Readme
Escopo: transversal. Aplica-se a qualquer linguagem ou stack do projeto.
Inteligência artificial aplicada a software é o conjunto de técnicas que faz um sistema gerar texto, código, imagem e decisão a partir de modelos treinados em volumes enormes de dados. Para quem constrói software, o trabalho está em integrar e operar esses modelos com eficiência, segurança e custo sob controle. Esta pasta cobre as peças dessa operação, de tokens a agentes.
O que o modelo faz de fato
O nome AI (Artificial Intelligence · Inteligência Artificial) veio do marketing e descreve mal a mecânica. Um LLM (Large Language Model · Modelo de Linguagem de Grande Escala) executa uma operação estatística: recebe o texto de entrada e calcula, token a token, qual continuação é a mais provável, com base nos padrões que extraiu de bilhões de exemplos de texto humano.
A resposta se parece com raciocínio porque o material de treinamento foi produzido por pessoas raciocinando. Por baixo, o que acontece é predição do próximo token, e essa diferença aparece na prática de três formas: o modelo não tem como saber se acertou, não percebe quando está alucinando e não persegue objetivo próprio. Quem projeta o sistema cobre essas três lacunas com grounding (ancoragem, entregar os fatos no prompt), validação de saída e supervisão humana.
Resumindo: o modelo completa texto com base em padrões, e o resultado convence porque ele aprendeu com bilhões de textos escritos por pessoas. A inteligência que você vê na resposta veio dos dados que o treinaram.
Conceitos fundamentais
| Conceito | O que é |
|---|---|
| LLM (Large Language Model · Modelo de Linguagem de Grande Escala) | Modelo treinado para prever e gerar texto; base de assistentes como Claude, GPT e Gemini |
| Inference (inferência) | Processo de usar um modelo treinado para gerar uma resposta; o oposto de treinamento |
| Prompt (instrução de entrada) | Entrada de texto enviada ao modelo para guiar a resposta |
| Token (unidade mínima de texto) | Unidade mínima de texto processada pelo modelo; aproximadamente 4 caracteres em inglês |
| Context window (janela de contexto) | Quantidade máxima de tokens que o modelo processa em uma única chamada (entrada + saída) |
| Model (modelo) | Conjunto de pesos e parâmetros que define o comportamento do LLM |
| Agent (agente) | Sistema autônomo que usa um LLM para raciocinar, planejar e executar ações em sequência |
| RAG (Retrieval-Augmented Generation · Geração Aumentada por Recuperação) | Técnica que injeta conteúdo recuperado de uma base de dados no prompt antes da geração |
| Tool (ferramenta) | Função externa que o modelo pode invocar para buscar dados ou executar ações |
| MCP (Model Context Protocol · Protocolo de Contexto de Modelo) | Protocolo padrão para expor ferramentas e recursos a modelos de IA |
| Embedding (representação vetorial) | Vetor numérico que representa o significado semântico de um texto |
| Quantization (quantização) | Técnica que reduz a precisão dos pesos do modelo para diminuir uso de memória e aumentar velocidade |
Guias
| Arquivo | Conteúdo |
|---|---|
| models.md | Escolher entre nuvem e máquina local: Claude, GPT, Gemini, Llama, Mistral, Ollama, LM Studio e quantização |
| agents.md | O loop do agente, o harness que o executa, orquestração, multi-agente e memória |
| rag.md | Responder com base em documentos recuperados: embeddings, vector store e chunking |
| tools-mcp.md | Dar ao modelo acesso ao mundo externo: tool use, function calling e o protocolo MCP |
| tokens.md | A unidade que o modelo lê e a que a conta mede: janela de contexto, custo e cache de prompt |
| prompts.md | Escrever a instrução que o modelo entende, com exemplos BAD/GOOD |
| skills.md | Empacotar um comportamento do agente: roteamento, carregamento sob demanda e composição |
| advanced.md | Ajuste fino, alucinação, saídas estruturadas, raciocínio estendido, motores de inferência e AI Gateway |
| security.md | Prompt injection, jailbreak, injeção indireta e as mitigações, com exemplos BAD/GOOD |
Veja também
- Patterns: padrão AI-Driven e CQRS aplicados a sistemas com LLM
- Integrations: autenticação, streaming e retry para APIs de LLM
DoDocs v3.7.0 · Desenvolvido por @thiagocajadev · Baseado no trabalho de pmndrs/docs · Poimandres.