> ## Documentation Index
> Fetch the complete documentation index at: https://manus.im/docs/llms.txt
> Use this file to discover all available pages before exploring further.

# Wide Research

> Sistema multi-Agent paralelo para pesquisa em larga escala e tarefas de processamento.

export const CodePrompt = ({children}) => {
  const [isCopied, setIsCopied] = useState(false);
  const textContent = useMemo(() => {
    const extractText = (children, depth = 0) => {
      const maxDepth = 10;
      if (depth > maxDepth) return '';
      if (children == null) return '';
      if (typeof children === 'string' || typeof children === 'number') {
        return String(children);
      }
      if (Array.isArray(children)) {
        return children.map(child => extractText(child, depth + 1)).join('');
      }
      if (typeof children === 'object' && children.props) {
        return extractText(children.props.children, depth + 1);
      }
      return '';
    };
    return extractText(children);
  }, [children]);
  const handleAskManus = useCallback(() => {
    const url = new URL('https://manus.im');
    if (textContent) {
      url.searchParams.set('q', textContent);
      url.searchParams.set('submit', '1');
    }
    window.open(url.toString(), '_blank');
  }, [textContent]);
  const handleCopy = useCallback(async () => {
    try {
      await navigator.clipboard.writeText(textContent);
      setIsCopied(true);
      setTimeout(() => {
        setIsCopied(false);
      }, 2000);
    } catch (err) {
      const textArea = document.createElement('textarea');
      textArea.value = textContent;
      textArea.style.position = 'fixed';
      textArea.style.opacity = '0';
      document.body.appendChild(textArea);
      textArea.select();
      try {
        document.execCommand('copy');
        setIsCopied(true);
        setTimeout(() => {
          setIsCopied(false);
        }, 2000);
      } catch (fallbackErr) {
        console.error(fallbackErr);
      }
      document.body.removeChild(textArea);
    }
  }, [textContent]);
  return <div className="code-block mt-5 mb-8 not-prose rounded-2xl relative group text-gray-950 dark:text-gray-50 codeblock-light border border-gray-950/10 dark:border-white/10 dark:twoslash-dark bg-transparent dark:bg-transparent">
      <div className="absolute top-3 right-4 flex items-center gap-1.5">
        <div className="z-10 relative">
          <button onClick={handleCopy} className="h-[26px] w-[26px] flex items-center justify-center rounded-md backdrop-blur peer group/copy-button " data-testid="copy-code-button" aria-label="Copy the contents from the code block">
            {isCopied ? <svg width="16" height="11" viewBox="0 0 16 11" fill="none" xmlns="http://www.w3.org/2000/svg" class="fill-primary dark:fill-primary-light">
                <path d="M14.7813 1.21873C15.0751 1.51248 15.0751 1.98748 14.7813 2.2781L6.53135 10.5312C6.2376 10.825 5.7626 10.825 5.47197 10.5312L1.21885 6.28123C0.925098 5.98748 0.925098 5.51248 1.21885 5.22185C1.5126 4.93123 1.9876 4.9281 2.27822 5.22185L5.99697 8.9406L13.7188 1.21873C14.0126 0.924976 14.4876 0.924976 14.7782 1.21873H14.7813Z"></path>
              </svg> : <svg width="18" height="18" viewBox="0 0 18 18" fill="none" xmlns="http://www.w3.org/2000/svg" className="w-4 h-4 text-gray-400 group-hover/copy-button:text-gray-500 dark:text-white/40 dark:group-hover/copy-button:text-white/60">
                <path d="M14.25 5.25H7.25C6.14543 5.25 5.25 6.14543 5.25 7.25V14.25C5.25 15.3546 6.14543 16.25 7.25 16.25H14.25C15.3546 16.25 16.25 15.3546 16.25 14.25V7.25C16.25 6.14543 15.3546 5.25 14.25 5.25Z" stroke="currentColor" strokeWidth="1.5" strokeLinecap="round" strokeLinejoin="round"></path>
                <path d="M2.80103 11.998L1.77203 5.07397C1.61003 3.98097 2.36403 2.96397 3.45603 2.80197L10.38 1.77297C11.313 1.63397 12.19 2.16297 12.528 3.00097" stroke="currentColor" strokeWidth="1.5" strokeLinecap="round" strokeLinejoin="round"></path>
              </svg>}
          </button>
          <div aria-hidden="true" className="absolute top-11 left-1/2 transform whitespace-nowrap -translate-x-1/2 -translate-y-1/2 peer-hover:opacity-100 opacity-0 text-white rounded-lg px-1.5 py-0.5 text-xs bg-primary-dark">
            {isCopied ? 'Copied' : 'Copy'}
          </div>
        </div>
        <div className="z-10 relative">
          <button onClick={handleAskManus} className="h-[26px] w-[26px] flex items-center justify-center rounded-md backdrop-blur peer group/ask-manus " id="ask-ai-code-block-button" aria-label="Ask Manus">
            <svg xmlns="http://www.w3.org/2000/svg" width="18" height="18" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2" stroke-linecap="round" stroke-linejoin="round" className="w-4 h-4 text-gray-400 group-hover/ask-manus:text-gray-500 dark:text-white/40 dark:group-hover/ask-manus:text-white/60">
              <path d="M22 17a2 2 0 0 1-2 2H6.828a2 2 0 0 0-1.414.586l-2.202 2.202A.71.71 0 0 1 2 21.286V5a2 2 0 0 1 2-2h16a2 2 0 0 1 2 2z" />
              <path d="M12 8v6" />
              <path d="M9 11h6" />
            </svg>
          </button>
          <div aria-hidden="true" className="absolute top-11 left-1/2 transform whitespace-nowrap -translate-x-1/2 -translate-y-1/2 peer-hover:opacity-100 opacity-0 text-white rounded-lg px-1.5 py-0.5 text-xs bg-primary-dark">
            Ask Manus
          </div>
        </div>
      </div>

