Pular para o conteúdo
LabS Atlas
AI For Devs
Entrar
Sessões

Learning Prototype Formação do Time e Arquitetura de Agentes de IA para Testes (2025-02-06)

6 fev 202556min
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 foi dedicada à formação do time e ao alinhamento inicial do protótipo de agentes de IA para apoiar testes de software. Os participantes se apresentaram, compartilharam seus níveis de experiência e interesses entre os perfis de entusiasta de IA, desenvolvimento back-end e front-end. Foi reforçada a importância da colaboração entre os perfis, especialmente da participação de profissionais de qualidade, que conhecem os processos e podem orientar a definição dos casos de teste e a validação dos resultados. O time ficou inicialmente mais concentrado em IA e back-end, mas a entrada de novos integrantes ajudou a completar a frente de front-end. Também foi criado e reorganizado o quadro do projeto no Miro, que concentrará a documentação, os perfis e o fluxo do produto.

Discutiu-se que a solução deverá interpretar documentação e código de aplicações e gerar artefatos úteis para testes, possivelmente com agentes separados para interpretação e geração. A arquitetura, as tecnologias e a divisão detalhada dos agentes ainda serão definidas coletivamente, preservando espaço para experimentação dos entusiastas. Python apareceu como opção inicial por ter maior disponibilidade de materiais e exemplos, embora JavaScript também permaneça em avaliação; o front-end e o back-end ainda precisam decidir suas tecnologias. Foi sugerido o uso de Docker para evitar problemas de versões, e a criação de uma trilha de estudos na Alura para nivelar o conhecimento do grupo.

Como próximos passos, o time deverá estudar os materiais introdutórios, experimentar a execução local de agentes e continuar detalhando o MVP, o fluxo e a arquitetura no Miro. Ficaram em aberto a composição final dos perfis, a definição das tecnologias, a responsabilidade específica de cada agente e a forma de integração entre as camadas. Foi combinado manter encontros gerais às terças-feiras e organizar reuniões adicionais por equipe, conforme a disponibilidade dos integrantes, além de buscar maior participação de profissionais de qualidade e divulgar as vagas restantes.

