O que agent-prep faz?
Currículo prático de 3 meses: de infraestrutura em nuvem a habilidades de Engenheiro de IA Agente/LLM. Semana 1: linha de base de recuperação vetorial (BGE-M3 vs Nomic v2 MoE no MS MARCO 10K).
Visão Geral
Este repositório contém um currículo intensivo focado em laboratórios para profissionais que desejam fazer a transição de infraestrutura em nuvem para engenharia de agentes de IA e LLMs. O material é dividido em semanas, cada uma com experimentos práticos e benchmarks.
Semana 1: Linha de Base de Recuperação Vetorial
- Objetivo: Estabelecer uma linha de base de desempenho para recuperação vetorial usando diferentes modelos de embedding.
- Modelos: BGE-M3 vs Nomic v2 MoE
- Dataset: MS MARCO 10K (subconjunto do MS MARCO Passage Ranking)
- Métrica: MRR@10, Recall@10, NDCG@10
- Plataformas Suportadas: Claude Code, Cursor, Codex, e qualquer ambiente Python com Jupyter.
Pré-requisitos
- Conhecimento básico de Python
- Familiaridade com ambientes de nuvem (AWS, GCP ou Azure)
- Experiência com Jupyter Notebooks
- Git instalado
Como Usar
- Clone este repositório:
git clone https://github.com/shaneliuyx/agent-prep - Navegue até a pasta da semana 1:
cd agent-prep/week1 - Instale as dependências:
pip install -r requirements.txt - Execute o notebook:
jupyter notebook benchmark.ipynb
Estrutura do Repositório
agent-prep/
├── week1/
│ ├── benchmark.ipynb # Notebook principal com experimentos
│ ├── requirements.txt # Dependências Python
│ ├── data/ # Dados do MS MARCO 10K
│ └── results/ # Resultados dos benchmarks
├── week2/ # Próximas semanas (em desenvolvimento)
└── README.md
Licença
MIT