🌱 Fundamentos
Comece do zero, sem nenhum jargao: o que e, afinal, um "Jarvis", o que e o LLM que pensa por tras dele, e o momento exato em que a IA deixa de so responder e passa a AGIR por voce. Tres modulos que destravam todo o resto do curso.
Leia da esquerda pra direita — e o mapa da trilha: voce parte do chatbot que so responde (1.1), entende o LLM como o cerebro e o contexto como sua memoria de trabalho (1.2), e chega ao agente que pensa e AGE usando ferramentas reais (1.3).
Mapa da trilha
Conteudo detalhado
🤖 O que e um "Jarvis" — da ficcao a sua casa
A fantasia do assistente do Homem de Ferro virou algo construivel. Aqui voce entende o conceito sem jargao: por que um chatbot nao e um Jarvis, o que e um "sistema operacional de IA" e o que da (e o que ainda nao da) pra fazer hoje.
O Jarvis do Homem de Ferro e a fantasia de um assistente que conversa, lembra de tudo e FAZ tarefas. Neste curso, "Jarvis" = um assistente de IA pessoal que voce mesmo monta — e hoje isso e real, nao ficcao.
Ter a imagem certa na cabeca evita decepcao e exagero: voce vai mirar no que e possivel construir agora.
Assistente de IA pessoal, conversar + lembrar + agir, da fantasia ao construivel.
Um chatbot como o ChatGPT responde. Um Jarvis age no mundo: manda um email, le sua agenda, roda uma tarefa sozinho. A diferenca nao e quao esperto e o texto — e se ele faz algo acontecer.
E a distincao que organiza o curso inteiro; sem ela, todo o resto vira so "um chat melhor".
Responder vs agir, acao no mundo, "o salto" que define um Jarvis.
Assim como o Windows organiza programas, memoria e perifericos, um sistema operacional de IA organiza modelo + memoria + ferramentas + canais para o assistente "viver". E o lar que junta as pecas.
E exatamente isso que voce vai montar nas trilhas seguintes; ter a metafora pronta facilita tudo.
SO de IA, modelo + memoria + ferramentas + canais, orquestracao.
Tres coisas se encontraram: modelos bons o bastante, hardware pessoal capaz e padroes abertos (como o MCP, que faz ferramentas se conectarem a qualquer agente). E por isso que da pra construir hoje o que era ficcao ontem.
Entrar cedo numa onda em formacao e onde a vantagem mora — voce aprende antes de virar obvio.
Modelos capazes, hardware pessoal, padroes abertos (MCP), timing.
DA pra fazer: texto, busca, agenda, rascunhos, automacoes. NAO da (ainda): tarefas longas sem supervisao — e ele alucina (inventa coisas com confianca). Calibrar isso e meio caminho.
Saber os limites evita os dois erros classicos: confiar demais ou desistir cedo demais.
Casos fortes, alucinacao, supervisao humana, expectativa realista.
Fundamentos (aqui) → Panorama (o que ja existe) → Anatomia (as 6 camadas) → Construir → Celular → Criancas. Cada trilha empilha sobre a anterior; a ordem foi pensada.
Ver o caminho inteiro te da contexto pra cada parte fazer sentido na hora certa.
6 trilhas, progressao T1→T6, do conceito a construcao.
🧠 O cerebro da coisa: o que e um LLM (sem jargao)
O motor que pensa por tras de todo Jarvis, desmistificado: o que e um LLM, como ele "pensa" prevendo a proxima palavra, o que e contexto e token, e a escolha entre rodar na nuvem ou no seu computador.
Um LLM ("Modelo de Linguagem Grande") e um programa treinado em MUITO texto que aprendeu a prever a proxima palavra. E o que roda atras do ChatGPT e do Claude — o cerebro que "pensa em texto".
E a peca central de qualquer Jarvis; entender o que ela e desmistifica todo o resto.
LLM, previsao da proxima palavra, treino em texto, "cerebro".
Ele nao consulta um banco de dados nem "pesquisa": e previsao estatistica aprendida no treino. Por isso e criativo E as vezes erra com toda a confianca — o que chamamos de alucinacao.
Saber que e previsao explica tanto a magia quanto os erros — e te ensina a checar respostas.
