Conteúdo
Código que roda, números reais e o trade-off explícito de quando não usar. Filtre por categoria, nível ou tag.
Entenda o que é token em IA, como contar tokens de um texto em português e calcular o custo em reais de uma chamada de API com preços oficiais datados.
Entenda o que é um LLM, como ele prevê a próxima palavra, por que alucina e o que são treino, parâmetros e janela de contexto, com um exemplo em Python.
Compare quatro estratégias de chunking para RAG com código: tamanho fixo, parágrafo, recursiva e semântica. Veja quando usar cada uma e como medir.
Aprenda function calling (tool use) com código: declare ferramentas em JSON Schema, rode o loop de chamadas, valide argumentos e confirme ações críticas.
Implemente guardrails de saída para LLM: schema com Pydantic, retry com feedback do erro, detecção de dados pessoais (CPF, cartão) e fallback seguro.
Monte evals para sua aplicação com LLM: conjunto de casos, métricas determinísticas, LLM como juiz e um gate no CI que barra regressões antes do deploy.
Aprenda RAG na prática em Python: chunking, embeddings, busca no Chroma e prompt final, mais os erros que fazem o retriever devolver lixo.
Aprenda engenharia de prompt para produção: estrutura em blocos, exemplos, saída em JSON validada, conjunto de testes e versionamento do prompt.
Saiba quando usar prompt, RAG ou fine-tuning em projetos com LLM. Um guia de decisão com critérios, exemplos e armadilhas para não gastar meses à toa.
Aprenda a montar agentes de IA em produção: loop com ferramentas, limites de passos e custo, detecção de repetição, tratamento de falhas e rastreio.
Monte a observabilidade de uma aplicação com LLM: registre tokens, custo, TTFT e recusas, avalie qualidade por amostragem e responda 'por que o custo subiu?'.
Entenda a segurança em aplicações com LLM pelo OWASP Top 10 (2025): prompt injection, vazamento, agência excessiva, saída insegura e consumo sem limite.