Módulo 6: Preparação para Masterclass - Nível Avançado

1

Recapitulação dos 5 Módulos

Conectando os conceitos

Antes de avançar para a Masterclass, vamos consolidar a jornada percorrida e entender como cada módulo se conecta ao próximo.

M1

Engenharia de Contexto

Prompt não é texto — é sistema de contexto. Aprendemos a estruturar contexto em camadas (System, Global, Task, Data) com hierarquia clara.

→ Conceito fundacional para tudo que veio depois

M2

Gestão de Long Context

Com janelas de 100K-1M+ tokens, aprendemos a organizar grandes volumes de contexto sem degradar a qualidade das respostas.

→ Permite contextos ricos sem dependência excessiva de RAG

M3

Engenharia de Skill

Prompts como habilidades modulares e reutilizáveis. Skills especializadas que podem ser ativadas, compostas e versionadas.

→ Base para construir agentes com capacidades específicas

M4

Orquestração

Combinando contextos e skills em fluxos complexos. Resolução de conflitos, cadeias de skills, e sistemas context-driven.

→ Arquitetura para sistemas multi-skill

M5

RAG Moderno

RAG como complemento, não dependência. Contexto híbrido, injeção seletiva, e estratégias anti-alucinação baseadas em grounding.

→ Integração inteligente de dados dinâmicos

A Síntese

Juntos, esses módulos formam uma nova forma de pensar sobre IA: Context Engineering + Skills = Agentes Inteligentes. A Masterclass aplicará isso em sistemas autônomos de produção.

2

Mindset do Engenheiro de Agentes

Pensamento sistêmico para IA

A Mudança de Perspectiva

Engenheiro de Agentes não é "prompt engineer avançado". É uma disciplina de design de sistemas onde o componente central é um LLM.

❌ Mentalidade Antiga

• "Como faço o modelo responder X?"
• "Qual prompt mágico resolve isso?"
• "O modelo errou, preciso de prompt melhor"
• Foco em palavras específicas

✓ Mentalidade de Agentes

• "Qual contexto o agente precisa?"
• "Quais skills devem estar disponíveis?"
• "O sistema de contexto está completo?"
• Foco em arquitetura e fluxos

Princípios Fundamentais

🎯

Context First

Antes de escrever qualquer instrução, defina o contexto necessário. O contexto determina 80% da qualidade da resposta.

🧩

Skills over Instructions

Construa habilidades reutilizáveis, não instruções one-off. Skills podem ser testadas, versionadas e compostas.

🔄

Iterate on Systems

Não ajuste prompts indefinidamente. Itere no design do sistema: fluxos, fallbacks, orquestração.

📊

Measure & Ground

Toda afirmação deve ter fonte. Todo sistema deve ter métricas. Sem medição, não há melhoria.

3

Patterns Consolidados

Padrões que funcionam em produção

Padrões emergentes de sistemas de agentes em produção que você aplicará na Masterclass.

🏗️

Layered Context

Contexto organizado em camadas com prioridades e escopos definidos.

System → Global → Session → Task → Data

🎭

Skill Registry

Catálogo de skills disponíveis com triggers e requisitos de contexto.

skill.register(name, triggers, context_reqs)

🔀

Context Router

Roteamento inteligente baseado em intenção e contexto disponível.

router.match(intent) → [context, skill]

🛡️

Grounded Response

Respostas sempre ancoradas em fontes verificáveis do contexto.

response.cite(source) | response.unknown()

📦

Context Budget

Alocação e gestão de tokens por camada de contexto.

budget.allocate(layer, tokens, priority)

🔗

Skill Chain

Composição de skills com passagem de contexto entre etapas.

chain(skill_a).then(skill_b).with(context)

Arquitetura Padrão de Agente

┌────────────────────────────────────────────────────────┐
│                    AGENT CORE                           │
├────────────────────────────────────────────────────────┤
│  ┌─────────────┐  ┌─────────────┐  ┌─────────────┐    │
│  │   Context   │  │    Skill    │  │   Memory    │    │
│  │   Manager   │  │   Registry  │  │   Store     │    │
│  └──────┬──────┘  └──────┬──────┘  └──────┬──────┘    │
│         │                │                │            │
│         └────────┬───────┴────────┬───────┘            │
│                  │                │                    │
│           ┌──────▼──────┐  ┌──────▼──────┐            │
│           │   Router    │  │  Orchestrator│            │
│           └──────┬──────┘  └──────┬──────┘            │
│                  │                │                    │
│                  └───────┬────────┘                    │
│                          │                             │
│                   ┌──────▼──────┐                      │
│                   │     LLM     │                      │
│                   │   (Core)    │                      │
│                   └─────────────┘                      │
└────────────────────────────────────────────────────────┘

4

Anti-Patterns a Evitar

Erros comuns em sistemas de agentes

🚫

God Prompt

Um prompt gigante que tenta fazer tudo. Impossível de manter, testar ou debugar.

