IA generativa: LLMs, prompts, RAG e agentes de IA

radio_button_uncheckedshort_text1. Introdução à IA generativa

Objetivos de aprendizagem

• Explicar como modelos de linguagem grandes e pequenos representam relações linguísticas e semânticas.
• Descrever tokenização, vetores, embeddings, atenção, encoder, decoder e previsão de conclusões.
• Distinguir prompts de sistema e de usuário e aplicar histórico, RAG e boas práticas de instrução.
• Identificar os componentes de agentes de IA e a colaboração em sistemas multiagentes.

A IA generativa ganhou visibilidade porque consegue produzir conteúdo novo com aparência humana, como poesia, prosa, imagens e código. O efeito pode parecer extraordinário, mas resulta da evolução de técnicas matemáticas desenvolvidas ao longo de muitos anos em estatística, ciência de dados e aprendizado de máquina.

Compreender os mecanismos em alto nível ajuda a avaliar as tecnologias atuais e a imaginar aplicações futuras. Também esclarece por que modelos generativos sustentam uma nova geração de agentes capazes de buscar informações, decidir próximos passos e executar tarefas.

O material original do Microsoft Learn pode ser acompanhado em vídeo ou em texto e imagens. A versão escrita normalmente oferece mais detalhes e pode servir de complemento à apresentação audiovisual.

radio_button_uncheckedshort_text2. Modelos de linguagem e previsão de conclusões

Modelos de linguagem grandes, ou LLMs, e seus parentes mais compactos, os modelos de linguagem pequenos, ou SLMs, codificam relações entre palavras, trechos e significados de um vocabulário. Essas relações permitem interpretar uma entrada em linguagem natural e gerar uma resposta coerente e pertinente.

Em essência, o treinamento ensina o modelo a concluir sequências iniciadas por um prompt. A ideia lembra o texto preditivo de um celular, porém em escala muito maior: a cada etapa, o modelo considera o que já apareceu, estima quais elementos mais influenciam a continuação e seleciona um próximo token provável.

Na sequência “Eu ouvi um cachorro...”, por exemplo, “ouvi” indica que algum som deve aparecer e “cachorro” sugere sons associados a esse animal. Uma pessoa prevê “latir” porque dispõe de vocabulário, conhece estruturas da língua e associa palavras a conceitos. O treinamento procura oferecer capacidades semelhantes ao modelo.

radio_button_uncheckedshort_text3. Tokenização: de texto a identificadores

O primeiro passo é construir um vocabulário muito grande a partir de extensos conjuntos de treinamento, incluindo conteúdo público da Internet e outras fontes. Modelos atuais podem trabalhar com centenas de milhares de tokens.

Token não significa apenas palavra. O vocabulário também pode conter partes de palavras, sinais de pontuação e sequências frequentes de caracteres. Assim, um prefixo como “in” em “inacreditável” pode ser uma unidade independente. Cada token distinto recebe um identificador inteiro único; quando o mesmo token reaparece, reutiliza esse identificador.

O exemplo usa palavras inteiras apenas para facilitar a leitura. Em um sistema real, subpalavras e pontuação também participam, e o vocabulário cresce à medida que mais dados de treinamento são processados.

radio_button_uncheckedshort_text4. Transformer: encoder, atenção e decoder

Somente IDs não expressam significado. Cada token recebe inicialmente um vetor, isto é, uma lista com vários números. O objetivo do transformer é converter esses vetores iniciais em representações que carreguem propriedades linguísticas e semânticas. Como essas propriedades ficam incorporadas aos vetores, o resultado é chamado embedding.

Uma explicação simplificada separa o transformer em dois blocos. O encoder cria embeddings usando atenção: ele examina um token no contexto dos vizinhos, atribui pesos às influências e envia o resultado a uma rede neural totalmente conectada. A atenção multihead avalia diferentes características em paralelo para tornar o processo mais eficiente.

O decoder usa os embeddings para estimar o próximo token de uma sequência iniciada pelo prompt. Ele também combina atenção e uma rede feed-forward. A arquitetura real possui mais detalhes; o ponto central é que a atenção captura características de cada token conforme os contextos em que ele é utilizado.

radio_button_uncheckedshort_text5. Posição, atenção e embeddings

Antes do treinamento, os valores dos vetores de token podem começar aleatórios. O modelo recebe esses vetores junto de uma codificação posicional, pois a posição altera o significado e a relação entre elementos da sequência. Uma tabela didática pode mostrar apenas três dimensões, mas modelos reais usam vetores com milhares de elementos.

Durante o treinamento, a camada de atenção avalia cada token no contexto. Em “Eu ouvi um cachorro latir”, “ouvi” e “cachorro” exercem mais influência sobre “latir” do que artigos ou pronomes. No início, o modelo não conhece esses pesos; a exposição repetida a grandes volumes de texto revela padrões de proximidade e frequência, e os parâmetros são ajustados de forma iterativa.

O resultado é um espaço vetorial no qual tokens usados em situações parecidas apontam para direções semelhantes. Embeddings de “cachorro”, “filhote” e “gato” tendem a ficar mais próximos entre si do que de “carro” ou “skate”. A similaridade de cosseno fornece uma forma matemática de medir essa proximidade semântica.

radio_button_uncheckedshort_text6. Como o decoder gera uma conclusão

Depois que os embeddings representam relações contextuais, o decoder pode prever uma continuação token por token. Na fase de treinamento, utiliza-se atenção mascarada: ao tentar prever uma posição, o modelo só considera os tokens anteriores e ignora os que vêm depois.

