Quinta Etapa: Exploração de Cenários de Aplicação de IA

Tradução português-inglês de Agentic Design Patterns, cobrindo 21 padrões de design de agentes de IA, incluindo encadeamento de prompts, roteamento, colaboração multi-agente e outros métodos de arquitetura central, com exemplos de código Python

Start Learning AI →
AIAgentAgenticPatternsMultiAgentGitHubTextFreeChinese-English

Padrões de Design Agênticos - Detalhes do Material de Estudo de Padrões de Design de Agentes Inteligentes

📚 Visão Geral do Curso

"Agentic Design Patterns: A Hands-On Guide to Building Intelligent Systems" é um guia técnico abrangente escrito por Antonio Gulli, Diretor Sênior e Engenheiro Distinto do Escritório do CTO do Google, focado na construção de sistemas de agentes de IA inteligentes e autônomos.

Este é um guia prático de 424 páginas que cobre os conceitos centrais e métodos práticos de design de agentes em sistemas modernos de inteligência artificial. O livro ajuda os desenvolvedores a construir sistemas de agentes complexos do zero, através de 21 padrões de design comprovados em campo.

Histórico do Autor

  • Nome: Antonio Gulli
  • Cargo: Diretor Sênior e Engenheiro Distinto do Escritório do CTO do Google
  • Experiência: Mais de 30 anos de experiência em IA, pesquisa e tecnologias de nuvem
  • Educação: Doutorado em Ciência da Computação pela Universidade de Pisa, Itália
  • Outras Obras: "Deep Learning with Keras"

Informações da Edição

  • Editora Original: Springer
  • Número Total de Páginas: 424 páginas
  • Data de Lançamento: 3 de dezembro de 2025
  • Tradução para o Chinês: Versão de tradução bilíngue (chinês-inglês) fornecida por ginobefun
  • Natureza Beneficente: Todos os royalties do livro original serão doados à Save the Children

🎯 Objetivos de Aprendizagem

Este curso visa ajudar os alunos a:

  1. Compreender os conceitos centrais dos sistemas de agentes - Dominar o que torna um sistema de IA um verdadeiro "agente".
  2. Dominar 21 padrões de design - Aprender uma pilha tecnológica completa, do básico ao avançado.
  3. Praticar codificação prática - Compreender a implementação de cada padrão através de exemplos de código reais.
  4. Construir sistemas de nível de produção - Aprender a combinar padrões para criar sistemas autônomos complexos.
  5. Compreender as melhores práticas - Obter soluções e designs de arquitetura comprovados em campo.

📖 Estrutura do Conteúdo Principal

Capítulos Preliminares

  • Dedicação
  • Agradecimentos (Acknowledgment)
  • Prefácio (Foreword)
  • A Perspectiva de um Líder de Pensamento (A Thought Leader's Perspective)
  • Introdução (Introduction)
  • O que torna um sistema de IA um "agente"? (What makes an AI system an "agent"?)

21 Padrões de Design Essenciais

Padrões Básicos (Capítulos 1-5)

Capítulo 1: Encadeamento de Prompts (Prompt Chaining)

  • Conceito: Padrão de decomposição de tarefas "dividir para conquistar".
  • Princípio: Decompor tarefas complexas em uma série de subproblemas menores e mais gerenciáveis.
  • Aplicação: Cada subproblema é resolvido independentemente através de prompts especialmente projetados, com a saída da etapa anterior servindo como entrada para a próxima.
  • Valor: Forma um pipeline de processamento logicamente claro.

Capítulo 2: Roteamento (Routing)

  • Conceito: Tomada de decisão inteligente e distribuição dinâmica.
  • Princípio: Selecionar o caminho de ação apropriado com base no estado do ambiente, entrada do usuário ou resultados da execução.
  • Aplicação: Decidir qual módulo de função, ferramenta ou subprocesso deve lidar com uma solicitação.
  • Valor: Permite que o agente tenha capacidade de decisão dinâmica.

