RT
Treinamento

Agentic engineering para o time inteiro.

Formação que vai do agent loop ao fine-tuning, feita sob medida: módulos, profundidade e exercícios definidos a partir da stack, dos sistemas e dos objetivos do seu time.

Time em workshop ao redor de notebooks, com um quadro de diagramas ao fundo

O que a formação cobre.

  • Harness engineering
  • Context engineering
  • MCP 2026-07-28 (stateless)
  • Agent Skills (SKILL.md)
  • AGENTS.md
  • Hooks and subagents
  • Tool search
  • Code mode
  • MCP Apps
  • OAuth 2.1
  • A2A
  • AG-UI
  • Prompt caching
  • Context compaction
  • Contextual retrieval
  • Hybrid search + reranking
  • ColPali
  • GraphRAG
  • Durable execution
  • LLM-as-judge
  • pass^k
  • Trajectory evals
  • Lethal trifecta
  • CaMeL
  • Egress allowlists
  • OWASP Top 10 for Agentic Applications
  • OpenTelemetry GenAI
  • Model cascades
  • AI gateway
  • LoRA / QLoRA
  • DPO / KTO
  • RFT with GRPO
  • Multi-LoRA serving
  • Spec-driven development
  • EARS requirements
  • Property-based testing
  • EU AI Act
  • ISO/IEC 42001
  • NIST AI RMF

Programa.

  • Fundamentos de harness

    Seu time escreve um agent loop do zero e monta o harness do repositório: AGENTS.md com comandos e limites, skills para playbooks repetidos e hooks que bloqueiam comandos perigosos e exigem testes passando para concluir.

    • Agent loop com tool calling nativo
    • AGENTS.md como mapa do repositório
    • Skills, hooks ou subagentes: qual usar
    • Verificação com testes, logs e browser
    • Revisar o harness a cada novo modelo
  • Engenharia de contexto

    Seu time mede quanto da janela vai para ferramentas, instruções e histórico, ordena o prompt para aproveitar o cache e decide quando compactar, quando reiniciar com um arquivo de handoff e o que guardar como memória.

    • Orçamento de contexto e context rot
    • Progressive disclosure e tool search
    • Prompt caching e prefixo estável
    • Compaction, context editing e resets
    • Memória do agente e memory poisoning
  • RAG em produção

    Antes de criar um índice, seu time verifica se o corpus cabe no prompt. Depois monta busca híbrida com reranker, aplica ACL na consulta e mede recall@k com perguntas reais a cada troca de chunking ou embedding.

    • Parsing, chunking e contextual retrieval
    • Busca híbrida, reranking e recall@k
    • Busca como ferramenta do agente
    • GraphRAG e RAG multimodal: quando usar
    • ACLs, reindexação e RAG poisoning
  • Ferramentas e protocolos

    Seu time projeta ferramentas por fluxo de trabalho, sobe um servidor MCP stateless com OAuth e escolhe o protocolo pela fronteira: MCP para ferramentas, A2A para agentes de outro time, AG-UI ou MCP Apps para a interface.

    • Design de ferramentas e code mode
    • Servidores MCP stateless com OAuth 2.1
    • A2A: delegar para agentes de outro time
    • AG-UI, MCP Apps e aprovação humana
    • Computer use como último recurso
  • Orquestração multiagente

    Sistemas multiagente gastam de 3 a 10 vezes mais tokens que um agente único. Seu time mede com evals quando compensa, divide o trabalho por contexto, deixa a escrita com um só agente e roda fluxos longos com checkpoints.

    • Quando multiagente compensa
    • Orquestrador e verificador independente
    • Workflows em código e handoffs tipados
    • Execução durável: checkpoints e retries
    • Paralelismo com escrita centralizada
  • Evals

    Seu time monta uma suíte de 20 a 50 tarefas tiradas de falhas reais, calibra o LLM-as-judge contra rótulos humanos e bloqueia no CI mudanças de prompt, ferramenta ou modelo que piorem o resultado além do ruído medido.

    • Análise de erros em traces reais
    • Graders: código, LLM-as-judge e humano
    • pass@k, pass^k e intervalo de confiança
    • Evals de resultado e de trajetória
    • Gates de eval no CI e evals online
  • Guardrails e segurança

    Ataques adaptativos contornam a maioria das defesas publicadas contra prompt injection. Seu time modela ameaças por agente, isola a execução com sandbox e allowlist de rede, audita servidores MCP e roda red team no CI.

    • Lethal trifecta e Rule of Two
    • Padrões seguros: dual LLM e CaMeL
    • Sandbox, egress e permissões
    • Supply chain de MCP, skills e plugins
    • OWASP Top 10 para LLMs e agentes (2026)
  • AgentOps: observabilidade e custo

    Seu time instrumenta agentes com OpenTelemetry, mede o custo de cada tarefa concluída por time e feature, limita tokens por execução e só adota roteamento de modelos se ele vencer o melhor modelo único nas suas evals.

    • Tracing com OpenTelemetry GenAI
    • Custo por tarefa e orçamento de tokens
    • Roteamento, cascatas e modelo advisor
    • AI gateway: chaves, limites e MCP
    • SLOs, detecção de loop e kill switch
  • Customização de modelos

    Seu time só faz fine-tuning se engenharia de contexto, RAG e otimização automática de prompt não bastarem nas evals. Então treina LoRA em modelo open-weight, serve os adapters e roda regressão de segurança a cada versão.

    • Fine-tuning ou não: decisão por evals
    • SFT com LoRA e QLoRA em open-weight
    • Preference tuning com DPO e KTO
    • RFT e GRPO com recompensas verificáveis
    • Destilação e serving multi-LoRA
  • Spec-driven development

    Seu time decide quando uma mudança pede spec, escreve critérios de aceite que um teste consegue checar, revisa PRs de agente com evidência de testes e define quando a aprovação de uma IA conta no merge.

    • Quando escrever spec e quando pular
    • Critérios em EARS e property-based tests
    • Specs no repositório e controle de drift
    • Revisão de PR de agente com evidências
    • Do issue ao merge: fluxo e métricas
  • Governança de IA

    Seu time classifica cada sistema e agente pelo EU AI Act com os prazos pós-Omnibus, mapeia base legal e transferências (LGPD e GDPR) de cada fluxo com LLM e escreve políticas de uso por equipe, aplicadas nas ferramentas.

    • EU AI Act: prazos e níveis de risco
    • LGPD, GDPR e transferência internacional
    • ISO/IEC 42001 mapeada ao NIST AI RMF
    • Inventário de IA e dono por agente
    • Política de uso e AI literacy comprovada

Formatos.

  1. 1 dia

    Workshop executivo

    Para liderança técnica e de produto. Onde IA gera retorno, onde gera risco e como decidir.

  2. 3 dias

    Imersão técnica

    Para engenheiros. Harness, MCP, evals e orquestração aplicados em um repositório real.

  3. 8 semanas

    Formação completa

    O time, de dev a liderança, constrói o harness da empresa com a nossa mentoria e o coloca em produção.

Montamos a trilha a partir da sua stack.

Diagnóstico rápido do time, escolha dos módulos e um projeto real como entrega final.

Fale com a gente