Como a sequência correta já é conhecida durante o treinamento, a previsão pode ser comparada ao próximo token real. O erro orienta ajustes nos pesos de iterações posteriores. Na geração, o próximo token ainda é desconhecido; atenção e rede feed-forward avaliam candidatos, a escolha é anexada à sequência e o ciclo se repete até o modelo indicar o término.

Diante de “Quando meu cachorro era um...”, por exemplo, o contexto torna “filhote” mais provável que “gato” ou “skate”. A saída completa nasce dessa repetição de previsões condicionadas por tudo o que já foi gerado.

radio_button_uncheckedshort_text7. Prompts de sistema e de usuário

Prompt é a entrada enviada a um LLM para obter uma conclusão. Pode ser uma pergunta, uma ordem ou até um comentário que inicia a conversa.

Em geral, a aplicação configura o prompt de sistema. O prompt do usuário pode ser escrito por uma pessoa em um chat ou montado automaticamente pela própria aplicação. A resposta deve atender à solicitação específica sem abandonar as orientações globais.

radio_button_uncheckedshort_text8. Histórico de conversa e RAG

Aplicações conversacionais frequentemente preservam o histórico e inserem versões resumidas das interações anteriores em novos prompts. Isso mantém continuidade e permite compreender referências como “quais são os riscos de privacidade?” depois de uma resposta sobre adoção corporativa de IA generativa.

A geração aumentada por recuperação, ou RAG, acrescenta contexto externo. A aplicação pesquisa documentos, e-mails ou outras fontes, seleciona trechos relevantes e os inclui no prompt. Assim, a resposta fica fundamentada nos dados recuperados, em vez de depender apenas do conhecimento geral do modelo.

Um assistente de despesas, por exemplo, pode receber uma pergunta sobre o limite de viagem, pesquisar a política interna, recuperar a seção correspondente e enviá-la junto da pergunta. Sem esse processo, o modelo provavelmente daria uma orientação genérica para consultar a política; com RAG, pode responder de acordo com as regras da organização.

radio_button_uncheckedshort_text9. Como escrever prompts melhores

A qualidade da resposta depende tanto do modelo escolhido quanto da instrução recebida. Um prompt bem planejado diminui ambiguidades e comunica de forma explícita o resultado esperado.

• Seja claro e específico: formule a pergunta ou tarefa sem linguagem vaga.
• Adicione contexto: informe tema, público, objetivo e formato desejado.
• Forneça exemplos quando quiser reproduzir determinado estilo ou padrão.
• Peça estrutura: especifique tópicos, tabelas, etapas numeradas ou outro formato útil.

radio_button_uncheckedshort_text10. Agentes de IA e sistemas multiagentes

Um agente de IA é uma aplicação baseada em IA generativa que não se limita a responder: ela raciocina sobre linguagem natural, utiliza ferramentas, considera as condições do contexto e executa uma ação apropriada em nome do usuário.

Vários agentes também podem colaborar. Em um sistema multiagente, cada participante recebe uma especialidade: um coleta dados, outro analisa e um terceiro executa a ação. Eles trocam prompts para determinar quais tarefas são necessárias, distribuir responsabilidades e compartilhar resultados, formando um fluxo capaz de tratar processos mais complexos.

radio_button_uncheckedshort_text11. Exploração prática e verificação de conhecimentos

O exercício do módulo utiliza um chat playground para interagir com um modelo generativo e observar, na prática, o efeito de prompts de sistema, ferramentas e fundamentação com dados.

• Abrir o exercício original de IA generativa

Perguntas reescritas

1. Qual opção descreve um LLM: um modelo para gerar texto semelhante ao humano, um modelo exclusivo para imagens ou um pequeno modelo móvel?
2. Para que serve tokenização: ordenar palavras, dividir texto em unidades menores ou converter a mensagem diretamente em código binário?
3. O que são embeddings: palavras extras, SLMs especializados ou vetores de tokens que representam significado?
4. O que faz a atenção: remove palavras, avalia relações entre tokens próximos ou filtra conteúdo impróprio?
5. Qual é a finalidade do prompt de sistema: oferecer contexto e instruções, escolher o sistema operacional ou armazenar preferências?
6. No contexto de IA, o que é um agente: um sistema que realiza tarefas para o usuário, um modelo secreto ou um operador humano de escalonamento?

Gabarito comentado

• LLM é um modelo de IA preparado para compreender e gerar texto com características humanas.
• Tokenização divide o texto em unidades menores que recebem identificadores.
• Embeddings são representações vetoriais que incorporam características semânticas e contextuais.
• A atenção examina como cada token se relaciona e é influenciado pelos tokens ao redor.
• O prompt de sistema fornece contexto global, comportamento e restrições ao modelo.
• Agente é um sistema de IA que pode usar ferramentas e executar tarefas em nome do usuário.

radio_button_uncheckedshort_text12. Resumo do capítulo

• LLMs e SLMs aprendem relações linguísticas e semânticas para prever conclusões.
• Tokenização cria unidades com IDs; transformers convertem vetores iniciais em embeddings contextualizados.
• Atenção, codificação posicional e similaridade vetorial explicam como o contexto e a proximidade semântica são representados.
• O decoder usa atenção mascarada e gera a saída iterativamente, um token por vez.
• Prompts de sistema e de usuário, histórico e RAG controlam comportamento e fornecem contexto.
• Agentes combinam modelo, instruções e ferramentas; sistemas multiagentes dividem fluxos complexos entre especialistas.

• O que são modelos de linguagem grandes (LLMs)?
• O que é geração aumentada por recuperação (RAG)?
• Padrões e casos de uso de IA agêntica