Capítulo 3: Paralelização (Parallelization)

  • Conceito: Execução concorrente e melhoria de desempenho.
  • Princípio: Executar várias tarefas independentes simultaneamente para melhorar a eficiência e a velocidade de resposta.
  • Aplicação: Converter operações de espera serial em execução concorrente.
  • Valor: Uma técnica chave para otimizar o desempenho de fluxos de trabalho complexos.

Capítulo 4: Reflexão (Reflection)

  • Conceito: Autoavaliação e melhoria iterativa.
  • Princípio: Otimizar continuamente a qualidade da saída introduzindo um ciclo de feedback.
  • Aplicação: O agente examina seu próprio trabalho, identifica problemas e gera versões aprimoradas.
  • Valor: Um mecanismo de auto-otimização para melhorar a qualidade da saída.

Capítulo 5: Uso de Ferramentas (Tool Use)

  • Conceito: Integração de ferramentas externas e APIs.
  • Princípio: Expandir os limites da capacidade do agente.
  • Aplicação: Chamar APIs externas, bancos de dados, ferramentas de computação, etc.
  • Valor: Permite que o agente execute operações reais.

Padrões Intermediários (Capítulos 6-11)

Capítulo 6: Planejamento (Planning)

  • Conceito: Formulação e execução de planos de várias etapas.
  • Aplicação: Planejamento estratégico para tarefas complexas.

Capítulo 7: Colaboração Multiagente (Multi-Agent Collaboration)

  • Conceito: Arquitetura de trabalho colaborativo.
  • Aplicação: Vários agentes colaborando para completar tarefas complexas.

Capítulo 8: Gerenciamento de Memória (Memory Management)

  • Conceito: Gerenciamento de memória de curto e longo prazo.
  • Aplicação: Manutenção de contexto e recuperação de informações históricas.

Capítulo 9: Aprendizagem e Adaptação (Learning and Adaptation)

  • Conceito: Aprender com a experiência.
  • Aplicação: Melhoria contínua e adaptação do agente.

Capítulo 10: Protocolo de Contexto do Modelo (Model Context Protocol - MCP)

  • Conceito: Protocolo de interação padronizado.
  • Aplicação: Comunicação padronizada entre agentes.

Capítulo 11: Definição e Monitoramento de Metas (Goal Setting and Monitoring)

  • Conceito: Gerenciamento dinâmico de metas.
  • Aplicação: Rastreamento de metas e monitoramento de progresso.

Padrões Avançados (Capítulos 12-21)

Capítulo 12: Tratamento e Recuperação de Exceções (Exception Handling and Recovery)

  • Conceito: Tratamento elegante de erros.
  • Aplicação: Tolerância a falhas do sistema e recuperação de falhas.

Capítulo 13: Colaboração Humano-na-Loop (Human-in-the-Loop)

  • Conceito: Tomada de decisão colaborativa humano-máquina.
  • Aplicação: Intervenção humana em pontos críticos de decisão.

Capítulo 14: Recuperação de Conhecimento (Knowledge Retrieval - RAG)

  • Conceito: Técnica de geração aumentada por recuperação.
  • Aplicação: Integração dinâmica de base de conhecimento.

Capítulo 15: Comunicação Interagente (Inter-Agent Communication - A2A)

  • Conceito: Protocolo de comunicação entre agentes.
  • Aplicação: Sistemas de agentes distribuídos.

Capítulo 16: Otimização Consciente de Recursos (Resource-Aware Optimization)

  • Conceito: Gerenciamento de otimização de recursos.
  • Aplicação: Equilíbrio entre custo e desempenho.

Capítulo 17: Técnicas de Raciocínio (Reasoning Techniques)

  • Conceito: Capacidade de raciocínio aprimorada.
  • Aplicação: Raciocínio lógico complexo.

Capítulo 18: Guardrails/Padrões de Segurança (Guardrails/Safety Patterns)

  • Conceito: Mecanismos de garantia de segurança.
  • Aplicação: Garantir que o comportamento do agente seja seguro e controlável.

Capítulo 19: Avaliação e Monitoramento (Evaluation and Monitoring)

  • Conceito: Sistema de avaliação de desempenho.
  • Aplicação: Medição e monitoramento da qualidade do sistema.

Capítulo 20: Priorização (Prioritization)

  • Conceito: Gerenciamento de prioridade de tarefas.
  • Aplicação: Alocação de recursos e agendamento de tarefas.

