IA para Devs

Agentes Avançados com LangGraph

3 - 6 Horas 4 Módulos

Visão Geral

Tema Principal: IA para Desenvolvedores

Carga Horária: 3 - 6 Horas

Nível: Avançado / Engenharia

Público-alvo: Arquitetos de Software, Engenheiros de IA e Desenvolvedores Sénior

SOBRE O TREINAMENTO

O LangGraph permite que a IA deixe de ser apenas um chat e passe a funcionar como uma máquina de estados robusta. Este treinamento ensina a construir aplicações que não "se perdem" no meio da conversa, permitindo a criação de loops, condições lógicas complexas e uma memória que persiste entre sessões. É a ferramenta ideal para processos de missão crítica onde a confiabilidade e a auditoria são obrigatórias.

Objetivo

Capacitar o profissional a desenhar e implementar fluxos de agentes que podem falhar, corrigir o próprio erro e tentar novamente, garantindo que cada decisão seja rastreável e que ações sensíveis passem por aprovação humana.

MÓDULOS DO TREINAMENTO

Máquinas de Estado e Fluxos Cíclicos

Aprendizagem sobre a arquitetura de grafos para IA. O aluno aprenderá a criar fluxos cíclicos onde o agente pode tentar executar uma tarefa, identificar uma falha e realizar a autocorreção (*Self-Correction*) de forma autónoma antes de entregar o resultado.

Memória Persistente e Estado de Longo Prazo

Implementação de persistência de dados. Diferente de chats comuns, este módulo foca em como fazer o agente recordar interações de dias ou semanas atrás, mantendo o contexto histórico de decisões e preferências do utilizador de forma estruturada.

Human-in-the-loop (Aprovação Humana)

Desenvolvimento de pontos de controlo. O aluno aprenderá a configurar "pontos de interrupção" onde o agente interrompe a sua execução e aguarda que um humano valide ou edite uma ação antes de ela ser concluída.

Estudo de Caso: Orquestração Multi-Agente "Ask David"

O desafio consiste em arquitetar um "Maestro" (Supervisor) que delega tarefas para agentes especializados: um agente de dados estruturados (Text-to-SQL), um agente de documentos (RAG) e um agente analítico, integrando tudo num único fluxo de decisão de alta precisão.

Case que mostra o uso do LangGraph

A empresa J.P. Morgan, líder global em serviços financeiros, desenvolveu um sistema de IA robusto.

Ask David é um exemplo real e avançado de como empresas de grande porte estão movendo a IA de simples chatbots para Sistemas Agenciais.

O nome DAVID é um acrônimo para: Data (Dados), Analytics (Análise), Visualization (Visualização), Insights, Decision-making (Tomada de Decisão).

Ele foi criado para os banqueiros do JP Morgan Private Bank. Imagine um consultor que precisa decidir se recomenda um fundo de investimento para um cliente bilionário: ele não pode errar. O "Ask David" automatiza a pesquisa que antes levava horas, cruzando dados de planilhas (estruturados) com relatórios de pesquisa e notícias (não estruturados).

Arquitetura feita com LangGraph

Agente principal:

Agente Supervisor (O Maestro): Ele é o primeiro a ler a pergunta. Não tenta responder sozinho. Analisa a intenção do usuário e decide qual agente especializado chamar. Se a pergunta for complexa, cria um plano de execução, chamando vários agentes em ordem.

Sub Agentes:

Agente de Dados Estruturados (Text-to-SQL): Sua única função é falar com bancos de dados. Transforma "Qual foi o rendimento do fundo X em 2024?" em uma consulta SQL real, garantindo que o número retornado seja exato e venha da fonte oficial.
Agente de Dados Não Estruturados (RAG): Foca em textos. Lê PDFs, transcrições de reuniões e e-mails. Se você perguntar "Por que este fundo foi fechado?", busca no relatório de pesquisa e resume o motivo.
Agente Analítico (ReAct): Usa ferramentas e APIs internas para fazer cálculos matemáticos ou simulações financeiras em tempo real.

Fonte: zenml.io