Saltar para o conteúdo
Início Rápido

Início Rápido

Este guia leva do zero à primeira resposta do agente em poucos minutos.

1. Suba o Vectora

Depois de instalado, abra o app (ou uv run vectora start --port 8080 + pnpm --dir frontend dev em dev). O primeiro acesso pede cadastro — o primeiro usuário a se cadastrar vira administrador root da instância.

2. Configure um provedor de LLM

Abra Configurações → Preferências → Geral e escolha um provedor (Google Gemini, OpenAI, Anthropic, Cohere ou Ollama local). Sem chave de API configurada em nenhum provedor, o seletor de modelo do chat fica vazio.

Se você prefere configurar por variável de ambiente em vez da UI, edite .env (dev) ou ~/.vectora/.env (instalação nativa):

LLM_PROVIDER=google-genai
GOOGLE_API_KEY=sua_chave_aqui
COHERE_API_KEY=sua_chave_aqui   # obrigatório para RAG

3. Crie seu primeiro workspace

Um workspace é uma pasta do seu sistema de arquivos que o Vectora pode ler (e, se você confiar nela, editar e executar comandos). No chat, use o seletor de workspace no topo pra apontar para um diretório de projeto.

Na primeira vez que abrir uma pasta não confiável, o Vectora pede confirmação explícita (“Confio nesta pasta”) antes de liberar escrita e terminal — veja Primeiro workspace.

4. Mande sua primeira mensagem

Experimente algo concreto, não genérico:

Explique a arquitetura deste projeto olhando o package.json / pyproject.toml
Rode os testes e me diga o que está falhando

O orchestrator decide sozinho se responde direto ou delega para o subagente coder (arquivos/git/terminal) ou search (busca web/RAG). Ações potencialmente destrutivas (escrever arquivo, rodar comando, git push) pausam pra sua aprovação — o chamado modo HITL (human-in-the-loop).

5. Indexe conhecimento pro RAG (opcional, mas recomendado)

Arraste uma pasta de documentação pro chat, ou use o painel Memory (RAG) na workbench pra indexar arquivos manualmente. Depois disso, perguntas sobre esse conteúdo vêm com citações [1] [2] rastreáveis até a fonte.

Próximos passos