      <div className="w-0 min-w-full max-w-full py-3.5 px-4 h-full dark:bg-codeblock relative text-sm leading-6 children:!my-0 children:!shadow-none children:!bg-transparent transition-[height] duration-300 ease-in-out code-block-background [&_*]:ring-0 [&_*]:outline-0 [&_*]:focus:ring-0 [&_*]:focus:outline-0 [&_pre>code]:pr-[3rem] [&_pre>code>span.line-highlight]:min-w-[calc(100%+3rem)] [&_pre>code>span.line-diff]:min-w-[calc(100%+3rem)] rounded-2xl bg-white overflow-x-auto scrollbar-thin scrollbar-thumb-rounded scrollbar-thumb-black/15 hover:scrollbar-thumb-black/20 active:scrollbar-thumb-black/20 dark:scrollbar-thumb-white/20 dark:hover:scrollbar-thumb-white/25 dark:active:scrollbar-thumb-white/25" style={{
    fontVariantLigatures: 'none',
    height: 'auto',
    backgroundColor: 'rgb(255, 255, 255)'
  }}>
        <div className="font-mono whitespace-pre leading-6">{children}</div>
      </div>
    </div>;
};

<iframe src="https://www.youtube.com/embed/TRZi7EZBNI0" title="Reprodutor de vídeo do YouTube" frameborder="0" className="w-full aspect-video rounded-xl" allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share" allowfullscreen />

## O que é Pesquisa Ampla?

Pesquisa Ampla é a abordagem de Manus para lidar com tarefas que envolvem o processamento de muitos itens semelhantes—como analisar 100 produtos, pesquisar 50 empresas ou gerar 20 peças de conteúdo. Em vez de usar um único Agent de AI que processa itens sequencialmente, a Pesquisa Ampla implanta centenas de Agents independentes que trabalham em paralelo.

Cada Agent recebe seu próprio contexto dedicado e processa um item de forma independente. Esta arquitetura resolve a limitação da janela de contexto que faz com que os sistemas de AI tradicionais degradem a qualidade à medida que o número de itens aumenta.

