Pular para o conteúdo
LabS Atlas
Generative AI
Entrar

Início

Ir para notas que citam esta
atualizado há 25 diasEntre para perguntar ao Labinho sobre esta notaO Labinho é o assistente que responde com as notas e as sessões do LabS e mostra de onde tirou cada resposta.

Generative AI é o vault da bancada de IA generativa do Solutis LabS, que de 2024 a 2026 explorou modelos de linguagem, RAG, fine-tuning, agentes, interfaces geradas por IA e IA de voz. Aqui ficam as notas de conceito que a bancada construiu ao longo de 44 encontros gravados e as notas de cada sessão, para quem quer aprender o assunto do zero ou retomar um encontro que perdeu.

A jornada da bancada

O primeiro ciclo, em 2024, girou em torno das três técnicas de personalização de um Large Language Model: Engenharia de Prompt, Fine-tuning e Retrieval-Augmented Generation. A bancada começou pela prática do ajuste fino na sessão de fine-tuning na prática e seguiu com o RAG em Desbloqueando o Potencial do RAG, que apresentou os Tipos de RAG e o processo de vetorização por trás deles. Vieram depois um experimento de fine-tuning com um FAQ de atendimento, técnicas avançadas de prompt para geração de código e duas sessões dedicadas a dados, que mostraram por que a Qualidade de Dados decide o resultado de qualquer solução de IA generativa. O ano fechou com o Function Calling, o RAG apoiado por agentes na sessão com CrewAI e o aprofundamento em Graph RAG.

O ciclo de 2025 abriu com a retomada do ano, que recapitulou a diferença entre LLM e Small Language Model e apontou o Agente de IA como a grande tendência. O primeiro semestre acompanhou essa virada: a sessão sobre Agentic RAG apresentou os Padrões de Orquestração de Agentes, e os encontros seguintes trataram do Model Context Protocol, da Pesquisa Profunda, do Protocolo Agent2Agent, do Auto RAG e do benchmark de modelos. Um debate sobre privacidade, deepfakes e ética fechou o semestre com a pergunta sobre o quanto pessoas e empresas estão preparadas para a IA generativa.

No segundo semestre de 2025, duas sessões sobre IA embarcada em interfaces de usuário abriram uma frente de design, e a bancada voltou ao tema central com a sessão sobre especialização de modelos. Dela nasceu o Learning Prototype de especialização de LLM, que ao longo de uma série de encontros propôs e validou o Método de Especialização de LLM, passou por RAG, Cache-Augmented Generation e fine-tuning, discutiu a Escolha do Modelo de IA e terminou com o LLM as a Judge e a dinâmica MonsterLabS.

Em 2026 esse trabalho reverberou: o Tech Talk de especialização de LLM mostrou o caso virando projeto real, e o desafio de RAG local com MCP ensinou a construir e ajustar um RAG local integrado a um servidor MCP. O restante do ano ampliou o horizonte com Inteligência Artificial Multimodal, Skills de IA, IA para design, modelos pequenos rodando no dispositivo, World Models e a Generative UI, com interfaces geradas em tempo real pela resposta do modelo. Em setembro, o Tech Talk sobre IA que escuta e fala levou a frente multimodal para a voz, com a IA Generativa de Voz, o turno de fala e a clonagem de voz. Em outubro, o Tech Talk sobre modelos de decisão apresentou o Modelo de Decisão, que escolhe entre opções e devolve uma confiança em vez de escrever, e mostrou ao vivo quando ele compensa ao lado de um LLM.

Como o vault está organizado

As notas de conceito são atemporais: cada uma explica uma ideia, técnica ou ferramenta com base no que as sessões mostraram, e reúne os links para os encontros em que ela apareceu. Elas estão agrupadas por tema em dez pastas: Fundamentos de Modelos de Linguagem, Especialização de Modelos, RAG e Recuperação de Conhecimento, Agentes, Protocolos e Skills, Avaliação e Execução de Modelos, Dados, Privacidade e Ética, Interfaces e Design com IA, Voz e Áudio com IA, Modelos de Decisão e, por último, Práticas do LabS, que descreve mecanismos do programa como o Mural de Desafios e o próprio Learning Prototype.

As notas de sessão ficam em sessoes/, uma por encontro, sempre com a transcrição anexa. Cada nota resume o que foi tratado, lista os conceitos abordados e aponta para a sessão anterior e a seguinte da mesma linha de estudo. Em cinco encontros o reconhecimento de fala falhou, e a nota registra apenas o tema anunciado e a gravação.

Seus três primeiros passos

  1. Large Language Model: comece pelo que é um LLM e como ele gera texto, porque todo o resto do vault parte daqui.
  2. Retrieval-Augmented Generation: veja a técnica que a bancada mais explorou, a forma de dar ao modelo um contexto que ele não tem.
  3. Sessão de Bancada Especialização de Modelos de Inteligência Artificial (2025-09-08): assista ao encontro que compara prompt, RAG e fine-tuning e mostra como decidir entre eles.

Para onde seguir

A Trilha de Estudo organiza os conceitos principais em etapas, do fundamento ao aplicado, e é o melhor caminho para quem quer aprender em sequência. A Linha do Tempo das Sessões lista todos os encontros em ordem cronológica, com uma linha sobre cada um, e serve para repor uma sessão perdida ou acompanhar a evolução da bancada. O Índice de Conceitos reúne todas as notas de conceito por tema, com uma definição curta de cada, para consulta rápida.