Obrigado por enviar sua consulta! Um dos membros da nossa equipe entrará em contato com você em breve.
Obrigado por enviar sua reserva! Um dos membros da nossa equipe entrará em contato com você em breve.
Programa do Curso
LangGraph e Padrões de Agentes: Um Guia Prático
- Grafos versus cadeias lineares: quando e por quê
- Agentes, ferramentas e loops planner-executor
- Hello workflow: um grafo agentico mínimo
Estado, Memória e Passagem de Contexto
- Projeto do estado do grafo e interfaces dos nós
- Memória de curto prazo versus memória persistente
- Janelas de contexto, sumarização e reidratação (rehydration)
Lógica de Ramificação e Fluxo de Controle
- Roteamento condicional e decisões em múltiplos caminhos
- Tentativas de repetição, tempos limite e disjuntores (circuit breakers)
- Mecanismos de fallback, pontos sem saída e nós de recuperação
Uso de Ferramentas e Integrações Externas
- Chamada de funções/ferramentas a partir dos nós e agentes
- Consumo de APIs REST e bancos de dados a partir do grafo
- Análise e validação de saídas estruturadas
Fluxos de Trabalho de Agentes Aprimorados por Recuperação (RAG)
- Estratégias de ingestão de documentos e fragmentação (chunking)
- Embarcamentos (embeddings) e armazéns vetoriais com ChromaDB
- Respostas fundamentadas com citações e salvaguardas
Avaliação, Depuração e Observabilidade
- Rastreamento de caminhos e inspeção das interações dos nós
- Conjuntos de referência (golden sets), avaliações e testes de regressão
- Monitoramento de qualidade, segurança e custos/latência
Empacotamento e Entrega
- Serviços com FastAPI e gerenciamento de dependências
- Versionamento de grafos e estratégias de rollback
- Playbooks operacionais e resposta a incidentes
Resumo e Próximos Passos
Requisitos
- Conhecimento prático de Python
- Experiência na construção de aplicações LLM ou cadeias de prompts (prompt chains)
- Familiaridade com APIs REST e JSON
Público-Alvo
- Engenheiros de IA
- Gerentes de produto
- Desenvolvedores construindo sistemas interativos orientados por LLM
14 Horas