Pular para o conteúdo
LabS Atlas
Agentic AI
Entrar
Sessões

Workshop Construindo Agentes de IA Encerramento e Aprendizados (2026-05-21)

21 mai 20261h 00min
Assistir gravação

Entre para ler os trechos da transcrição de cada capítulo e perguntar ao Labinho sobre esta sessão.

O Labinho é o assistente que responde com as notas e as sessões do LabS e mostra de onde tirou cada resposta.

atualizado há 25 dias
Resumo da sessão

A sessão marcou o encerramento de um workshop de quase três meses sobre construção de agentes de IA, com encontros síncronos, aulas gravadas, materiais assíncronos e desafios práticos. Foi explicado que todo o conteúdo continuará disponível em canais, pastas do SharePoint, Miro e uma trilha na Alura, organizada por módulos e com links, pré-requisitos, gravações e materiais complementares. Também foi apresentado um glossário com conceitos como LLMs, SLMs, RAG, Chain of Thought e guardrails, além da possibilidade de incluir novos projetos e agentes no canal após o encerramento.

Os principais aprendizados envolveram a diferença entre chatbots, workflows e agentes, destacando que agentes precisam de objetivo, ferramentas, capacidade de raciocínio, autonomia e mecanismos de controle. Foram discutidas abordagens como ReAct, planejamento, encadeamento de chamadas e uso de RAG para consultar informações externas. O N8N foi caracterizado como uma ferramenta de automação adequada para prototipação rápida e visual, enquanto o LangGraph oferece maior controle, previsibilidade, flexibilidade e suporte a fluxos mais complexos e paralelos; a escolha depende do problema, não havendo uma ferramenta universalmente melhor.

A sessão reforçou que autonomia deve ser equilibrada com governança, especialmente por meio de guardrails capazes de restringir temas, validar entradas e saídas e detectar tentativas de prompt injection. Houve reconhecimento dos participantes que apresentaram projetos, mas também se destacou que o objetivo principal foi aprender e construir, mesmo quando os projetos não ficaram completos. Como continuidade, foi anunciado um novo workshop no Solutis Week, com vagas limitadas, voltado à criação e reimaginação de aplicações com IA, além do convite para que os participantes continuem compartilhando agentes, dúvidas e experimentos.

