Do Prompt ao Harness, construa um agente de vendas integrado a um CRM
Você já programa com IA. Em 2 manhãs você vai sair do 'pedir código' e construir um sistema integrado com IA para usar em produção: um agente conectado a um CRM, com guardrails, RAG com fonte citada, aprovação humana e testes que impedem regressão. Código no seu repositório, não print de slide.
Você consome IA. O mercado paga quem constrói integrado à IA.
A Média
Hoje você usa IA apenas pra escrever código e gasta energia decidindo qual modelo é melhor. Todo dev faz isso. Virou a média, parou de ser diferencial.
A Camada Rara e Valiosa
O que ainda é raro, e bem pago, é a camada acima: fazer a IA virar uma feature de produção dentro de um sistema. Não o código que ela cospe, o produto que roda em cima dela.
Verdadeira Engenharia
Isso não é prompt, não é escolha de modelo. É engenharia. É a diferença entre alugar uma skill que está commoditizando e dominar uma profissão que mal começou no Brasil.
Empresas que contratam alunos do Beer and Code
As peças que separam o “fiz um agentisinho de IA” do “Fiz um agente inteligente para CRM”:
Programmatic Tool Calling
Não é clique em interface. É tool calling em código: schema tipado, validação de entrada, idempotência para reprocessamento seguro, timeouts e trilha de auditoria. Cada ferramenta que o agente chama é um contrato e contratos têm comportamento previsível.
Progressive Disclosure
O agente não despeja o manual inteiro na primeira mensagem. Ele libera contexto na medida certa para cada turno da conversa, mantendo a janela enxuta, o custo baixo e o modelo focado no que importa agora. É a técnica que elimina o "contexto estourou no turno 8".
RAG com citação de fonte obrigatória
O agente não responde preço de cabeça. Consulta a tabela oficial, recupera o trecho relevante, cita a fonte. Se o documento não sustenta, ele não afirma. Alucinação não se resolve com prompt se resolve com retrieval + guardrail de saída.
LLM as a Judge
Você não avalia resposta na mão. Um modelo menor e mais rápido audita cada resposta do agente principal contra uma rubrica definida por você: groundedness, tom, escopo, precisão comercial. Você define o critério. O juiz aplica. O release gate bloqueia se a nota caiu.
Observabilidade e AI Ops
Traces de cada decisão do agente: qual ferramenta chamou, qual documento recuperou, por que respondeu aquilo. Com Langfuse você abre a caixa-preta, reproduz qualquer erro e monitora custo por conversa em produção. AI Ops é a disciplina de operar agentes como sistemas, não como experimentos.
Guardrails de entrada e saída
Trava em código, não instrução em texto. Prompt injection, escopo, desconto fora da tabela, PII o agente não tem como desobedecer o que está em código.
Servidor MCP read-only
O padrão que a Anthropic criou e todos os provedores adotaram o "USB-C da IA". Integração padronizada com menor privilégio: o agente lê o que precisa, sem acesso a nada além disso.
Eval Harness com Release Gate
Dataset de casos reais, rubrica de qualidade, juiz LLM rodando a cada mudança e um portão que bloqueia o deploy se a nota regrediu. Você para de torcer antes de subir você mede.
O que você vai construir
Um Agent de Vendas conectado ao CRM
Não é um exercício hipotético. Não é um chatbot de FAQ. Você constrói do absoluto zero um fluxo completo.
Fluxos Operacionais do Agente
Consulta o CRM
Lê histórico do lead, registra interações com timestamps completos, verifica estoque interno em tempo real e atualiza o pipeline comercial de ponta a ponta.
Responde com fonte garantida
Nunca inventa preço ou prazos. Recupera por similaridade semantíca dados de documentos oficiais autorizados e cita as fontes na resposta.
Pese permissão antes de agir
Quer mandar e-mail de follow-up? Conceder desconto pontual? Atualizar status no CRM? Ele propõe a ação estruturada e aguarda expressamente a sua assinatura manual.
Trava o que não pode sair (Guardrails estritos)
Prompt injection, desconto abusivo ou tentativa de extração de dados sensíveis de clientes: tratado com lógica e guardrails nativos em código, sem depender apenas de texto livre.