## O Problema da Janela de Contexto

Sistemas de AI tradicionais, incluindo a maioria dos chatbots, operam com uma janela de contexto fixa—um limite de quanta informação eles podem processar ativamente de uma só vez. Quando solicitados a analisar muitos itens sequencialmente:

* **Itens 1-5**: Análise detalhada e minuciosa com contexto completo disponível
* **Itens 10-20**: As descrições ficam mais curtas à medida que o contexto se preenche
* **Itens 30+**: Resumos genéricos e aumento de erros à medida que o contexto anterior é compactado ou perdido

Essa degradação ocorre porque a AI deve manter todos os itens anteriores na memória enquanto processa novos. Pesquisas mostram que esse "limiar de fabricação" geralmente ocorre em torno de 8 a 10 itens para a maioria dos sistemas de AI.

## Como a Pesquisa Ampla Funciona

A Pesquisa Ampla utiliza uma arquitetura fundamentalmente diferente:

**1. Decomposição de Tarefas**: O Agent principal analisa sua solicitação e a divide em subtarefas independentes (por exemplo, "pesquisar empresa #1", "pesquisar empresa #2", etc.)

**2. Implantação de Agents Paralelos**: Cada subtarefa é atribuída a um Agent dedicado com sua própria janela de contexto nova

**3. Processamento Independente**: Agents trabalham simultaneamente, cada um conduzindo pesquisas minuciosas sem competir por espaço de contexto

**4. Síntese de Resultados**: O Agent principal coleta todas as subtarefas concluídas e as reúne no formato solicitado (tabela, relatório, conjunto de dados, etc.)

**Resultado**: O Item #250 recebe a mesma profundidade de análise que o item #1, porque cada um tem seu próprio Agent dedicado e janela de contexto completa.

## Início Rápido

### Solicitação Simples

<CodePrompt>
  "Pesquise os 20 principais pesquisadores de AI e crie uma tabela com suas
  afiliações, foco de pesquisa e publicações recentes"
</CodePrompt>

### Solicitação Detalhada

<CodePrompt>
  "Compare 100 modelos de tênis de consumo. Para cada um, extraia: marca, preço,
  principais recursos, público-alvo e avaliação do cliente. Organize em uma
  tabela classificável."
</CodePrompt>

### Solicitação Criativa

<CodePrompt>
  "Encontre 20 figuras históricas famosas. Gere fotos de perfil profissionais
  para cada uma em um estilo artístico consistente. Inclua breves biografias."
</CodePrompt>

## Exemplos Reais

### Exemplo 1: Pesquisando 250 Pesquisadores de AI

<CodePrompt>
  "Pesquise os 250 principais pesquisadores de AI de instituições líderes. Crie
  uma tabela abrangente com: nome, afiliação, foco de pesquisa, índice h,
  publicações notáveis e informações de contato."
</CodePrompt>

**Saída**: Banco de dados completo com 250 perfis detalhados

**Repetição**: [https://manus.im/share/IXdMjxObbFKbIjUUkBk4EH?replay=1](https://manus.im/share/IXdMjxObbFKbIjUUkBk4EH?replay=1)

**Por que funciona**:

* Nenhuma outra ferramenta de AI pode lidar com tarefas nesta escala
* Cada pesquisador obtém pesquisa independente e minuciosa
* Tabela gerada e preenchida automaticamente com todos os campos
* Qualidade consistente do pesquisador #1 ao #250

### Exemplo 2: Comparando 100 Modelos de Tênis

<CodePrompt>
  "Analise 100 modelos de tênis de consumo. Extraia marca, faixa de preço, principais
  recursos, público-alvo e avaliação média. Crie uma tabela de comparação
  ordenada por preço."
</CodePrompt>

**Saída**: Tabela abrangente de pesquisa de mercado de 100 produtos

**Repetição**: [https://manus.im/share/3zvs5smekSmn4lS14n9QNg?replay=1](https://manus.im/share/3zvs5smekSmn4lS14n9QNg?replay=1)