Gerado por IA a partir da transcrição.
Capítulos · 20
01:00
Abertura e ajustes técnicos
Assistir
02:47
Encerramento do workshop e materiais compilados
Assistir
04:32
Acesso às aulas gravadas e ao workshop em vídeo
Assistir
06:38
Links, Teams e organização dos recursos
Assistir
07:55
Calendário, trilhas e estrutura do workshop
Assistir
11:28
Conceitos fundamentais sobre agentes de IA
Assistir
14:34
Modelos de linguagem, RAG e ferramentas
Assistir
17:28
Aprendizados: pilares, raciocínio e guardrails
Assistir
32:15
N8N e LangGraph: diferenças e aplicações
Assistir
36:39
Cadeia de pensamentos e ajuste de modelos
Assistir
39:11
Guardrails e validação das respostas
Assistir
42:39
Reconhecimento dos participantes e projetos
Assistir
45:45
Relatos sobre desafios e aprendizados
Assistir
48:21
Competição entre agentes e o futuro da Agentic AI
Assistir
52:00
Próximo workshop no Solutis Week
Assistir
53:34
Encerramento e espaço para dúvidas
Assistir
54:50
Comparação entre LangGraph e N8N
Assistir
57:16
Agradecimentos e reconhecimento dos participantes
Assistir
58:47
Encerramento do workshop
Assistir
1:00:02
Despedidas finais
Assistir
Cortes · 10
O que são agentes de IA
A apresentação explica que o principal aprendizado do workshop foi compreender a criação de agentes, independentemente do framework utilizado. O agente é apresentado como uma engrenagem que orquestra ferramentas, registros, verificações e ações — não apenas como um chatbot.
11:28 – 17:28Assistir
Pilares e formas de raciocínio dos agentes
O trecho apresenta os cinco pilares dos agentes, com destaque para guardrails, autonomia e capacidade de agir além de responder. Também compara estratégias como ReAct, planejamento e cadeias de tarefas menores para lidar com problemas complexos.
17:28 – 23:20Assistir
RAG, ferramentas e aprendizado por exemplos
São discutidos o uso de ferramentas, código e RAG para permitir que agentes consultem dados externos e executem ações. O apresentador também mostra como exemplos e modelos de saída ajudam o agente a produzir respostas mais consistentes.
23:20 – 28:40Assistir
N8N e LangGraph: diferentes abordagens
O trecho compara N8N e LangGraph, destacando a velocidade de prototipagem e visualização do primeiro e o maior controle, previsibilidade e flexibilidade do segundo. A conclusão é que não existe uma ferramenta universalmente melhor: a escolha depende do objetivo, da escalabilidade e do nível de governança necessário.
28:40 – 32:15Assistir
Automação não é necessariamente um agente
A discussão diferencia ferramentas de automação, como o N8N, de agentes de IA. N8N e LangGraph são apresentados como ambientes onde agentes ou pipelines podem existir, mas também podem ser usados para automações determinísticas sem inteligência artificial.
32:15 – 36:39Assistir
Cadeia de pensamentos e planejamento
O trecho esclarece a diferença entre cadeia de pensamentos, fine-tuning e composição de múltiplos modelos ou agentes. A cadeia pode organizar etapas de raciocínio, limpeza e conclusão, mas só é necessária quando a tarefa exige esse nível de elaboração.
36:39 – 39:11Assistir
Guardrails para controlar agentes
É explicado como encadear prompts e chamadas de modelos para validar a intenção do usuário, detectar prompt injection e revisar respostas antes de entregá-las. O trecho reforça que guardrails são essenciais para impedir que o agente responda fora do escopo ou execute ações indevidas.
39:11 – 42:39Assistir
Reconhecimento e cultura de construção
O encerramento da apresentação reconhece os participantes que construíram e apresentaram agentes durante o workshop. A mensagem central é que a experiência não foi uma competição, mas uma oportunidade de construir, aprender na prática e ser reconhecido pelo que foi criado.
42:39 – 45:45Assistir
Aprendizados e próximos passos com agentes
Participantes comentam como o desafio ajudou no aprendizado mesmo quando os projetos não foram concluídos. A conversa evolui para a importância de dominar agentes, equilibrando autonomia e governança, além de disponibilizar materiais e incentivar novos experimentos.
45:45 – 51:58Assistir
Comparação entre LangGraph e ferramentas visuais
Fernando compara sua experiência nos desafios com LangGraph e N8N, destacando que o primeiro exige mais código e tempo, mas oferece maior liberdade. O grupo também reforça o valor de apresentar projetos experimentais e aprender coletivamente durante o desenvolvimento.
54:50 – 57:16Assistir
Perguntas desta sessão
As aulas gravadas, os materiais e os recursos do workshop sobre agentes de IA continuarão disponíveis para quem quiser estudar posteriormente de forma autodidata?
Sim. As gravações, posts, slides, links e demais materiais continuarão disponíveis. O conteúdo foi organizado no Miro, no SharePoint e em uma trilha da Alura, com pastas e módulos estruturados, incluindo vídeos, links úteis e pré-requisitos.
04:32 – 07:02Assistir
A Cadeia de Pensamentos (Chain of Thought) é uma forma de treinamento explícito do modelo, na qual são fornecidas opções e respostas para que ele aprenda esse padrão, ou funciona de outra maneira?
Chain of Thought não é necessariamente fine-tuning. Ela pode ser implementada como um template ou como uma cadeia de agentes e modelos que decompõem o raciocínio em etapas, permitindo pensar, limpar a ideia e chegar a uma conclusão antes de responder. Essa abordagem pode melhorar respostas complexas, mas é desnecessária para tarefas diretas.
36:43 – 39:11Assistir
Quais diferenças práticas foram percebidas ao desenvolver desafios com N8N e LangGraph?
N8N facilita o desenvolvimento por oferecer uma abordagem mais visual, com menos código e maior rapidez na prototipação; o principal esforço fica na elaboração dos prompts. LangGraph oferece mais liberdade e flexibilidade, mas exige maior investimento em programação, como construir o fluxo de mensagens e a lógica do chat. Mesmo projetos incompletos podem demonstrar bem os conceitos, embora seja importante incluir guardrails e tratar a geração de respostas.
53:51 – 55:56Assistir