Entrar em Contato

Programa do Curso

De autocomplete para agentes: por que os agentes falham

Anatomia de um agente de codificação: modelo, harness (estrutura base), superfície de ferramentas, contexto, permissões

Onde cada ferramenta se encaixa: Claude Code, GitHub Copilot, Cursor, Codex CLI, Gemini CLI

Uma taxonomia de falhas: contexto incorreto, ferramentas inadequadas, ausência de feedback, autonomia descontrolada

Demonstração: A mesma tarefa, executada bem e mal, lado a lado

Engenharia de contexto

A janela de contexto como um orçamento: o que merece entrar nela

AGENTS.md, CLAUDE.md, .cursor/rules, copilot-instructions.md — um conceito, vários nomes de arquivo, uma única fonte da verdade

Convenções, comandos de build e teste, limites arquitetônicos

Recuperação versus contexto explícito; decomposição de tarefas e sub-agentes

Laboratório: Escrever o contexto do repositório para um serviço Python desconhecido, depois reexecutar uma tarefa que falhou e comparar a saída

Fluxos de trabalho reutilizáveis e Habilidades de Agentes

Escolher a abstração: arquivo de instruções, habilidade, comando personalizado ou script simples

Anatomia de uma habilidade: gatilho, instruções, scripts empacotados, revelação progressiva

Portabilidade entre ferramentas e onde começa o vendor lock-in

Versionamento, revisão e distribuição em toda a equipe; anti-padrões comuns

Laboratório: Criar e testar um fluxo de trabalho reutilizável que aplica padrões de codificação internos da organização

MCP: conectando agentes a sistemas reais

Arquitetura: clientes, servidores, ferramentas, recursos e prompts; transportes stdio e HTTP

Servidores que justificam sua existência: hospedagem de código Git, rastreadores de problemas, bancos de dados, navegadores, APIs internas

Quando um CLI ou um script é melhor do que um servidor MCP

Higiene na superfície de ferramentas: por que mais ferramentas significam menos confiabilidade

Laboratório: Conectar servidores MCP e executar um ticket completo — problema, branch, patch, testes, pull request

Loops de feedback e avaliação

Testes, tipos e linters como a fonte da verdade do agente; trabalho test-first como mecanismo de controle

CI como loop externo e disciplina de revisão para diffs gerados por agentes

Conjuntos de avaliação com tarefas ideais: o que medir e como detectar regressões

Custo e latência como métricas de primeira classe

Laboratório: Criar um pequeno conjunto de avaliação e pontuar duas configurações de agentes com base nele

Segurança e guardrails

Injeção de prompt por meio de problemas, pull requests, READMEs, dependências e páginas recuperadas

Modelos de permissão: allowlists (listas de permissão), aprovações, ferramentas apenas-leitura, controle de saída de rede

Higiene com segredos e isolamento: contêineres, credenciais efêmeras, limitação do raio de explosão

Riscos na cadeia de suprimentos em servidores MCP de terceiros e habilidades compartilhadas

Laboratório: Assistir a um agente sendo sequestrado por um repositório corrompido, depois endurecer a configuração para evitar que isso ocorra

Implementando essa solução em uma equipe

Um caminho de adoção graduada; o que padronizar e o que deixar à discricionariedade individual

Métricas que indicam valor real e aquelas que não indicam

Requisitos

Conhecimento prático de Python, Git e linha de comando

Experiência prévia com um assistente de codificação com IA

A NobleProg configurará VMs Dadesktop para os participantes, com Docker, VS Code e Python 3.11 ou posterior

Um assistente de codificação com IA funcional à escolha do participante: Claude Code, GitHub Copilot, Cursor, Codex CLI ou Gemini CLI. Os laboratórios são independentes de ferramenta e as instruções são fornecidas para cada um

Público-alvo

Engenheiros de software, líderes técnicos e arquitetos que utilizam assistentes de codificação com IA sem obter resultados confiáveis

Engenheiros de plataforma e de experiência do desenvolvedor implementando ferramentas de IA em todas as equipes

Gerentes de engenharia que definem padrões, guardrails e métricas de sucesso

 7 Horas

Número de participantes


Preço por participante

Testemunhos de Clientes (3)

Próximas Formações Provisórias

Categorias Relacionadas