Uma formação prática e progressiva cobrindo arquitetura de LLMs sob o capô, RAG em escala, Model Context Protocol (MCP), orquestração multi-agente, evals, guardrails e infraestrutura distribuída resiliente.
Stage 01
Identidade, validação de entrada e limites antes das chamadas.
HTTP • Autorização
Stage 02 • Core
Modelo, contexto relevante e orçamento de tokens para cada tarefa.
Contexto • Inferência
Stage 03 • Orchestrator
Estado, ferramentas, aprovações e retomada com checkpoints.
State Machine & Tools
Stage 04 • Protocols
MCP por stdio ou Streamable HTTP; recuperação híbrida com fontes.
Discovery • Retrieval
Stage 05 • Production
Evals, guardrails, rastreamento e critérios de operação verificáveis.
Métricas • Qualidade
Uma formação, do fundamento à produção. Entenda o conceito, acompanhe exemplos, resolva o laboratório e compare sua decisão com a solução comentada.
SUA PRÓXIMA VERSÃO COMEÇA AQUI
Dos fundamentos aos agentes em produção. Um mapa vivo da formação: explore cada etapa, abra suas aulas e avance no seu ritmo.
Programação, algoritmos, dados, sistemas, álgebra, probabilidade, otimização e redes neurais. Oito unidades introdutórias para compreender os pré-requisitos da formação.
IA & MLMatemáticaProgramaçãoLLMs, tokens, APIs, structured outputs, prompting, contexto
APIsIA & MLAI coding, rules, skills, spec-driven, harness básico
IA & MLAutomaçãoProgramaçãotool calling, embeddings, RAG, vector DB, memória
RAGagent loop, SDKs, LangGraph, subagents, orchestration
LangGraphAgentesMCP, MCP Server, segurança MCP, A2A
MCPAPIsSegurançan8n, webhooks, APIs, workflows, agentes no n8n
n8nAPIsAgentesevals, observabilidade, guardrails, segurança, custos, routing
IA & MLSegurançaAvaliaçãoDocker, Redis, queues, workers, CI/CD, cloud, arquitetura
DockerRedisInfraestruturaML, estatística, redes neurais, transformers, MLOps
IA & MLMatemáticaOito projetos para transformar conhecimento em evidência.
As conexões indicam a sequência recomendada, sem bloquear etapas. A preparação pode acompanhar o curso. Progresso de leitura é salvo neste navegador; confira também os critérios de domínio.
Currículo prático
Encontre um assunto ou siga os níveis em sequência. Teoria, exemplos, exercícios e referências fazem parte de cada aula.
Ctrl+K ou Command+K para buscar.
112 aulas encontradas
Programação, algoritmos, dados, sistemas, álgebra, probabilidade, otimização e redes neurais. Oito unidades introdutórias para compreender os pré-requisitos da formação.
LLMs, tokens, APIs, structured outputs, prompting, contexto
AI coding, rules, skills, spec-driven, harness básico
tool calling, embeddings, RAG, vector DB, memória
agent loop, SDKs, LangGraph, subagents, orchestration
MCP, MCP Server, segurança MCP, A2A
n8n, webhooks, APIs, workflows, agentes no n8n
evals, observabilidade, guardrails, segurança, custos, routing
Docker, Redis, queues, workers, CI/CD, cloud, arquitetura
ML, estatística, redes neurais, transformers, MLOps
Aprenda construindo
Oito entregas para reunir decisões de arquitetura, evidências de teste e reflexão sobre limites. Construa, provoque falhas e explique suas escolhas.
Capstone 1 — LLM Application: API de atendimento com structured output, testes, logs e fallback.
Capstone 2 — AI Coding System: Repositório com AGENTS.md, rules, skills, specs e fluxo de implementação/review.
Capstone 3 — Knowledge Assistant: RAG com pgvector, hybrid retrieval, reranking, memória seletiva e evals.
Capstone 4 — Agent Platform: Agente com tools, approvals, state, tracing, subagents e workflow persistente.
Capstone final — AI SaaS multi-tenant: Arquitetura completa: API, workers, queues, RAG, agents, MCP, auth, evals, observabilidade, CI/CD e documentação de decisões.
Seu espaço de estudo
LEITURA
0%
0 de 112 aulas concluídas
NÍVEIS CONCLUÍDOS
0 / 10
Revise também os critérios de domínio
NÍVEIS INICIADOS
0
Avance no seu ritmo
PROJETOS CONCLUÍDOS
0 / 8
Construa e confira suas evidências
Seu progresso fica salvo neste navegador. Concluir a leitura não substitui demonstrar o domínio nos exercícios.