Em 2 manhãs ao vivo, você constrói
um agente de IA confiável.
AI Engineering Lab, 14 e 15/11, das 9h às 13h, no Google Meet. Você monta do zero as 8 camadas em volta do modelo (guardrails, servidor MCP próprio, RAG e evals) e sai com o código no seu repositório e o certificado.
Quero construir o meu agenteHoje quem decide a resposta
é o modelo, sozinho.
Hoje o agente é uma chamada de API com um prompt grande, e você torce para dar certo. Quando ele erra, quem avisa é o usuário.
"Funcionou em todos os meus testes. Na segunda entrou o primeiro cliente de verdade e o agente inventou uma resposta."
O guardrail de saída confere a resposta contra a regra em código. Resposta sem apoio em dado não sai.
"Ele confirma qualquer coisa só pra me dar uma resposta positiva, quando devia dizer que não encontrou nada."
Tools com servidor MCP próprio e RAG. O agente busca o dado e, se o dado não existe, diz que não existe.
"Escrevi no prompt 'nunca prometa reembolso'. Ele prometeu reembolso."
A regra de negócio sai do prompt e vai pro código. O modelo busca e explica, a regra decide.
"Troquei pro modelo mais novo. Erra menos, mas continua errando, e agora erra mais caro."
O problema não estava no modelo. Contexto e esforço de raciocínio certos em cada etapa do agente.
"Prompt gigante, um monte de tools, e no fim eu nunca confio no que ele responde."
As 8 camadas do Método Sanduíche montadas no mesmo projeto, cada uma com uma função que você consegue testar.
"Mudei uma linha do prompt e quebrou uma coisa que funcionava ontem."
Evals com casos reais rodando a cada mudança, antes do deploy.
A confiança vem do que você constrói em volta do modelo.
O que o modelo pode consultar, que regra ele segue e quem confere a resposta antes de ela sair. Essa parte tem nome: harness.
Você já viu cada uma dessas siglas no feed, separada das outras:
Um dev da nossa comunidade resumiu bem: "estou perdido na sopa de letrinhas". Cada ferramenta resolve um pedaço. Sem nada ligando as peças, o modelo continua decidindo sozinho o que responder, e você continua sem saber se pode confiar.
No Lab a gente organiza o harness em 8 camadas, o Método Sanduíche: guardrail de entrada, prompt e contexto, esforço de raciocínio, tools com MCP, RAG, skills, memória e guardrail de saída. Em volta de tudo, testes, evals e observabilidade. Cada camada tem uma função, e cada função dá para testar.
API conecta. Harness faz a IA trabalhar por você.
Você constrói o Desconfiômetro:
um agente cujo trabalho é desconfiar.
Cenário real: toda Black Friday aparece "50% OFF" em produto que subiu de preço na semana anterior. Você manda o link da oferta. O agente ignora o preço riscado da loja, busca o histórico de preço, compara com outras lojas, aplica a regra de negócio e só entrega o veredito que esses dados sustentam.
O projeto e as primeiras camadas
- O Desconfiômetro e o caso da Black Friday
- Guardrail de entrada: o que não deve chegar ao modelo para antes
- Prompt e janela de contexto
- Esforço de raciocínio por etapa
- Tools com servidor MCP próprio
As camadas que seguram o agente com usuário real
- RAG, skills e memória
- Guardrail de saída com a regra em código
- Testes, evals e observabilidade
- Custo, latência e cache
- O agente completo no seu repositório
| camada | o que o agente ganha | onde entra no Desconfiômetro |
|---|---|---|
| 01 | Guardrail de entrada | link que não é de oferta ou pedido fora do escopo para antes de chegar ao modelo |
| 02 | Prompt e janela de contexto | o agente recebe a oferta e só o que precisa saber sobre ela |
| 03 | Esforço de raciocínio | ler a página é rápido; comparar histórico e lojas pede mais raciocínio |
| 04 | Tools com MCP | histórico de preço e preço em outras lojas, buscados por um servidor MCP próprio |
| 05 | RAG | busca o que o modelo não sabe e deixa a resposta apoiada em dado |
| 06 | Skills | o passo a passo da investigação, carregado quando a tarefa pede |
| 07 | Memória | ofertas já investigadas e o que foi dito na conversa |
| 08 | Guardrail de saída | confere o veredito contra a regra em código; sem apoio em dado, não sai |
Você sai com um agente que dá para auditar.
Fechamos o domingo passando o mesmo link pelo agente cru e pelo agente com as 8 camadas. O cru responde: "Desconto confirmado! Metade do preço." O completo responde: "Não confirmado. R$ 449 está acima da mediana dos últimos 90 dias (R$ 429), e o mesmo fone sai por R$ 419 em outra loja."
Isso aqui não é hype. É engenharia.
Confiar num agente começa por saber onde cada ferramenta ajuda e onde ela não resolve. Nós vamos mostrar ao vivo.
O que dá para afirmar, o que depende e o que não repetimos
Nada de lista de ferramentas da semana. No Lab, cada camada é testada no projeto.
Não é introdução. É arquitetura.
É pra você se…
- Você tem um agente que funciona no seu teste e ainda não teve coragem de colocar na frente de um cliente
- Você usa Cursor, Claude Code ou Codex todo dia e quer colocar IA dentro do seu sistema
- Você conhece MCP, RAG ou evals em peças soltas e quer ver tudo montado num projeto
- Você programa em pelo menos uma linguagem e já fez uma chamada de API
Não é pra você se…
- Você está começando em programação
- Você quer ver ferramenta nova sem codar ao vivo
- Você espera que o próximo modelo resolva problema de arquitetura
- Você não consegue reservar as duas manhãs inteiras. A última parte de cada uma é onde as peças se juntam
Porque os conteúdos do Beer and Code são diferentes:
Tabela de Lotes de Ingressos
Os lotes viram de acordo com o preenchimento das vagas. Garanta sua vaga no Lote 1 antes da virada automática de preço.
Lotes e inscrição
2 manhãs ao vivo, código no seu repositório, certificado de conclusão e suas dúvidas respondidas na hora.
Encontro ao vivo em 14 e 15/11, das 9h às 13h. O lote 1 encerra quando as vagas acabarem.
- 2 manhãs ao vivo, construindo o Desconfiômetro do zero
- As 8 camadas do Método Sanduíche na prática
- Certificado de conclusão
- O código do agente no seu repositório
- Tire suas dúvidas ao vivo
Inscrição
Preencha o formulário abaixo para garantir sua inscrição.
*Garanta a gravação separadamente no momento da compra do ingresso
Três jeitos de lidar com o agente que erra. Um deles te dá motivo pra confiar.
O que você faz hoje
- Reescreve o prompt e torce
- Troca pro modelo mais novo e paga mais caro
- Escreve a regra de negócio dentro do prompt
- Testa só com os seus próprios exemplos
- Descobre o erro quando o usuário reclama
O que aparece no feed
- Ferramenta nova toda semana
- "10 ferramentas de IA que todo dev precisa conhecer"
- Tutorial que ensina uma peça só
- Demo que funciona no vídeo e em nenhum outro lugar
- Agente "autônomo" sem um teste sequer
AI Engineering Lab
- As 8 camadas montadas no mesmo agente
- A regra de negócio decide, o modelo busca e explica
- Resposta sem apoio em dado barrada antes de sair
- Evals com casos reais rodando a cada mudança
- Você sabe por que o agente acertou e onde ele ainda erra
Perguntas Frequentes
Tenho acesso à gravação?
Pode ser adquirida separadamente no momento da compra. R$ 42 é referente ao ingresso ao vivo das duas manhãs.
Vou sair com um agente que nunca erra?
Não, e desconfie de quem prometer isso. Você sai com um agente que mostra em que dado se apoiou, barra a resposta que não tem apoio e tem evals que avisam quando uma mudança piorou alguma coisa. O erro que o agente detecta e barra não chega no usuário.
Não sou dev. Este Lab é para mim?
Não. Este é um evento de engenharia: você vai escrever código, entender decisões de arquitetura e construir um agente ao vivo. Se você não programa, este não é o produto certo agora.
Preciso dominar alguma stack específica?
Não. O pré-requisito é saber uma linguagem de programação e já ter feito uma chamada de API. As 8 camadas valem para qualquer stack.
O projeto é de Black Friday. Serve pro meu agente?
Serve. O Desconfiômetro é o caso de estudo porque o problema dele é o mesmo do seu: responder com segurança só o que o dado sustenta. Atendimento, suporte, vendas ou análise de documento, as 8 camadas são as mesmas. O servidor MCP vem com o contrato inteiro para você trocar pelas tools do seu domínio.
Harness é mais uma ferramenta para decorar?
Não. Harness é a engenharia em volta do modelo: o que ele pode consultar, que regra ele segue e quem confere a resposta. Cursor, Claude Code, MCP e RAG continuam úteis, e o Lab mostra onde cada um entra. Quando a próxima ferramenta sair, você já sabe em que camada ela se encaixa.
Duas manhãs pra construir o que falta em volta do seu agente.
2 manhãs ao vivo, código, testes e evals. Você constrói junto, do zero.
Quero construir o meu agente