Capítulo 21: Exploração e Descoberta (Exploration and Discovery)

  • Conceito: Mecanismo de exploração autônoma.
  • Aplicação: Descoberta de novos conhecimentos e soluções.

Seção de Apêndices

Apêndice A: Técnicas Avançadas de Prompting (Advanced Prompting Techniques)

  • Dicas aprofundadas de engenharia de prompts.

Apêndice B: Agentes de IA: Da Interface Gráfica ao Ambiente do Mundo Real

  • Aplicações de agentes em diferentes ambientes.

Apêndice C: Visão Geral Rápida dos Frameworks de Agentes

  • Comparação de frameworks populares e guia de seleção.

Apêndice D: Construindo Agentes com AgentSpace

  • Tutorial prático da plataforma AgentSpace.

Apêndice E: Agentes de IA na Linha de Comando

  • Desenvolvimento de agentes em ambiente CLI.

Apêndice F: Aprofundando: Mecanismos Internos dos Motores de Raciocínio de Agentes

  • Detalhes técnicos dos motores de raciocínio.

Apêndice G: Agentes de Codificação (Coding Agents)

  • Geração de código e agentes de assistência à programação.

💻 Frameworks Tecnológicos

Este livro utiliza três frameworks populares de desenvolvimento de agentes como "tela" prática:

1. LangChain & LangGraph

  • Características: Construção flexível de sequências de operações complexas.
  • Vantagens: Ecossistema maduro, rica biblioteca de componentes.
  • Aplicação: Adequado para prototipagem rápida e orquestração de fluxos de trabalho complexos.

2. Crew AI

  • Características: Framework de orquestração multiagente estruturado.
  • Vantagens: Focado em padrões de colaboração em equipe.
  • Aplicação: Adequado para construir equipes de agentes que trabalham em colaboração.

3. Google Agent Developer Kit (Google ADK)

  • Características: Conjunto completo de ferramentas de desenvolvimento fornecido pelo Google.
  • Vantagens: Suporte completo para construção, avaliação e implantação.
  • Aplicação: Adequado para desenvolvimento de aplicações de nível empresarial.

👥 Público-Alvo

1. Engenheiros de IA

  • Aprender a construir sistemas de IA inteligentes e confiáveis.
  • Dominar habilidades de desenvolvimento de agentes de nível de produção.

2. Arquitetos de Software

  • Compreender o design de sistemas de componentes de agentes.
  • Aprender padrões de arquitetura de sistemas em larga escala.

3. Gerentes de Produto

  • Entender as capacidades e limitações da tecnologia de agentes.
  • Planejar melhor as funcionalidades de produtos de IA.

4. Pesquisadores

  • Aprender os métodos mais recentes de design de agentes.
  • Obter inspiração para direções de pesquisa.

5. Estudantes

  • Aprender sistematicamente sobre inteligência artificial e sistemas de agentes.
  • Construir uma base para futuras carreiras em IA.

🚀 Como Usar Este Material

Sugestões de Caminho de Aprendizagem

1. Caminho de Leitura Sequencial (Recomendado para Iniciantes)

  1. Primeiro, leia os capítulos preliminares para entender os conceitos básicos.
  2. Estude os 21 padrões de design na ordem dos capítulos.
  3. Os capítulos subsequentes se baseiam nos fundamentos anteriores, progredindo passo a passo.

2. Caminho Orientado por Tópicos (Para Desenvolvedores Experientes)

  • Construção Básica: Capítulos 1-5
  • Colaboração e Memória: Capítulos 6-8
  • Funcionalidades Avançadas: Capítulos 9-17
  • Segurança e Monitoramento: Capítulos 18-19
  • Dicas de Otimização: Capítulos 20-21

3. Caminho Priorizando a Prática

  1. Revise rapidamente a parte teórica.
  2. Execute diretamente os exemplos de código.
  3. Se encontrar problemas, volte para uma compreensão mais aprofundada.
  4. Modifique o código para experimentar.