**Por que funciona**:

* Pesquisa profunda independente em cada produto
* Extração de dados estruturados em escala
* Organização e classificação automáticas
* Sem queda de qualidade em 100 itens

### Exemplo 3: Analisando Cronogramas de AGI

<CodePrompt>
  "Pesquise previsões de especialistas sobre cronogramas de AGI. Analise mais de 30 fontes,
  including research papers, expert interviews, and industry reports.
  Crie uma visualização mostrando a distribuição das previsões."
</CodePrompt>

**Saída**: Análise abrangente com visualização de dados

**Repetição**: [https://manus.im/share/GajPnKzrpM4pEbpcrKDmx0?replay=1](https://manus.im/share/GajPnKzrpM4pEbpcrKDmx0?replay=1)

**Por que funciona**:

* Sintetiza informações de dezenas de fontes
* Cria uma representação visual dos achados
* Identifica padrões e valores atípicos
* Fornece resumo baseado em evidências

### Exemplo 4: Pesquisando 20 Biografias

<CodePrompt>
  "Pesquise 20 empreendedores influentes. Crie uma biografia detalhada para
  cada um cobrindo: início da vida, marcos de carreira, principais conquistas,
  estilo de liderança e impacto duradouro."
</CodePrompt>

**Saída**: 20 biografias abrangentes com estrutura consistente

**Repetição**: [https://manus.im/share/ayLBetEJkfSIVuWKo2toPn?replay=1](https://manus.im/share/ayLBetEJkfSIVuWKo2toPn?replay=1)

**Por que funciona**:

* Cada biografia é pesquisada minuciosa e independentemente
* Estrutura consistente em todos os materiais
* Pesquisa profunda de múltiplas fontes para cada pessoa
* Sem atalhos ou geração de conteúdo genérico

### Exemplo 5: Edição em Massa de Fotos de Perfil do LinkedIn

<CodePrompt>
  "Baixe fotos de perfil destes 50 URLs do LinkedIn. Aplique uma edição
  profissional consistente: remova o fundo, ajuste a iluminação,
  corte para dimensões padrão e salve como PNG de alta resolução.”
</CodePrompt>

**Saída**: 50 fotos de perfil editadas profissionalmente

**Repetição**: [https://manus.im/share/5iT2464ldyvdf1FMxUOCsW?replay=1](https://manus.im/share/5iT2464ldyvdf1FMxUOCsW?replay=1)

**Como funciona**:

* Substitui ferramentas micro-SaaS para processamento de imagem em massa
* Aplica edições consistentes em todas as imagens
* Fluxo automatizado de download e processamento
* Resultados profissionais em escala

### Exemplo 6: Extraindo uma Biblioteca de Prompt do GitHub

<CodePrompt>
  "Acesse este repositório awesome-prompts do GitHub. Extraia todos os Prompts,
  categorize por caso de uso e crie um banco de dados estruturado contendo: texto do Prompt,
  categoria, modelo alvo e classificação de eficácia.”
</CodePrompt>

**Saída**: Banco de dados estruturado de mais de 100 Prompts

**Repetição**: [https://manus.ai/share/wxTg2q4hV6GN4YY4KnQeFx?replay=1](https://manus.ai/share/wxTg2q4hV6GN4YY4KnQeFx?replay=1)

**Como funciona**:

* Extração e estruturação de informações em escala
* Categorização e marcação automáticas
* Cria um banco de dados pesquisável e organizado
* Lida com tarefas complexas de web scraping

