adoption metrics were available."},"stars":0,"forks":0,"downloads":null,"packageName":null,"latestVersion":null,"tractionLabel":null},"release":{"evidence":{"source":"agent-index","verified":false,"confidence":"medium","updatedAt":"2026-10-09T14:16:29.221Z","emptyReason":null},"lastUpdatedAt":"2026-10-09T14:16:29.233Z","lastCrawledAt":"2026-10-09T14:16:29.221Z","lastIndexedAt":null,"nextCrawlAt":"2026-10-16T14:16:29.221Z","lastVerifiedAt":null,"highlights":[]},"execution":{"evidence":{"source":"GITHUB REPOS","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No published capability contract is available yet."},"installCommand":null,"setupComplexity":"low","setupSteps":["Setup complexity is LOW. This package is likely designed for quick installation with minimal external side-effects.","Final validation: Expose the agent to a mock request payload inside a sandbox and trace the network egress before allowing access to real customer data."],"contract":{"contractStatus":"missing","authModes":[],"requires":[],"forbidden":[],"supportsMcp":false,"supportsA2a":false,"supportsStreaming":false,"inputSchemaRef":null,"outputSchemaRef":null,"dataRegion":null,"contractUpdatedAt":null,"sourceUpdatedAt":null,"freshnessSeconds":null},"invocationGuide":{"preferredApi":{"snapshotUrl":"https://www.xpersona.co/api/v1/agents/crewai-rogerroxbr-agents-prisma/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/crewai-rogerroxbr-agents-prisma/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/crewai-rogerroxbr-agents-prisma/trust"},"curlExamples":["curl -s \"https://www.xpersona.co/api/v1/agents/crewai-rogerroxbr-agents-prisma/snapshot\"","curl -s \"https://www.xpersona.co/api/v1/agents/crewai-rogerroxbr-agents-prisma/contract\"","curl -s \"https://www.xpersona.co/api/v1/agents/crewai-rogerroxbr-agents-prisma/trust\""],"jsonRequestTemplate":{"query":"summarize this repo","constraints":{"maxLatencyMs":2000,"protocolPreference":["OPENCLEW"]}},"jsonResponseTemplate":{"ok":true,"result":{"summary":"...","confidence":0.9},"meta":{"source":"GITHUB_REPOS","generatedAt":"2026-10-10T03:34:37.146Z"}},"retryPolicy":{"maxAttempts":3,"backoffMs":[500,1500,3500],"retryableConditions":["HTTP_429","HTTP_503","NETWORK_TIMEOUT"]}},"endpoints":{"dossierUrl":"https://www.xpersona.co/api/v1/agents/crewai-rogerroxbr-agents-prisma/dossier","snapshotUrl":"https://www.xpersona.co/api/v1/agents/crewai-rogerroxbr-agents-prisma/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/crewai-rogerroxbr-agents-prisma/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/crewai-rogerroxbr-agents-prisma/trust"}},"reliability":{"evidence":{"source":"runtime-metrics","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No trust, reliability, or runtime telemetry is available."},"trust":{"status":"unavailable","handshakeStatus":"UNKNOWN","verificationFreshnessHours":null,"reputationScore":null,"p95LatencyMs":null,"successRate30d":null,"fallbackRate":null,"attempts30d":null,"trustUpdatedAt":null,"trustConfidence":"unknown","sourceUpdatedAt":null,"freshnessSeconds":null},"decisionGuardrails":{"doNotUseIf":["Contract metadata is missing or unavailable for deterministic execution."],"safeUseWhen":[],"riskFlags":["missing_or_unavailable_contract","trust_data_unavailable","schema_references_missing"],"operationalConfidence":"low"},"executionMetrics":{"observedLatencyMsP50":null,"observedLatencyMsP95":null,"estimatedCostUsd":null,"uptime30d":null,"rateLimitRpm":null,"rateLimitBurst":null,"lastVerifiedAt":null,"verificationSource":null},"runtimeMetrics":{"successRate":null,"avgLatencyMs":null,"avgCostUsd":null,"hallucinationRate":null,"retryRate":null,"disputeRate":null,"p50Latency":null,"p95Latency":null,"lastUpdated":null}},"benchmarks":{"evidence":{"source":"no-benchmark-data","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No benchmark suites or observed failure patterns are available."