Trilha de Estudo
Ir para notas que citam estaTrilha de Estudo é o caminho recomendado para quem quer aprender agentes de IA com o material da bancada Agentic AI, partindo do zero ou reforçando a base antes de construir. Siga as etapas em ordem, lendo os conceitos da esquerda para a direita; cada etapa indica a sessão que melhor mostra aquilo na prática, e os conceitos periféricos ficam no índice para consulta.
Etapa 1 O que é um agente de IA
Comece pelo vocabulário. Antes de qualquer ferramenta, é preciso entender o que separa um agente de um chatbot, de que peças ele é feito e como decide o próximo passo. Ao fim desta etapa você consegue descrever qualquer agente pelos seus pilares e reconhecer se ele reage, planeja ou raciocina em cadeia.
Evolução dos Agentes de IA → Agente de IA → Racionalidade do Agente → Pilares de um Agente de IA → Arquitetura Modular de Agentes → Níveis de Maturidade no Uso de IA → Padrões de Raciocínio de Agentes → Cadeia de Pensamento
Na prática: Workshop Construindo Agentes de IA Conceituação de Agentes (2026-03-17).
Etapa 2 O modelo, o prompt e os limites do agente
O agente é guiado por um modelo e por uma instrução, e ambos precisam ser escolhidos com critério. Esta etapa cobre como estruturar o prompt, como a temperatura e o tipo de modelo mudam o comportamento, quanto cada chamada custa e como impedir que o agente saia do escopo. Ao fim, você sabe escolher um modelo por tarefa e escrever os guardrails que tornam um agente confiável.
Engenharia de Prompt → Persona do Agente → Temperatura → Modelos de Raciocínio → Small Language Model → Seleção de Modelo por Agente → Custo de Tokens → Fine-tuning → Guardrails → Human in the Loop
Na prática: Workshop Construindo Agentes de IA Encerramento e Aprendizados (2026-05-21).
Etapa 3 Ferramentas, memória e RAG
Um agente só age sobre o mundo quando tem ferramentas, e só responde sobre o que não está no treinamento quando tem memória e uma base de conhecimento. Aqui você vê como o modelo decide chamar uma função, que tipos de memória existem e como funciona um pipeline de RAG, da extração do texto à busca por similaridade. Ao fim, você entende cada etapa entre um PDF e uma resposta fundamentada.
Ferramentas de Agentes → Function Calling → Memória de Agentes → Bases de Conhecimento de Longo Prazo → Retrieval-Augmented Generation → Extração de Texto com OCR → Chunking → Embeddings → Similaridade de Cosseno → Banco Vetorial → Qdrant → RAG Agêntico
Na prática: Workshop Construindo Agentes de IA N8N Dúvidas sobre Embeddings e RAG (2026-03-24).
Etapa 4 Construindo com N8N e LangGraph
Com os conceitos no lugar, é hora de construir. A bancada implementou o mesmo sistema em duas ferramentas: uma visual, para prototipar rápido, e uma em código, para controle fino e produção. Ao fim desta etapa você sabe montar um fluxo no N8N, traduzi-lo para um grafo com estado e checkpoints no LangGraph e decidir qual das duas usar em cada caso.
N8N → Gatilho no N8N → Nós de Decisão no N8N → LangChain → LangGraph → Grafo de Agentes → Estado do Grafo → Estrutura de um Agente no LangGraph → Aresta Condicional → Checkpoints e Persistência de Estado → Backend de Agente com FastAPI → N8N versus LangGraph
Na prática: Workshop Construindo Agentes de IA N8N Parte 1 Primeiro Agente e RAG (2026-03-19) e Workshop Construindo Agentes de IA LangGraph Parte 2 Estado e Aresta Condicional (2026-04-16).
Etapa 5 Sistemas multiagente, orquestração e protocolos
Quando um agente sozinho resolve mal, vários agentes especializados podem dividir o problema. Esta etapa mostra quando vale essa complexidade, os papéis típicos (quem classifica, quem delega, quem confere), os arranjos em cadeia e em paralelo e o protocolo que liga agentes a sistemas externos. Ao fim, você consegue desenhar um sistema multiagente e justificar cada decisão de arquitetura.
Sistemas Multiagente → Encadeamento de Agentes → Agente Roteador → Agente Orquestrador → Subagentes → Agente Validador → Paralelização de Agentes → Padrões de Orquestração de Agentes → Controle de Fluxo em Sistemas Multiagente → Model Context Protocol → Servidor MCP
Na prática: Café com Código Orquestrando Agentes de IA no N8N (2026-07-08).
Etapa 6 Operação e observabilidade de agentes
Depois que o agente está no ar, é preciso enxergar o que ele faz. Aqui entram a disciplina de operar agentes, a instrumentação que torna visível o caminho de execução, o custo e as falhas, o padrão aberto de telemetria, as ferramentas de tracing e a avaliação automática de respostas. Ao fim, você sabe o que monitorar num agente e com que ferramentas.
AgentOps → Problema da Caixa Preta em Sistemas de IA → Observabilidade de Agentes → OpenTelemetry → LangSmith → LangFuse → LLM as a Judge → Riscos de Privacidade e Vazamento de Dados em IA
Na prática: Tech Talk Observabilidade de Agentes de IA (2026-06-11).
Etapa 7 Engenharia de software agêntica
A última etapa aplica agentes ao próprio desenvolvimento de software. Ela percorre a evolução do improviso à especificação e à verificação, as ferramentas de SDD e os elementos de um harness em volta de um agente de código. Ao fim, você entende como transformar specs em código com um agente de forma mais previsível e como comparar harnesses diferentes.
Vibe Coding → Engenharia de Software Agêntica → Spec-Driven Development → Spec Kit → OpenSpec → Harness Engineering → Claude Code → Arquivos de Contexto de Agentes de Código → Skills de IA → Hooks de Verificação em Agentes de Código → Agent Teams → OpenCode
Na prática: Workshop Reimaginando Lendas com IA Sessão 2 Implementação com Specs e Harness (2026-07-23).
Para consultar os demais conceitos, use o Índice de Conceitos; para voltar à visão geral da bancada, abra o Início.