Passa nos testes automatizados
Eval harness integrado com um juiz LLM de altíssima fidelidade. Se a qualidade de saída regredir após ajustes de comando ou prompts, a esteira de deploy impede a publicação.
🏆 Outcome Principal: No final dos 2 dias, esse agente está integralmente no seu próprio repositório público ou privado, empacotado com Docker e runbooks de implantação prontos para adaptação ao seu próprio CRM ou stack corporativa.
CRM Integration Lab
Ana Silva(TechScale LTDA)
Rodrigo Santos(Groove Retail)
Patrícia Costa(Prime Hub S.A.)
Últimos Logs do Agente:
Sheduler: Agente verificou Lead 'Ana Silva'...
Agent: Solicitou aprovação humana para Desconto 15%.
Seu cenário hoje x Seu domínio depois do Lab
Uma disparidade clara de qualidade, controle e engenharia entre abordagens experimentais amadoras e profissionais.
| Antes do Lab (Abordagem Amadora) | Depois do Lab (Sistemas com Harness) |
|---|---|
Agente que funciona apenas na demo | Agente resiliente com harness de produção completo |
Prompt gigante fingindo ser arquitetura do sistema | 4 camadas isoladas e com responsabilidades bem mapeadas |
"Torcer pra não alucinar" no atendimento | RAG com fonte explicitamente citada + guardrail de contenção de preços |
Pânico e medo de subir para clientes reais | Eval harness robusto que valida cada mudança antes do deploy |
Sem log, sem trace, sem diagnóstico ou telemetria | Observabilidade com raio-X detalhado de cada rota e decisão |
Agente vulnerável que obedece qualquer prompt adversário | Aprovação humana mandatória para toda ação considerada sensível |
Acoplamento severo a um provedor ou modelo específico | Arquitetura agnóstica: alterne entre GPT, Claude ou Gemini sem reescrever |
Insegurança geral por não saber o que medir | Release gate estruturado com rubrica nativa, dataset e juiz LLM |
As 4 peças que separam um "tutorial de Youtube" com o que você vai ver ao vivo
As engrenagens arquiteturais necessárias para obter previsibilidade e segurança.
Agent com fronteira leitura/escrita
O agente consulta CRM, pricing e agenda livremente. Mas toda ação que muda o mundo real — mandar e-mail, atualizar cadastro, conceder desconto — passa por uma fila de aprovação humana. Você não torce. Você autoriza.
RAG com citação de fonte obrigatória
O agente não responde preço de cabeça. Ele consulta a tabela oficial, recupera o trecho relevante e cita a fonte na resposta. Se o documento não sustenta, ele não afirma. Alucinação não se resolve com prompt — se resolve com retrieval + guardrail de saída.
Servidor MCP read-only
O padrão que a Anthropic criou e todos os provedores adotaram. Uma camada de integração padronizada que conecta o agente aos dados internos da empresa com menor privilégio. Você constrói uma vez. Qualquer modelo usa.
Eval harness com release gate
Uma bateria de casos reais com gabarito. Um juiz LLM que avalia cada resposta com rubrica. Um portão que bloqueia o deploy se a nota caiu. Você para de testar na mão e começa a medir — antes de subir, não depois.
A stack que você vai usar:
FastAPI · pgvector ou Qdrant · FastMCP · OpenTelemetry · Langfuse · GPT-4o / Claude / Gemini (você escolhe)
Checklist Técnico
O que você terá no repositório finalizado ao sair do Lab.
👉 Pré-requisitos: Git e Docker. Se você faz API, você faz agente. A parte de IA a gente constrói e desmistifica inteiramente juntos.
Com quem você vai aprender
Lucas Souza (Virgu)
AI Engineer | Co-Founder Beer and Code
Engenheiro de IA, liderando um time de IA em uma multinacional, professor na maior comunidade de Engenharia de IA do mundo. Especialista em construir sistemas que funcionam em escala sob extrema pressão de infraestrutura.
Danilo Sampaio
CEO Beer and Code | CTO da Groova
Mais de 10 anos de experiência com Laravel. Líder técnico experiente em alinhar arquiteturas robustas de software tradicional com fluxos de orquestração assíncronos modernos. Referência em integrações e escalabilidade de produtos digitais no Brasil.