4. Modo Manual de Referência

  • Use este livro como um manual de referência de padrões de design.
  • Consulte os capítulos relevantes ao encontrar problemas específicos.
  • Participe da comunidade e discussões.

🛠️ Configuração do Ambiente de Prática

Configuração do Ambiente Local

1. Clonar o Repositório

git clone https://github.com/ginobefun/agentic-design-patterns-cn.git
cd agentic-design-patterns-cn

2. Criar Ambiente Virtual (Recomendado)

# Criar ambiente virtual
python3 -m venv venv

# Ativar ambiente virtual
# macOS/Linux:
source venv/bin/activate

# Windows:
venv\Scripts\activate

3. Instalar Dependências

pip install langchain langchain-community langchain-openai langgraph

4. Configurar Chave de API

Crie um arquivo .env:

touch .env

Adicione ao arquivo .env:

# Chave de API OpenAI
OPENAI_API_KEY=sua-chave-api-openai-aqui

# Ou use OpenRouter (compatível com OpenAI API)
OPENAI_API_KEY=sua-chave-api-openrouter-aqui
OPENAI_API_BASE=https://openrouter.ai/api/v1

5. Executar Código de Exemplo

# Certifique-se de que o ambiente virtual esteja ativado
source venv/bin/activate

# Executar exemplo do Capítulo 1: Encadeamento de Prompts
python codes/Chapter-01-Prompt-Chaining-Example.py

# Executar código de outros capítulos
# python codes/Chapter-XX-Example.py

Ambiente Online (Google Colab)

  • Cada arquivo de exemplo de código inclui um link para o Google Colab.
  • Pode ser executado diretamente online, sem necessidade de configuração local.
  • Adequado para experimentação e aprendizado rápidos.

Observações

  • 🔑 Segurança da Chave de API: Nunca envie arquivos .env contendo chaves de API reais para controle de versão.
  • 💰 Custos de API: A execução do código gerará custos de chamadas de API; preste atenção ao uso.
  • 🌐 Conexão de Rede: É necessária uma conexão de rede para acessar os serviços da API LLM.
  • 🔄 Compatibilidade: Suporta OpenAI API e serviços compatíveis com OpenAI API (como OpenRouter).

📝 Normas de Tradução

Características de Formato

  • Marcação de Destaque: Conteúdo em chinês usa <mark>texto</mark> com destaque amarelo.
  • Comparação Bilíngue: Parágrafos em inglês seguidos imediatamente pela tradução em chinês.
  • Tratamento de Termos: Termos importantes mantêm o inglês, com a tradução em chinês entre parênteses.
  • Regras de Espaçamento: Adicionar espaço entre chinês e inglês, e entre números.

Princípios de Tradução

  • Precisão: 100% fiel ao significado original.
  • Fluidez: Conforme os hábitos de expressão em chinês.
  • Profissionalismo: Manter o rigor de um documento técnico.
  • Consistência: Unidade na tradução de termos.

🌟 Valor Central e Destaques

1. Sistematicidade e Abrangência

  • 21 padrões de design cobrem todos os aspectos do desenvolvimento de agentes.
  • Um caminho de aprendizagem completo, do básico ao avançado.
  • Teoria e prática intimamente ligadas.

2. Orientado para a Prática

  • Cada capítulo fornece exemplos de código reais e executáveis.
  • Implementações reais baseadas em frameworks populares.
  • Pode ser aplicado diretamente em ambientes de produção.

3. Suporte a Múltiplos Frameworks

  • Exemplos de LangChain/LangGraph.
  • Exemplos de Crew AI.
  • Exemplos de Google ADK.
  • Aprenda padrões universais entre frameworks.

4. Gratuito e Aberto

  • Livro original gratuito e público.
  • Tradução para o chinês de código aberto.
  • Melhoria contínua impulsionada pela comunidade.

5. Autoridade

  • O autor é um especialista sênior do Escritório do CTO do Google.
  • Possui 30 anos de experiência na indústria.
  • Conteúdo comprovado em campo.

🤝 Participação da Comunidade

Como Contribuir

  1. Relatório de Erros - Encontrar erros de tradução ou problemas de formatação.
  2. Melhoria da Tradução - Fornecer sugestões de tradução melhores.
  3. Tradução de Capítulos - Participar da tradução de capítulos incompletos.
  4. Revisão e Edição - Ajudar a revisar capítulos já traduzidos.