## Casos de Uso por Categoria

| Categoria                    | Exemplo de Tarefa                                                                     |
| :--------------------------- | :------------------------------------------------------------------------------------ |
| **Pesquisa de Mercado**      | Compare 100 produtos, analise preços de concorrentes, pesquise avaliações de clientes |
| **Pesquisa Acadêmica**       | Revise 50 artigos, analise tendências de pesquisa, compare metodologias               |
| **Inteligência Competitiva** | Analise 30 concorrentes, analise conjuntos de recursos, acompanhe mudanças de preço   |
| **Geração de Leads**         | Pesquise 200 prospects, encontre informações de contato, qualifique leads             |
| **Criação de Conteúdo**      | Gere 20 esboços de blog, crie 50 posts sociais, escreva 30 descrições de produtos     |
| **Extração de Dados**        | Faça scraping de 100 sites, extraia dados estruturados, compile banco de dados        |
| **Produção Criativa**        | Gere 20 imagens, edite 50 fotos, crie ativos de marca consistentes                    |
| **Pesquisa de Investimento** | Analise 40 startups, compare 30 fundos, pesquise 50 empresas de portfólio             |

## Por que Pesquisa Ampla em vez de outras ferramentas

| Aspecto         | Chatbot de AI                              | Manus Pesquisa Ampla                      |
| :-------------- | :----------------------------------------- | :---------------------------------------- |
| **Metodologia** | Uma única AI te ajuda                      | Orquestração Multi-Agent Paralela         |
| **Velocidade**  | Horas para atingir a saturação de contexto | Minutos, independentemente da escala      |
| **Escala**      | O desempenho degrada após 8-10 itens       | Expande-se perfeitamente para centenas    |
| **Qualidade**   | Degradação progressiva                     | Qualidade consistente em qualquer escala  |
| **Saída**       | Resumos compactados perdendo detalhes      | Relatórios completos e conjuntos de dados |

## Quando usar a Pesquisa Ampla

**Melhor para**:

* Inteligência competitiva (analisar mais de 50 concorrentes)
* Pesquisa de mercado (comparar mais de 100 produtos)
* Pesquisa acadêmica (revisar mais de 30 artigos)
* Geração de leads (pesquisar mais de 200 prospects)
* Criação de conteúdo (gerar mais de 20 itens semelhantes)
* Extração de dados (fazer scraping e estruturar mais de 100 páginas)
* Processamento em massa (editar mais de 50 imagens/arquivos)

**Não é ideal para**:

* Análise profunda única (use o modo Agent regular)
* Tarefas que exigem dependência sequencial
* Pesquisa interativa em tempo real
* Tarefas com menos de 10 itens

## Dicas para Melhores Resultados

**Seja explícito sobre a estrutura**:

* ✅ “Crie uma tabela com colunas para: nome, empresa, cargo, e-mail, LinkedIn”
* ❌ “Pesquise essas pessoas”

**Especifique a escala antecipadamente**:

* ✅ “Analise todas as 100 empresas desta lista”
* ❌ “Analise algumas empresas”

**Descreva o formato de saída desejado**:

* ✅ “Organize em uma planilha classificável com filtros”
* ❌ “Dê-me os resultados”

**Inclua critérios de avaliação**:

* ✅ “Pontue cada produto com base em: preço, recursos, avaliações, usabilidade”
* ❌ “Compare estes produtos”

## Perguntas Frequentes

<AccordionGroup>
  <Accordion title="Quantos itens a Pesquisa Ampla pode lidar?" icon="sparkles">
    Testado com até 250 itens. Teoricamente ilimitado, mas os limites práticos dependem da complexidade da tarefa.
  </Accordion>

  <Accordion title="Quanto tempo leva?" icon="sparkles">
    Depende da complexidade e escala da tarefa. Normalmente, alguns minutos para 50-100 itens, independentemente da profundidade.
  </Accordion>

  <Accordion title="Posso refinar os resultados depois?">
    Sim. Solicite modificações: “Adicionar coluna de preços” ou “Pesquisar novamente os itens 20-30”.
  </Accordion>

  <Accordion title="Funciona para tarefas que não são de pesquisa?">
    Sim. Qualquer tarefa que envolva o processamento de múltiplos itens independentes: edição de imagem, extração de dados, geração de conteúdo, etc.
  </Accordion>
</AccordionGroup>

##
