🧠 Brain — Sistema de Inteligências Múltiplas

O que faz

O Brain é um orquestrador multi-agente baseado na Teoria das Inteligências Múltiplas de Howard Gardner. Quando você faz uma pergunta, o Brain:

1. ⚡ Dispara a mesma pergunta para 9 agentes especialistas em paralelo
2. 🧠 Cada agente interpreta a pergunta exclusivamente através da lente da sua inteligência (Linguística, Lógico-Matemática, Espacial, Corporal-Cinestésica, Musical, Interpessoal, Intrapessoal, Naturalista, Existencial)
3. 🔄 Coleta todas as respostas
4. 🪄 Sintetiza um conceito NOVO — não um resumo, mas uma compreensão integrada que emerge do conjunto

Como usar

@brain <sua pergunta>

Exemplos

@brain Como funciona uma sinapse?

@brain O que é consciência?

@brain Como a matemática descreve a realidade?

@brain Qual o sentido da vida?

@brain Como funciona a gravidade?

Procedimento para Zivy

Quando o usuário invocar @brain <pergunta>, siga estes passos:

Passo 1: Executar o orchestrator

Execute o orchestrator.py com a pergunta do usuário:

cd /root/.hermes/skills/brain && python3 orchestrator.py "<pergunta>"

Importante: Preserve a pergunta exata do usuário, incluindo pontuação e acentos.

Passo 2: Coletar resultado

O orchestrator imprime:

1. ✅ Status de cada inteligência (ok/erro/timeout) + tamanho em chars + flag de truncamento
2. 🧠 Síntese final do Brain
3. 💾 Caminho do arquivo de sessão salvo

Passo 3: Retornar ao usuário

Apresente a síntese final de forma limpa, com um breve resumo do processo:

🧠 SÍNTESE DO BRAIN

[conteúdo da síntese]

---
⚡ 9 inteligências consultadas • Processado em X.Xs
💾 Sessão salva em: /root/.hermes/skills/brain/responses/session_XXXXXX.json

⚠️ Pitfalls

1. Timeout: Se alguma inteligência exceder 90s, o sistema retorna timeout parcial. A síntese ainda será feita com as respostas disponíveis. Isso é raro — o modelo deepseek-v4-flash é rápido.

2. Perguntas muito curtas/triviais: O sistema funciona melhor com perguntas conceituais ("que horas são?" não é ideal). Se o usuário insistir em perguntas triviais, a síntese ainda pode surpreender pelas metáforas.

3. Tempo total: Cada execução leva ~1-2 minutos (9 chamadas paralelas). Informe o usuário se ele estiver com pressa.

4. Modelo de raciocínio (deepseek-v4-flash): O modelo gasta tokens em raciocínio interno ANTES de gerar a resposta. Isso já foi corrigido no orchestrator com max_tokens: 16000, extract_content() com fallback, e stripping de CoT vazado. Se aparecerem respostas vazias ou truncadas:

   • Verificar o campo truncated no JSON de sessão
   • Consultar references/deepseek-reasoning-model-behavior.md para diagnóstico completo

5. CoT vazado: Respostas começando com "Thinking..." ou "Analyze..." são automaticamente limpas por _strip_cot_from_content(). Se ainda assim aparecerem, o system prompt pode precisar de reforço na instrução de não vazar raciocínio.

Arquitetura

                    ┌─────────────────┐
                    │   USUÁRIO        │
                    │  "pergunta"      │
                    └────────┬────────┘
                             │
                    ┌────────▼────────┐
                    │   BRAIN (Zivy)  │
                    │  Orchestrator   │
                    │  + Síntese      │
                    └───┬────┬────┬───┘
                        │    │    │
         ┌──────────────┼────┼────┼──────────────┐
         │              │    │    │              │
  ┌──────▼─────┐ ┌──────▼──┐ ┌──▼──────┐ ┌──────▼──────┐
  │ Linguística │ │ Lógico  │ │ Espacial │ │ Cinestésica │ ...
  │ soul.md     │ │ soul.md │ │ soul.md │ │ soul.md     │
  │ agent.md    │ │ agent.md│ │ agent.md│ │ agent.md    │
  └─────────────┘ └─────────┘ └─────────┘ └─────────────┘
                        │    │    │
         ┌──────────────┼────┼────┼──────────────┐
         │              │    │    │              │
  ┌──────▼──────────────▼────▼────▼──────────────▼──────┐
  │           BRAIN — SÍNTESE FINAL                     │
  │  Conceito novo, integrado, claro e estabelecido     │
  └─────────────────────────────────────────────────────┘

Inteligências

#	Inteligência	Temperatura	Estilo
1	🧠 Linguística	0.7	Narrativo, metafórico, etimológico
2	🔢 Lógico-Matemática	0.3	Analítico, preciso, estruturado
3	🌌 Espacial	0.6	Visual, geométrico, arquitetônico
4	🏃 Corporal-Cinestésica	0.8	Visceral, tátil, movimento
5	🎵 Musical	0.9	Rítmico, harmônico, frequência
6	👥 Interpessoal	0.7	Relacional, comunicação, rede
7	🧘 Intrapessoal	0.7	Reflexivo, subjetivo, self
8	🌿 Naturalista	0.6	Orgânico, evolutivo, ecológico
9	🌌 Existencial	0.8	Contemplativo, transcendente

Estrutura de Arquivos

~/.hermes/skills/brain/
├── SKILL.md                          ← Esta skill
├── orchestrator.py                   ← Orquestrador principal
├── references/
│   └── deepseek-reasoning-model-behavior.md  ← Comportamento de modelos de raciocínio
├── intelligences/
│   ├── linguistic/soul.md + agent.md
│   ├── logical-mathematical/soul.md + agent.md
│   ├── spatial/soul.md + agent.md
│   ├── bodily-kinesthetic/soul.md + agent.md
│   ├── musical/soul.md + agent.md
│   ├── interpersonal/soul.md + agent.md
│   ├── intrapersonal/soul.md + agent.md
│   ├── naturalistic/soul.md + agent.md
│   └── existential/soul.md + agent.md
└── responses/                        ← Sessões salvas (JSON)

---

🌍 Versão Pública

Este projeto está disponível no GitHub: https://github.com/tiagovficagna/Hbrain

Lá você encontra:

• README completo com instruções de instalação
• Exemplos de saída com sínteses reais
• Arquitetura detalhada
• MIT License