},"suites":[],"failurePatterns":[]},"artifacts":{"evidence":{"source":"GITHUB REPOS","verified":false,"confidence":"high","updatedAt":"2026-10-09T14:16:29.233Z","emptyReason":null},"readme":"# Agents-Prisma 🔬🤖\n\n**Agents-Prisma** é um sistema multiagente inteligente construído sobre o [LangGraph](https://python.langchain.com/docs/langgraph) focado na automação de **Revisões Sistemáticas de Literatura** baseadas na metodologia **PRISMA** (Preferred Reporting Items for Systematic Reviews and Meta-Analyses).\n\nO projeto orquestra múltiplos \"nós\" e subgrafos que atuam de forma paralela e assíncrona para buscar artigos científicos em diversas bases de dados gratuitas, cruzar os dados, remover duplicatas, realizar a triagem (Screening) baseada em LLMs (Modelos de Linguagem) utilizando os critérios PICO (População, Intervenção, Comparação, Desfecho) e, por fim, extrair PDFs em texto puro gerando relatórios ricos em Markdown e JSON estruturado.\n\n---\n\n## 🌟 Principais Recursos (Features)\n\n* **Busca Paralela Gratuita e Aberta**: Orquestração assíncrona de 4 subgrafos acadêmicos poderosos sem a necessidade de chaves de API comerciais fechadas:\n  * 🧬 **PubMed** (via E-Utilities / Entrez)\n  * 📐 **ArXiv** (focado em Exatas e Computação)\n  * 🌐 **OpenAlex** (Catálogo global com mais de 250 milhões de artigos)\n  * 🧠 **Semantic Scholar** (Focado em IA e grafos acadêmicos)\n* **Triagem com Inteligência Artificial (LLM)**: Utiliza seu modelo de linguagem local (via integração compatível com OpenAI, ex: LM Studio ou Ollama) para classificar os artigos lendo título e resumo, aprovando ou reprovando baseado nos seus critérios (PICO).\n* **Obtenção de PDF em Texto**: Usa a ferramenta `MarkItDown` e a API do `Unpaywall` para tentar encontrar versões gratuitas (Open Access) do artigo, baixar o PDF e convertê-lo em Markdown para uso pelo LLM.\n* **Saída Pronta para o Obsidian**: Gera arquivos Markdown (`outputs/reports/`) totalmente estruturados, perfeitos para serem jogados no seu cofre do Obsidian ou Notion, juntamente com o arquivo JSON consolidado da revisão.\n* **CLI Rápida e API REST**: Você pode rodar a revisão pelo terminal (Typer) ou iniciar o servidor web (FastAPI) para chamadas externas.\n\n---\n\n## 📋 Pré-requisitos\n\n1. **Python 3.12+** instalado.\n2. Gerenciador de pacotes **`uv`** da Astral (extremamente rápido e recomendado): `pip install uv`.\n3. **LLM Local (LM Studio / Ollama)**: O projeto está configurado para consumir um servidor compatível com OpenAI rodando em `http://localhost:1234/v1`. Baixe o [LM Studio](https://lmstudio.ai), carregue um modelo instrucional leve (como Llama 3 8B Instruct ou similar) e ligue o Servidor Local.