Próximas Turmas

Nenhuma turma disponível no momento

Quero mais informações

O que você vai aprender nesse curso

Desenvolvemos o treinamento de Desenvolvimento de Soluções Corporativas com IA e .NET —100% práticas, com situações reais da operação da empresa. Onde sua equipe sai sabendo projetar, desenvolver e publicar aplicações baseadas em Inteligência Artificial Generativa e Agentes de IA utilizando .NET, integrando modelos de linguagem, ferramentas externas, bancos de dados, APIs, RAG, memória, function calling e serviços de nuvem.

Abordaremos na prática, desde os fundamentos de LLMs até a construção de uma solução com agentes inteligentes, utilizando boas práticas de engenharia de software, Claude Code, Spec Driven Development, GitHub e Azure.

Conteúdo do curso

Arquitetura e Boas Práticas

  • ChatGPT, Claude Code, GitHub Copilot e ferramentas de IA no cotidiano;
  • Usando IA para geração, revisão e refatoração de código;
  • Criação de testes com IA;
  • Análise de código legado;
  • Geração de documentação técnica com IA;
  • Levantamento e implementação de requisitos com IA;

 

Desenvolvimento Assistido por IA com Claude Code e Spec Driven Development

  • IA aplicada ao ciclo de desenvolvimento
  • Claude Code
  • Utilização da IA diretamente no projeto
  • Análise de código
  • Criação e alteração de funcionalidades
  • Refatoração
  • Geração de testes
  • Documentação automática
  • Introdução ao Spec Driven Development
  • Especificação antes da implementação
  • Requirements
  • Specifications
  • Tasks
  • Implementação orientada por especificações
  • Uso de agentes de codificação
  • Git e GitHub no fluxo de desenvolvimento

 

Fundamentos de IA Generativa e LLMs

  • Inteligência Artificial Generativa
  • Large Language Models — LLMs
  • Tokens, contexto e janela de contexto
  • Modelos de linguagem e suas capacidades
  • Prompts: System, User e Assistant
  • Prompt Engineering
  • Zero-shot e Few-shot
  • Structured Outputs
  • Temperatura e parâmetros de geração
  • Introdução aos agentes de IA
  • Diferenças entre chatbot, assistente e agente

 

Integração de IA com .NET

  • Configuração de projetos .NET para IA
  • Integração com APIs de modelos de linguagem
  • OpenAI SDK para .NET
  • Azure OpenAI
  • Configuração segura de API Keys
  • Dependency Injection
  • Serviços para integração com IA
  • Requisições síncronas e assíncronas
  • Tratamento de respostas
  • Structured Outputs com JSON
  • Tratamento de erros e exceções

 

Prompt Engineering para Aplicações .NET

  • Construção de prompts eficientes
  • System Prompt
  • Contextualização
  • Delimitadores
  • Restrições
  • Exemplos no prompt
  • Engenharia de contexto
  • Templates de prompts
  • Prompts dinâmicos
  • Geração estruturada
  • Validação das respostas da IA
  • Técnicas para redução de alucinações

 

Function Calling e Tools

  • Conceito de Function Calling
  • Ferramentas utilizadas por agentes
  • Definição de funções
  • Parâmetros e schemas
  • Execução automática de funções
  • Integração entre LLM e código C#
  • Ferramentas internas da aplicação
  • Consumo de APIs externas
  • Validação dos parâmetros
  • Controle da execução

 

Construção de Agentes Inteligentes

  • Arquitetura de um agente de IA
  • Objetivos
  • Instruções
  • Contexto
  • Ferramentas
  • Memória
  • Planejamento
  • Execução
  • Ciclo de raciocínio e ações
  • Agent Loop
  • Limites de execução
  • Tratamento de falhas
  • Fallback de modelos
  • Segurança dos agentes

 

Semantic Kernel e Orquestração

  • Introdução ao Microsoft Semantic Kernel
  • Kernel
  • Plugins
  • Functions
  • Prompts
  • Chat Completion
  • Tool Calling
  • Dependency Injection
  • Integração com aplicações ASP.NET Core
  • Orquestração de tarefas
  • Planejamento de operações
  • Reutilização de plugins

 

RAG, Embeddings e Busca Semântica

  • Limitações do conhecimento dos LLMs
  • Conceito de Retrieval-Augmented Generation — RAG
  • Embeddings
  • Vetores
  • Similaridade semântica
  • Chunking de documentos
  • Indexação
  • Recuperação de contexto
  • Bancos vetoriais
  • Integração com documentos
  • Construção de prompts utilizando contexto recuperado
  • Técnicas para melhorar a qualidade do RAG

 

Memória e Persistência

  • Memória de curto prazo
  • Memória de longo prazo
  • Histórico de conversação
  • Context Window
  • Persistência de conversas
  • Armazenamento de informações relevantes
  • Bancos relacionais e NoSQL
  • Memória vetorial
  • Estratégias de resumo de contexto
  • Controle do crescimento do histórico
  • Privacidade e segurança das informações

 

Sistemas Multiagentes

  • Conceito de Multi-Agent Systems
  • Especialização de agentes
  • Agente coordenador
  • Agente executor
  • Delegação de tarefas
  • Comunicação entre agentes

 

Segurança, Observabilidade, Custos e Boas Práticas

  • Segurança em aplicações com IA
  • Proteção de API Keys
  • Prompt Injection
  • Jailbreak
  • Validação de entradas
  • Validação de saídas
  • Controle de ferramentas disponíveis
  • Autorização para execução de ações
  • Logs dos agentes
  • Tokens consumidos
  • Cálculo de custos
  • Controle de orçamento
  • Rate Limits
  • Retry
  • Fallback entre modelos

 

Integração de IA com Mensageria e Filas

  • Conceitos de mensageria e processamento assíncrono
  • Produtores, consumidores, filas, tópicos e assinaturas
  • Integração entre agentes de IA e sistemas de mensageria
  • RabbitMQ para desenvolvimento e testes locais
  • Processamento de tarefas de IA em segundo plano
  • Implementação de consumidores com BackgroundService
  • Filas para geração de textos, análise de documentos e criação de embeddings
  • Processamento assíncrono da ingestão de documentos no RAG
  • Comunicação assíncrona em sistemas multiagentes
  • Monitoramento de filas, consumidores, latência e erros

 

Exemplo de arquitetura para o projeto final

Projeto Final e Deploy no Azure

Desenvolvimento de uma solução completa utilizando os conceitos apresentados no curso.