Sintoma: Prompt com 10K+ tokens, edições frequentes que quebram coisas

✓ Solução: Decompor em skills modulares

🚫

Context Dump

Jogar toda informação disponível no contexto sem organização ou prioridade.

Sintoma: Respostas inconsistentes, modelo ignora informações importantes

✓ Solução: Contexto em camadas com hierarquia clara

🚫

RAG-First

Usar RAG por padrão quando Long Context seria mais eficiente e preciso.

Sintoma: Respostas fragmentadas, perda de nuance e contexto

✓ Solução: Contexto híbrido, RAG apenas quando necessário

🚫

Skill Spaghetti

Skills com dependências cruzadas, sem interface clara ou contrato definido.

Sintoma: Mudança em uma skill quebra outras, debugging complexo

✓ Solução: Skills com inputs/outputs definidos, sem dependência lateral

🚫

Hallucination Denial

Tentar resolver alucinações com "não alucine" ou instruções mais longas.

Sintoma: Alucinações persistem apesar de instruções repetidas

✓ Solução: Grounding em fontes, citação obrigatória, permissão para "não sei"

5

Case Study Integrado

Aplicando todos os conceitos

Cenário: Agente de Code Review

Vamos projetar um agente de code review que aplica todos os padrões aprendidos.

1. Sistema de Contexto


  identity: "Code Review Agent"
  model: "claude-3-opus"
  capabilities: [analyze_code, suggest_fixes, check_style]



  project_conventions: "{coding_standards}"
  tech_stack: [Python, FastAPI, PostgreSQL]
  style_guide: "{style_guide_content}"



  pr_diff: "{diff_content}"
  related_files: ["{file_contents}"]
  recent_reviews: ["{last_3_reviews}"]

2. Skills Disponíveis

security_check

Detecta vulnerabilidades comuns

style_review

Verifica conformidade com style guide

logic_analysis

Identifica bugs lógicos potenciais

suggest_improvements

Propõe refatorações construtivas

3. Fluxo de Orquestração

async def review_pr(pr_id):
    # 1. Carregar contexto
    context = load_context(
        global=["conventions", "style_guide"],
        task=["pr_diff", "related_files"]
    )

    # 2. Executar skills em paralelo
    results = await parallel(
        security_check(context),
        style_review(context),
        logic_analysis(context)
    )

    # 3. Consolidar e gerar sugestões
    if results.has_issues():
        suggestions = await suggest_improvements(
            context.extend(issues=results.issues)
        )

    # 4. Formatar output com citações
    return format_review(
        results, suggestions,
        require_citations=True
    )

4. Grounding e Anti-Alucinação


Cada issue reportado deve:
1. Citar linha específica do diff: [L{line_number}]
2. Referenciar regra do style_guide se aplicável
3. Incluir snippet do código problemático

Se não tiver certeza:
- Use "Possível issue: {descrição}"
- Não afirme bugs sem evidência no diff

Nunca assuma:
- Contexto não fornecido
- Código fora do diff
- Intenção do desenvolvedor

6

Projeto Final do Nível Avançado

Seu ingresso para a Masterclass

Desafio: Projete um Sistema de Agente

Escolha um domínio e projete um agente completo aplicando todos os conceitos do nível avançado. Este projeto será sua base para a Masterclass.

🛒

E-commerce

Assistente de vendas com catálogo, pedidos, e suporte

💻

Developer Tools

Code assistant, debug helper, doc generator

📊

Data Analysis

Analista de dados com queries, visualizações, insights

Requisitos do Projeto

1

Sistema de Contexto Completo

Defina todas as camadas de contexto (System, Global, Task, Data) com hierarquia clara.

2

Mínimo 4 Skills

Crie pelo menos 4 skills especializadas com triggers e requisitos de contexto.

3

Fluxo de Orquestração

Documente como as skills são ativadas e como o contexto flui entre elas.

4

Estratégia de Grounding

Defina como o agente evita alucinações e mantém respostas ancoradas em fatos.

5

Contexto Híbrido (se aplicável)

Se usar dados dinâmicos, defina estratégia de RAG + Long Context.

🎓

Próximo Passo: Masterclass

Na Masterclass você vai implementar seu projeto com:

Arquitetura multi-agente

Autonomia e self-correction

Deployment em produção

Observabilidade e métricas

Preparação para Masterclass