\n\n---\n\n## 🚀 Como fazer funcionar (Quick Start)\n\n### 1. Instalação\n\nFaça o clone do repositório e instale as dependências usando o `uv`:\n\n```bash\n# Sincroniza e instala todas as dependências no ambiente virtual\nuv sync --all-extras\n```\n\n### 2. Configurando seus critérios (PICO)\n\nAntes de rodar a busca, edite o arquivo **`config/prisma_criteria.json`** localizado na pasta de configurações. O Agente de Screening (Triagem) vai ler este arquivo para decidir quais artigos incluir na sua revisão:\n\n```json\n{\n  \"inclusion_criteria\": [\n    \"Estudos focados no tratamento de diabetes tipo 2\",\n    \"Estudos com humanos\"\n  ],\n  \"exclusion_criteria\": [\n    \"Revisões narrativas\",\n    \"Estudos em ratos/animais\"\n  ],\n  \"required_pico\": {\n    \"population\": \"Adultos com diabetes tipo 2\",\n    \"intervention\": \"Metformina ou insulina\",\n    \"comparison\": \"Placebo ou outra droga\",\n    \"outcome\": \"Redução da HbA1c\"\n  }\n}\n```\n\n*(Opcional)* Você pode ajustar o arquivo `.env` para o banco de dados (SQLite ou Postgres). O padrão usará o SQLite na memória do StateGraph.\n\n### 3. Rodando o Pipeline pela CLI (Terminal)\n\nCom o seu LM Studio rodando, execute o comando de busca do CLI:\n\n```bash\nuv run python src/cli.py run --query \"diabetes treatments\" --max-results 10\n```\n\n* **`--query`**: O termo de busca que será jogado no PubMed, ArXiv, OpenAlex e Semantic Scholar.\n* **`--max-results`**: Limite de quantos artigos ele vai trazer **POR FONTE** (ex: 10 no PubMed + 10 no ArXiv... resultando em até 40 artigos para triar).\n\n### 4. Acompanhando a Execução\n\nAcompanhe os logs no terminal. O pipeline passará pelas seguintes etapas:\n1. `[IDENTIFY_NODE]`: Consulta as 4 fontes de dados em paralelo.\n2. `[EXTRACT_METADATA]`: Padroniza os retornos num formato único de dicionário.\n3. `[SCREENING]`: O LLM entra em ação. Para cada artigo, ele analisará Título e Resumo e dirá se ele atende ao `prisma_criteria.json`.\n4. `[SYNTHESIZE]`: Consolida os artigos elegíveis num documento de leitura.\n\nNo final, cheque a pasta **`outputs/reports/`**. Você terá um `.md` lindo com os resultados da sua Revisão Sistemática!\n\n---\n\n## 🛠️ Entendendo a Arquitetura (LangGraph)\n\nO fluxo do LangGraph foi modelado mapeando rigorosamente o fluxograma padrão do PRISMA (2020):\n\n```\n(START)\n   │\n   ▼\n[Identify Node] (Busca paralela via Subgrafos)\n   │\n   ▼\n[Screening Node] (LLM lê Título/Abstract usando PICO)\n   │\n   ▼\n[Eligibility Node] (Tentativa de PDF Full-Text Fetch via Unpaywall)\n   │\n   ▼\n[Synthesize Node] (Gera o output final MD/JSON)\n   │\n   ▼\n (END)\n```\n\n**Estrutura de Pastas:**\n```text\nsrc/\n├── agents/\n│   ├── orchestrator_langgraph.py  # A raiz onde o fluxo PRISMA é montado\n│   ├── screener.py                # Lógica do LangChain conversando com o LLM\n│   ├── synthesizer.py             # Classe que escreve o Markdown na pasta outputs\n│   ├── nodes/                     # Nós isolados do grafo (Identify, Screen, etc)\n│   └── subgraphs/                 # Subgrafos por provedor (PubMed, ArXiv...)\n├── tools/                         # Integração com APIs externas HTTP\n├── api/                           # Endpoint FastAPI para uso remoto\n└── db/                            # Persistência via SQLAlchemy \n```\n\n---\n\n## 🔌 Rodando como um Servidor (REST API)\n\nSe quiser usar o Agents-Prisma como um backend (chamado por uma interface web ou outro sistema), você pode levantar a API FastAPI:\n\n```bash\nuv run uvicorn src.api.server:app --reload --port 8000\n```\n\n**Disparando uma busca via cURL:**\n```bash\ncurl -X POST \"http://127.0.0.1:8000/api/v1/projects/run\" \\\n     -H \"Content-Type: application/json\" \\\n     -d '{\"query\": \"diabetes\", \"max_results\": 10}'\n```\n\nAcesse a documentação Swagger interativa em: [http://127.0.0.1:8000/docs](http://127.0.0.1:8000/docs)\n\n---\n\n## ⚙️ Dicas Avançadas\n\n* **OpenAlex Politeness**: O OpenAlex é gratuito e aberto, mas se quiser ter requisições ainda mais rápidas na \"Polite Pool\", você pode definir a variável de ambiente `OPENALEX_EMAIL=seuemail@example.com`.