Como funciona o Lab
2 dias. 4 horas por manhã. Código no seu repositório.
Dia 1 — O Harness
Construção do agent com fronteira leitura/escrita, tool calling com schema e idempotência, guardrails de entrada e saída, aprovação humana para ações sensíveis. Exercícios adversariais ao vivo: prompt injection, desconto não autorizado, dado fora do escopo. Você tenta quebrar o seu próprio agente — e conserta.
Dia 2 — RAG, MCP e Evals
Base RAG com citação de fonte, filtros por tenant, Agentic RAG (o agente decide quando buscar). Servidor MCP read-only. Eval harness: dataset, rubrica, juiz LLM, release gate. Observabilidade com traces. Lab final: troca de modelo e mede custo/latência/nota — com seus evals, não com benchmark de marketing.
Características do Formato
O mercado já decidiu.
A pergunta é se você vai estar do lado de quem constrói.
Buscas Globais (+250%)
As pesquisas pelo termo 'agente de IA para vendas' cresceram assustadoramente nos últimos 12 meses no Brasil. O interesse é de mercado real.
Budget Comprometido
Empresas pagam de R$9 a R$13 por clique na pesquisa do Google para aparecer em termos como 'CRM com IA' e 'SDR com IA'. Esse é budget operacional sério e em escala.
Remuneração em Alta
Desenvolvedores especialistas seniores em orquestração e agentes chegam a precificar de US$40 a US$90 por hora de consultoria especializada. A oferta é escassa.
A Explosão das Demandas Técnicas
O Google já ressalta abertamente que o nível "Avançado" indiscutivelmente exige frameworks de IA estruturados e código real, mas não indica parceiros que ensinem isso em português brasileiro.
Esse vácuo está prestes a fechar. A janela de quem constrói e chega primeiro é exatamente agora.
Tabela de Lotes de Ingressos
Os lotes viram rapidamente de acordo com o preenchimento das vagas. Garanta seu lugar no lote atual antes da virada automática de preço.
Preencha o formulário abaixo e garanta sua vaga
O AI Engineering Lab é um laboratório prático de dois dias onde você constrói um produto real com IA do zero. Dominando conceitos básicos sobre: Engenharia de IA
Você pode continuar consertando o agente na mão. Ou pode aprender a construir o sistema que não precisa de conserto.
Mexe no prompt e torce.
Ficar reescrevendo instruções em linguagem livre, rezando para o modelo respeitar.
Adiciona regras manuais.
Colocar infindáveis strings redundantes no system prompt e esperar pela conformidade.
Ou constrói o Harness.
Mapeia erros, monitora inputs, isola a escrita de ações reais e sabe quando ele falhou antes de seu cliente perceber.
O Lab não te ensina a simplesmente sussurrar para o LLM. Ele te habilita a construir um sistema tolerante a falhas, que não depende exclusivamente de comportamento ou humor estatístico da IA.
Dois dias completos de código real. O agente que você construirá é o que você usará como referência máxima no seu próximo projeto comercial para cobrar mais caro pelo seu trabalho.
Dúvidas frequentes
Respostas claras para nos ajudar a alinhar expectativas antes de garantir sua vaga.
Q.Tem acesso a gravação?
Você pode adquirir a gravação separadamente no momento da compra do seu ingresso. O valor de R$ 55 é referente ao ingresso ao vivo para os 2 dias.
Q.Não sou dev, este lab é para mim?
Não. Este não é um lab de conceitos ou de visão de negócio sobre IA. É um laboratório de engenharia, você vai escrever código, entender conceitos de engenharia de IA e construir um sistema do zero ao vivo.
Q."A IA alucina. Não dá pra confiar isso a um cliente real."
Nós concordamos. É por este exato motivo que o lab não propõe 'confiar' na IA, mas sim de criar uma arquitetura rígida que impede que ela minta: fontes citadas obrigatórias anexadas, filtragem de preços máximos autorizados no lado do backend seguro, aprovação deliberada do usuário para escritas críticas e verificação e conformidade automática que não depende de system prompt livres.
Porque os conteúdos do Beer and Code são diferentes: