Engenharia de Agentes
Por Wanderson Leandro de Oliveira
Um agente de IA não é um truque de prompt — é um software com um loop, um estado, um conjunto de ferramentas que pode chamar e critérios para saber quando parar. Este curso constrói esse software do zero em Python puro, sem nenhum framework de agentes entre você e a mecânica real: o ciclo perceber-raciocinar-agir-observar, function calling nativo em múltiplos provedores, planejamento com ReAct, memória de curto prazo e gestão da janela de contexto, memória de longo prazo com busca vetorial, e RAG conectado como apenas mais uma ferramenta. Três aulas práticas evoluem um único agente de linha de comando, de um loop simples até um assistente que usa ferramentas e faz retrieval, para que ao final você entenda cada componente a fundo — e saiba exatamente o que um framework como LangChain ou CrewAI está automatizando para você no próximo curso da trilha.
Conteúdo do curso
O Loop do Agente
- 🔒 O ciclo perceber-raciocinar-agir-observar text
- 🔒 Terminação, budgets e detecção de loop text
- 🔒 Mão na massa: construindo um loop de agente sem framework text
Ferramentas e Function Calling
- 🔒 Desenhando contratos de ferramenta confiáveis text
- 🔒 Function calling nativo entre provedores text
- 🔒 Mão na massa: construindo um agente com tool calling text
Planejamento e ReAct
- 🔒 Decomposição de tarefas e arquitetura planner-executor text
- 🔒 O padrão ReAct text
- 🔒 Reflexão e autocrítica text
Estado do Agente e Memória de Curto Prazo
- 🔒 Modelando o estado do agente text
- 🔒 Gerenciando a janela de contexto text
- 🔒 Estratégias de compressão de contexto text
Memória de Longo Prazo e Busca Vetorial
- 🔒 Memória semântica, episódica e procedural text
- 🔒 Embeddings e busca vetorial para agentes text
- 🔒 Políticas de escrita, esquecimento e privacidade text
RAG para Agentes
- 🔒 Padrões de RAG agêntico text
- 🔒 Grounding, citações e faithfulness text
- 🔒 Mão na massa: adicionando retrieval como ferramenta do agente text