\n* **Uso de Modelos Grandes**: Para uma triagem complexa (ex: muitos critérios de exclusão), o desempenho de um Llama 3 8B pode não ser suficiente para entender contextos profundos. Considere apontar a sua base URL no código do `screener.py` para o Ollama (usando `llama3:70b` ou `qwen2.5`) ou, se for rodar na nuvem, usar as credenciais da OpenAI (gpt-4o).\n","readmeExcerpt":"Agents-Prisma 🔬🤖 **Agents-Prisma** é um sistema multiagente inteligente construído sobre o $1 focado na automação de **Revisões Sistemáticas de Literatura** baseadas na metodologia **PRISMA** (Preferred Reporting Items for Systematic Reviews and Meta-Analyses). O projeto orquestra múltiplos \"nós\" e subgrafos que atuam de forma paralela e assíncrona para buscar artigos científicos em diversas bases de dados gratuita","codeSnippets":[],"executableExamples":[{"language":"bash","snippet":"# Sincroniza e instala todas as dependências no ambiente virtual\nuv sync --all-extras"},{"language":"json","snippet":"{\n  \"inclusion_criteria\": [\n    \"Estudos focados no tratamento de diabetes tipo 2\",\n    \"Estudos com humanos\"\n  ],\n  \"exclusion_criteria\": [\n    \"Revisões narrativas\",\n    \"Estudos em ratos/animais\"\n  ],\n  \"required_pico\": {\n    \"population\": \"Adultos com diabetes tipo 2\",\n    \"intervention\": \"Metformina ou insulina\",\n    \"comparison\": \"Placebo ou outra droga\",\n    \"outcome\": \"Redução da HbA1c\"\n  }\n}"},{"language":"bash","snippet":"uv run python src/cli.py run --query \"diabetes treatments\" --max-results 10"},{"language":"text","snippet":"(START)\n   │\n   ▼\n[Identify Node] (Busca paralela via Subgrafos)\n   │\n   ▼\n[Screening Node] (LLM lê Título/Abstract usando PICO)\n   │\n   ▼\n[Eligibility Node] (Tentativa de PDF Full-Text Fetch via Unpaywall)\n   │\n   ▼\n[Synthesize Node] (Gera o output final MD/JSON)\n   │\n   ▼\n (END)"},{"language":"text","snippet":"src/\n├── agents/\n│   ├── orchestrator_langgraph.py  # A raiz onde o fluxo PRISMA é montado\n│   ├── screener.py                # Lógica do LangChain conversando com o LLM\n│   ├── synthesizer.py             # Classe que escreve o Markdown na pasta outputs\n│   ├── nodes/                     # Nós isolados do grafo (Identify, Screen, etc)\n│   └── subgraphs/                 # Subgrafos por provedor (PubMed, ArXiv...)\n├── tools/                         # Integração com APIs externas HTTP\n├── api/                           # Endpoint FastAPI para uso remoto\n└── db/                            # Persistência via SQLAlchemy"},{"language":"bash","snippet":"uv run uvicorn src.api.server:app --reload --port 8000"}],"parameters":null,"dependencies":[],"permissions":[],"extractedFiles":[],"languages":["python"],"docsSourceLabel":"GITHUB REPOS","editorialOverview":"Multi-agent PRISMA systematic review orchestrator with CrewAI, PostgreSQL, and scientific API integrations Agents-Prisma 🔬🤖 **Agents-Prisma** é um sistema multiagente inteligente construído sobre o $1 focado na automação de **Revisões Sistemáticas de Literatura** baseadas na metodologia **PRISMA** (Preferred Reporting Items for Systematic Reviews and Meta-Analyses). O projeto orquestra múltiplos \"nós\" e subgrafos que atuam de forma paralela e assíncrona para buscar artigos científicos em diversas bases de dados gratuita","editorialQuality":{"score":100,"threshold":65,"status":"ready","wordCount":372,"uniquenessScore":71,"reasons":[]}},"media":{"evidence":{"source":"no-media","verified":false,"confidence":"low","updatedAt":"2026-10-09T14:16:29.233Z","emptyReason":"No screenshots, media assets, or demo links are available."},"primaryImageUrl":null,"mediaAssetCount":0,"assets":[],"demoUrl":null},"ownerResources":{"evidence":{"source":"unclaimed","verified":false,"confidence":"low","updatedAt":"2026-10-09T14:16:29.233Z","emptyReason":"This page has not been claimed by the agent owner."},"hasCustomPage":false,"customPageUpdatedAt":null,"customLinks":[],"structuredLinks":{"docsUrl":null,"demoUrl":null,"supportUrl":null,"pricingUrl":null,"statusUrl":null},"customPage":null},"relatedAgents":{"evidence":{"source":"protocol-neighbors","verified":false,"confidence":"medium","updatedAt":"2026-10-10T03:34:37.146Z","emptyReason":null},"items":[{"id":"8ebccd8e-3863-4187-8355-c3f14e1f9edf","entityType":"agent","canonicalPath":"/agent/iofficeai-aionui","slug":"iofficeai-aionui","name":"AionUi","description":"Free, local, open-source 24/7 Cowork app and OpenClaw for Gemini CLI, Claude Code, Codex, OpenCode, Qwen Code, Goose CLI, Auggie, and more | 🌟 Star if you like it!","url":"https://github.com/iOfficeAI/AionUi","homepage":"https://www.aionui.com","source":"GITHUB_REPOS","protocols":["MCP","OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-10-09T19:11:12.944Z","createdAt":"2026-02-25T03:38:16.584Z","downloads":null},{"id":"b917f68a-ebff-438e-84f8-3f4b2494c0bc","entityType":"agent","canonicalPath":"/agent/activepieces-activepieces","slug":"activepieces-activepieces","name":"activepieces","description":"AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents","url":"https://github.com/activepieces/activepieces","homepage":"https://www.activepieces.com","source":"GITHUB_REPOS","protocols":["OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-04-15T02:22:12.426Z","createdAt":"2026-02-25T03:38:12.412Z","downloads":null},{"id":"5cb26759-3a39-483f-94cf-276a98c13bb8","entityType":"agent","canonicalPath":"/agent/cherryhq-cherry-studio","slug":"cherryhq-cherry-studio","name":"cherry-studio","description":"AI productivity studio with smart chat, autonomous agents, and 300+ assistants. Unified access to frontier LLMs","url":"https://github.com/CherryHQ/cherry-studio","homepage":"https://cherry-ai.com","source":"GITHUB_REPOS","protocols":["MCP","OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-04-11T14:38:40.986Z","createdAt":"2026-02-25T03:38:19.379Z","downloads":null},{"id":"6f6582d0-5d76-4f0f-b81d-86520247950b","entityType":"agent","canonicalPath":"/agent/copilotkit-copilotkit","slug":"copilotkit-copilotkit","name":"CopilotKit","description":"The Frontend for Agents & Generative UI. React + Angular","url":"https://github.com/CopilotKit/CopilotKit","homepage":"https://docs.copilotkit.ai","source":"GITHUB_REPOS","protocols":["OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-03-25T09:50:57.846Z","createdAt":"2026-02-25T03:39:14.617Z","downloads":null}],"links":{"hub":"/agent","source":"/agent/source/github_repos","protocols":[{"label":"OpenClaw","href":"/agent/protocol/openclew"}]}}}