O que ai-agents-from-zero faz?
🚀 2026 — O guia mais sistemático para dominar AI Agents rapidamente. Tutorial prático com caminho de aprendizado completo, projetos reais e banco de questões para entrevistas. Focado no cargo de engenheiro de aplicações de grandes modelos de linguagem (LLM). Abrange LangChain / LangGraph / Coze / Dify / MCP / skills / LLM / RAG / prompts. Implantação empresarial e fine-tuning. Do zero à implantação empresarial + do aprendizado ao projeto em produção + preparação para entrevistas integrada.
Este guia intensivo foi projetado para desenvolvedores que desejam dominar a criação de AI Agents de forma prática e eficiente. O conteúdo é organizado em uma trilha de aprendizado progressiva, começando pelos fundamentos de LLMs e RAG, passando por frameworks como LangChain e LangGraph, plataformas low-code como Coze e Dify, e protocolos como MCP (Model Context Protocol).
📚 Caminho de Aprendizado
- Fase 1 - Fundamentos: Introdução a LLMs, tokens, prompts, embeddings e RAG.
- Fase 2 - Frameworks para Agentes: LangChain, LangGraph, criação de tools e chains.
- Fase 3 - Plataformas Low-Code: Coze, Dify, automação de fluxos e deployment.
- Fase 4 - Protocolos e Skills: MCP (Model Context Protocol), desenvolvimento de skills personalizadas.
- Fase 5 - Projetos Práticos: Projetos completos do zero ao deploy, incluindo chatbots, assistentes de código e agentes de automação.
- Fase 6 - Implantação Empresarial: Fine-tuning de modelos, orquestração em produção, monitoramento e escalabilidade.
🛠️ Projetos Incluídos
- Chatbot com RAG: Assistente inteligente que responde com base em documentos.
- Agente de Automação de Tarefas: Agente que executa múltiplas etapas usando LangGraph.
- Assistente de Código: Agente especializado em ajudar no desenvolvimento de software.
- Sistema de Recomendação: Agente que personaliza recomendações usando embeddings.
🧠 Banco de Questões para Entrevistas
Inclui mais de 100 questões típicas de entrevistas para a posição de Engenheiro de Aplicações de LLM, cobrindo:
- Conceitos de LLMs e transformers
- Implementação de RAG
- LangChain e LangGraph
- Fine-tuning e prompt engineering
- Casos de uso e design de sistemas
🚀 Como Usar
- Clone o repositório e navegue pelos módulos na ordem sugerida.
- Leia a documentação de cada fase e execute os exemplos.
- Complete os projetos práticos para solidificar o aprendizado.
- Utilize o banco de questões para testar seus conhecimentos.
📦 Tecnologias Abordadas
- Linguagens: Python (principal), TypeScript (para suporte a agentes web)
- Plataformas: OpenAI, Anthropic, Hugging Face, Cohere
- Frameworks: LangChain, LangGraph, LlamaIndex
- Ferramentas: Chroma DB, Pinecone, Weaviate, FAISS
- Plataformas Low-Code: Coze, Dify
- Protocolos: MCP, OpenAI Functions
🤝 Contribuições
Contribuições são bem-vindas! Sinta-se à vontade para abrir issues ou pull requests com melhorias, correções ou novos projetos.
Nota: Este repositório é atualizado regularmente para refletir as últimas tendências e melhores práticas do ecossistema de AI Agents. Acompanhe as releases para novidades.