Processo de Contribuição

  1. Faça um "fork" deste repositório.
  2. Crie um branch de recurso (git checkout -b feature/sua-contribuicao).
  3. Faça suas alterações (git commit -m 'Adicionar: sua contribuição').
  4. Envie para o branch (git push origin feature/sua-contribuicao).
  5. Crie um Pull Request.

📚 Recursos Relacionados

Links Oficiais

Documentação dos Frameworks

💡 Conselhos de Aprendizagem

Iniciantes

  1. Comece pelos capítulos preliminares para entender os conceitos básicos de agentes.
  2. Concentre-se nos 5 primeiros capítulos de padrões básicos.
  3. Execute o exemplo de código de cada capítulo pelo menos uma vez.
  4. Tente modificar os parâmetros do código para observar os efeitos.
  5. Aprenda os padrões avançados depois de compreender os fundamentos.

Desenvolvedores Intermediários

  1. Revise rapidamente os capítulos básicos.
  2. Concentre-se nos padrões intermediários e avançados dos capítulos 6-14.
  3. Tente combinar vários padrões para resolver problemas reais.
  4. Estude as técnicas avançadas nos apêndices.
  5. Participe de discussões e contribuições da comunidade.

Desenvolvedores Avançados

  1. Use este livro como um manual de referência.
  2. Concentre-se na combinação de padrões e no design de arquitetura.
  3. Estude a implementação do código-fonte dos frameworks.
  4. Contribua com novos exemplos e melhores práticas.
  5. Oriente outros no aprendizado.

🎓 Resultados de Aprendizagem

Ao concluir este curso, você será capaz de:

  1. ✅ Compreender a arquitetura de sistemas de agentes - Dominar os conceitos centrais e princípios de design de agentes.
  2. ✅ Implementar 21 padrões de design - Implementar independentemente vários padrões de design de agentes.
  3. ✅ Escolher o framework adequado - Selecionar e usar frameworks de desenvolvimento de acordo com as necessidades.
  4. ✅ Construir sistemas complexos - Combinar múltiplos padrões para construir agentes de nível de produção.
  5. ✅ Otimizar e depurar - Avaliar, monitorar e otimizar o desempenho de agentes.
  6. ✅ Garantir a segurança - Implementar guardrails de segurança e mecanismos de tratamento de erros.
  7. ✅ Colaborar em equipe - Projetar e implementar sistemas de colaboração multiagente.

📄 Informações de Direitos Autorais

Direitos Autorais do Livro Original

  • Autor: Antonio Gulli
  • Editora: Springer
  • Direitos Autorais: Os direitos autorais do livro original pertencem ao autor e à editora.
  • Natureza Beneficente: Todos os royalties são doados à Save the Children.

Direitos Autorais da Tradução

  • Tradutor: ginobefun
  • Licença: CC BY-NC 4.0
  • Propósito: Apenas para estudo e intercâmbio, promovendo o desenvolvimento da comunidade de IA em chinês.

Restrições de Uso

  • ✅ Permitido: Copiar, distribuir, exibir e adaptar livremente a obra (com atribuição ao tradutor).
  • ❌ Proibido: Qualquer forma de uso comercial.
  • 📧 Colaboração Comercial: Para uso comercial, entre em contato com o tradutor e o detentor dos direitos autorais do livro original.

🌈 Resumo

"Agentic Design Patterns" é um guia de desenvolvimento de agentes sistemático, abrangente e orientado para a prática. Ele não apenas fornece 21 padrões de design comprovados, mas também inclui ricos exemplos de código e melhores práticas. Seja você um engenheiro de IA, arquiteto de software ou um estudante interessado em tecnologia de agentes, este livro lhe fornecerá conhecimentos e experiências práticas valiosas.

Ao estudar este livro, você dominará as habilidades essenciais necessárias para construir sistemas de IA inteligentes, autônomos e confiáveis, preparando-se para construir a próxima geração de aplicações na era da IA.

Vamos construir um futuro mais inteligente juntos! 🚀