Previsao estatistica, nao e banco de dados, alucinacao.
A janela de contexto e tudo o que o modelo "esta vendo agora": sua conversa + instrucoes + arquivos. E como a RAM do computador — limitada, e esvazia quando voce fecha a conversa.
Explica por que ele "esquece" — e prepara o terreno para a memoria persistente da Trilha 3.
Janela de contexto, memoria de trabalho, analogia com RAM, esquece ao fechar.
O modelo le e escreve em tokens — pedacos de palavra (uma palavra comum costuma dar mais ou menos um token; palavras longas viram varios). A nuvem cobra por token, e a janela de contexto e medida em tokens.
E a unidade de medida de custo e de contexto; aparece em toda decisao pratica.
Token, tokenizacao, token ≠ palavra, custo por token.
Nuvem (Claude, GPT): potentes, voce paga por uso. Local (via Ollama): gratis depois de baixar, privado, mas exige hardware. Ambos cumprem o mesmo papel: ser o cerebro.
E o trade-off que vai voltar em todo o curso — privacidade/custo de um lado, potencia/conveniencia do outro.
Nuvem vs local, Ollama, pagar por uso vs hardware, privacidade.
O LLM sozinho alucina, nao sabe de coisas posteriores ao treino e esquece o que sai do contexto. A saida: dar a ele ferramentas (buscar, ler) e memoria — exatamente o que a Trilha 3 ensina.
Cada limite tem uma solucao concreta; saber qual e te tira da frustracao.
Limites do LLM, corte de treino, ferramentas + memoria como solucao.
⚙️ De chatbot a agente: quando a IA passa a agir
O momento decisivo do curso: quando o LLM deixa de so responder e passa a AGIR. Aqui voce entende o loop agentico, o que sao ferramentas, e a metafora "LLM como sistema operacional" que move a industria inteira.
Quando voce da ferramentas a um LLM e o deixa usa-las em ciclo, ele vira um agente: um LLM que pode AGIR, nao so responder. Esse e o salto que transforma chat em assistente.
Esta no centro de tudo: e a definicao de "agente" que carrega o curso ate o fim.
Agente, LLM + ferramentas em ciclo, responder vs fazer.
O loop agentico e o ciclo: recebe o pedido → pensa → chama uma ferramenta → le o resultado → chama mais, se precisar → responde. Tem um limite de iteracoes por seguranca, pra ele nao rodar pra sempre.
E o mecanismo que faz um agente "trabalhar sozinho"; entende-lo desmistifica a autonomia.
Loop agentico, pensa-age-le-repete, limite de iteracoes.
Ferramentas (ou "tools") sao as maos e os olhos do agente: buscar na web, rodar codigo, ler um arquivo, mandar mensagem. Sem ferramentas, o modelo "responde como um estranho" — so com o que sabe de cabeca.
Sao o que conecta o cerebro ao mundo real; toda a Trilha 3 gira em torno disso.
Ferramenta/tool, maos e olhos, acao no mundo, "responder como estranho".
Andrej Karpathy (2023) propos: o LLM e o kernel (o nucleo) de um sistema operacional novo. Contexto = RAM, ferramentas = perifericos, agentes = processos. A industria adotou esse modelo mental.
E a metafora que liga "SO de IA" ao que voce ja sabe de computadores — e que sustenta o curso.
LLM-OS, kernel, contexto=RAM, ferramentas=perifericos, agentes=processos.
A ideia saiu do papel: AIOS (um "kernel" real para agentes), OpenAI Operator (um agente que navega telas) e o Google Project Jarvis (agente que opera o Chrome por voce). Provas de que o modelo mental funciona.
Mostra que isto nao e hype isolado — grandes laboratorios constroem na mesma direcao que voce.
AIOS, Operator, Project Jarvis, da metafora ao produto.
Na pratica, voce para de "perguntar" e comeca a "delegar": em vez de pedir um texto, voce entrega uma tarefa. E a ponte direta para a Anatomia (Trilha 3), onde voce monta as 6 camadas que tornam isso possivel.
Fecha os Fundamentos com a mudanca de postura que destrava o resto do curso.
Perguntar vs delegar, mudanca de postura, ponte para a Anatomia.