Gerado por IA a partir da transcrição.
Capítulos · 31
00:03
Experiência escolar visitando a NASA
Assistir
01:21
Competição de sustentabilidade e projeto no oceano
Assistir
02:37
Abertura do encontro e objetivos da sessão
Assistir
03:55
Divisão dos participantes por perfis técnicos
Assistir
06:27
Colaboração entre equipes e mentoria
Assistir
07:45
Apresentação dos participantes e interesse em IA
Assistir
10:20
Uso do Miro e expectativas para o produto
Assistir
11:35
Contribuições de qualidade e desenvolvimento
Assistir
12:54
Apresentações e nivelamento em inteligência artificial
Assistir
15:31
Experiências iniciais com chatbots e RAG
Assistir
18:01
Objetivos de aprendizagem e atuação no projeto
Assistir
19:16
Ajustes nos perfis e composição do time
Assistir
20:32
Organização do quadro do produto no Miro
Assistir
23:05
Trilha de estudos e nivelamento técnico
Assistir
25:41
Agenda dos próximos encontros
Assistir
28:16
Definição do front-end e tecnologias
Assistir
30:53
Times de interpretação e geração de agentes
Assistir
33:25
Construção de agentes para interpretar e gerar artefatos
Assistir
34:43
Camada de dados e infraestrutura da solução
Assistir
38:39
Distribuição de responsabilidades e engenharia de prompts
Assistir
41:18
Python, JavaScript e escolha tecnológica
Assistir
43:50
IA aplicada ao planejamento e automação de testes
Assistir
45:07
Objetivo do produto para apoiar a qualidade
Assistir
46:24
Organização da equipe e inscrições
Assistir
47:42
Acessos, backups e estrutura do projeto
Assistir
49:01
Documentação e configuração do ambiente
Assistir
50:17
Docker, versões do Python e ambiente experimental
Assistir
51:33
Nivelamento técnico e definição de tecnologias
Assistir
52:49
Calendário de reuniões e divisão por equipes
Assistir
54:05
Próximos passos e primeiro protótipo local
Assistir
55:29
Encerramento da sessão
Assistir
Cortes · 7
Definição dos perfis e das equipes
O grupo revisa a divisão dos participantes entre os perfis de entusiasta de IA, desenvolvimento back-end e front-end. Também discutem como pessoas com diferentes níveis de experiência podem colaborar, contribuir com mentorias e desenvolver novas habilidades ao longo do projeto.
03:55 – 07:45Assistir
Apresentação dos participantes e objetivos de aprendizado
Os participantes se apresentam, explicam seus conhecimentos prévios e contam por que escolheram atuar como entusiastas de IA ou em desenvolvimento. A conversa destaca o interesse em aprender a construir soluções com IA, mesmo entre pessoas com pouca experiência prática.
07:45 – 11:35Assistir
Como funcionará a camada de agentes de IA
O grupo detalha o papel dos agentes de IA no produto, especialmente nas frentes de interpretação de documentação e código e geração de artefatos para testes. Também é explicada a separação entre a interface, os serviços de back-end, a infraestrutura dos modelos e a lógica dos agentes.
30:53 – 36:06Assistir
Divisão de responsabilidades e escolha da linguagem
A equipe discute como distribuir responsabilidades entre programação, arquitetura de agentes e elaboração de prompts. Em seguida, compara Python e JavaScript, com preferência inicial por Python devido à experiência do grupo e à maior disponibilidade de materiais e exemplos.
38:39 – 42:34Assistir
Aplicação de agentes para testar qualidade
A discussão desenvolve a ideia de construir uma solução com agentes de IA para testar aplicações. O foco é usar os resultados para aumentar a qualidade do trabalho e envolver profissionais da área de qualidade.
45:07 – 46:24Assistir
Configuração do ambiente com Docker
A equipe conversa sobre a preparação do ambiente de desenvolvimento, incluindo a instalação do Docker e a compatibilidade entre versões do Python. Também são discutidas as dificuldades de manter um projeto funcionando em versões diferentes e a importância de usar um ambiente padronizado.
49:01 – 51:33Assistir
Nivelamento técnico da equipe
O grupo discute como nivelar os conhecimentos dos participantes por meio de uma trilha introdutória, com indicação de um curso da Alura. Também aparecem decisões e dúvidas sobre as tecnologias do projeto, incluindo a utilização do Java 8 no back-end.
51:33 – 52:49Assistir
Perguntas desta sessão
Como está estruturada a composição do time no quadro do Miro?
O time estava sendo organizado por perfis, incluindo profissionais de back-end, front-end e entusiastas de inteligência artificial. A composição ainda estava sendo ajustada para cobrir a necessidade de uma pessoa de front-end.
17:32 – 17:53Assistir
Como o protótipo pode ser desenvolvido sem uma pessoa inicialmente dedicada ao front-end?
A equipe redistribuiu a responsabilidade do front-end entre participantes com alguma experiência na área. Como a interface prevista não terá alta complexidade, essa função poderá ser assumida por um dos integrantes.
28:32 – 29:02Assistir
Qual tecnologia ou linguagem será utilizada no front-end do protótipo?
A tecnologia do front-end ainda será definida em conjunto pelo time, considerando o alinhamento com as demais partes do produto e os critérios de escolha da equipe responsável pela interface.
28:59 – 29:22Assistir
Que tipo de atividade será realizada na camada de agentes de IA?
A arquitetura prevê um time de interpretação, responsável por interpretar documentação e código, e um time de geração, responsável por produzir artefatos de teste para a aplicação.
30:53 – 31:22Assistir
Como serão escolhidas as tecnologias e implementados os agentes de IA?
A escolha das tecnologias e da forma de implementação ainda está em aberto e será feita coletivamente. A equipe pretende explorar diferentes opções antes de definir a infraestrutura, os modelos, a abordagem e a lógica dos agentes.
31:35 – 32:52Assistir
Qual é a função da engenharia de dados na solução com agentes de IA?
A engenharia de dados conecta bases, cria pontes entre diferentes destinos e implementa as lógicas e os processamentos necessários para transformar e integrar os dados.
35:14 – 35:23Assistir
O que significa a transformação de dados na arquitetura da solução?
A transformação envolve unir os dados e realizar os processamentos necessários para convertê-los ou estruturá-los em uma nova saída.
35:23 – 35:32Assistir
Como o profissional de qualidade pode usar a solução com agentes de IA?
O profissional de qualidade pode usar a solução não apenas para testar a própria solução, mas também para avaliar os resultados gerados e utilizá-los nos testes de outras aplicações.
45:56 – 46:13Assistir
Quais versões do Python são compatíveis com o protótipo e devem ser verificadas antes da instalação?
O projeto deve usar uma versão compatível, como Python 3.10 ou 3.12; a versão 3.13 pode causar problemas. É importante conferir a versão exigida pelo projeto antes de instalar as dependências.
50:08 – 50:27Assistir