中文 · English · Español · Bahasa Indonesia · العربية · 繁體中文（台灣） · Русский · Tiếng Việt · தமிழ் · 日本語 · Türkçe · 한국어 · Magyar · עברית · Português (Brasil) ← atual
📥 Download do PDF / EPUB (recomendado) — as edições em PDF e EPUB oferecem a melhor experiência de leitura. Também é possível ler online com navegação completa, alternância entre idiomas e destaques e notas.
Agente = LLM + Contexto + Ferramentas — o livro é construído em torno desta fórmula e apresenta, em dez capítulos, os princípios e a prática de engenharia de agentes de IA.
📚 O livro irmão AI Infra em Profundidade: Análise Quantitativa e Design de Sistemas agora é open source — leia em github.com/bojieli/ai-infra-book
Desenvolver boas aplicações baseadas em modelos também exige entender a infraestrutura sobre a qual elas rodam. O livro irmão trata da AI Infra por trás do treinamento e da inferência: onde ficam os parâmetros e o estado do contexto, como a computação é executada e como vários aceleradores trabalham juntos.
📢 Mudanças da versão 2.0 em relação à 1.4: a versão 2.0 unifica a parte "Interação Assíncrona" do antigo capítulo 4 com o conteúdo sobre "Agentes Multimodais" do antigo capítulo 9, reorganizando-os como o novo capítulo 6, "Interação: Expansão dos Espaços de Observação e Ação". Os antigos capítulos 6 ("Avaliação de Agentes"), 7 ("Pós-treinamento de Modelos") e 8 ("Evolução Contínua de Agentes") foram deslocados em um capítulo cada, passando a ser, respectivamente, os capítulos 7, 8 e 9.
Se você tem um PDF antigo, recomendamos baixar a versão mais recente do PDF. A nova edição também inclui diversas correções e ajustes de conteúdo; confie apenas na versão mais recente.
A tradução completa para português do Brasil foi produzida por Leonardo F. Nascimento (LABHD-UFBA) com assistência de IA (GPT-5.6 Sol), revisão estrutural automatizada e glossário técnico. A tradução do texto das figuras (SVG) foi contribuída por Líbna Raffaely.
- Português (Brasil) — tradução comunitária de Leonardo F. Nascimento: PDF · EPUB
- Original em chinês: PDF · EPUB
| Capítulo | Tópico | Leitura |
|---|---|---|
| — | Introdução | Ler |
| 1 | Primeiros passos com agentes de IA | Ler |
| 2 | Engenharia de contexto | Ler |
| 3 | Memória do usuário e base de conhecimento | Ler |
| 4 | Ferramentas | Ler |
| 5 | Agente de código e geração de código | Ler |
| 6 | Interação: expansão dos espaços de observação e ação | Ler |
| 7 | Avaliação de agentes | Ler |
| 8 | Pós-treinamento de modelos | Ler |
| 9 | Evolução contínua de agentes | Ler |
| 10 | Colaboração multiagente | Ler |
| — | Posfácio | Ler |
| — | Respostas das questões de reflexão | Ler |
A documentação dos experimentos que acompanham o livro ainda não foi traduzida para português do Brasil. O código dos experimentos e as instruções em inglês ou chinês estão disponíveis nas pastas chapter1/ a chapter10/.
Para gerar o PDF são necessários Pandoc, XeLaTeX, ElegantBook, librsvg e as fontes incluídas no TeX Live:
cd book-ptbr
bash build_pdf.shApós gerar o PDF, é possível gerar e validar o EPUB a partir da raiz do repositório:
./build_epub.sh ptbrO código-fonte da edição em português do Brasil está na pasta book-ptbr/. O conteúdo é atualizado continuamente e pode diferir da edição chinesa original.
P: Existe PDF / EPUB? Preciso compilar por conta própria? Não. A seção Livro eletrônico traz os links de download em PDF / EPUB (as edições nos 15 idiomas estão listadas no README em inglês), sempre apontando para o build mais recente do branch main; também é possível ler online. Só é preciso compilar se você quiser alterar o texto e refazer a diagramação.
P: Que conhecimentos prévios são necessários para ler o livro? A seção "Pré-requisitos" da introdução explica em detalhes: saber ler e modificar código Python de complexidade média; já ter usado produtos de LLM como ChatGPT e Claude; ter familiaridade com pelo menos uma ferramenta de programação assistida por IA (Claude Code, Codex, Cursor etc.); conhecer noções básicas de engenharia de software, como linha de comando, Git, JSON e APIs REST. Exceto pelo pós-treinamento do capítulo 8, o livro exige muito pouco de matemática e aprendizado de máquina.
P: É muito conteúdo e eu esqueço logo depois de ler. Como assimilar? Não leia apenas o texto. O caminho recomendado é pôr a mão na massa com os experimentos de cada capítulo — não lendo o código que acompanha o livro, mas entendendo os princípios de design apresentados e, com a ajuda de um coding agent, reimplementando tudo do zero, observando a saída e investigando o que não sai como esperado. As questões para reflexão no fim de cada capítulo também são uma boa autoavaliação. Para um percurso mais sistemático, veja o guia de estudo (em inglês). Um leitor resumiu bem: primeiro leia o livro até ele ficar fino, depois até ficar grosso, depois até ficar fino de novo.
P: Preciso entender o código dos experimentos linha por linha? Não. Todo o código que acompanha o livro foi gerado por coding agents a partir do texto, e o próprio autor não o lê linha por linha. O essencial é pensar com clareza a arquitetura, os componentes centrais e os princípios de design; depois, deixe a IA escrever o código, rodar os testes e corrigir bugs — a pessoa fica responsável pelo design inicial e pela aceitação final.
P: As questões para reflexão têm respostas de referência?
Sim: book-ptbr/reference-answers.ptbr.md (original em chinês: book/reference-answers.md, versão online). São apenas referências, não gabaritos; opiniões diferentes são bem-vindas nas Discussions.
P: Que projeto prático posso construir depois de terminar o livro? Recomendamos construir do zero um coding agent no estilo do Claude Code ou do Codex: os capítulos 1–5 bastam para produzir um coding agent utilizável; os capítulos 7 e 9 ajudam a montar um conjunto de avaliação e a melhorá-lo continuamente a partir dos casos de falha; o capítulo 8 intervém no próprio modelo; os capítulos 6 e 10 acrescentam formas de interação como voz e Computer Use, além de colaboração multiagente. As etapas de engenharia — avaliação, observabilidade, confiabilidade — podem começar pelos experimentos de avaliação do capítulo 7: monte primeiro um pequeno conjunto de avaliação com uma dúzia de tarefas para o seu agente e depois itere sobre os casos de falha.
P: Onde faço perguntas e participo das discussões?
- Erratas do texto, bugs nos experimentos, problemas de tradução: abra uma Issue indicando o capítulo, a seção e a frase original.
- Dúvidas de leitura, discussão das questões para reflexão, troca de experiências, indicação de materiais: use o GitHub Discussions.
P: Encontrei um erro e quero corrigir. Como faço?
Pull Requests são bem-vindos. A versão em chinês, book/, é a fonte canônica, e os demais idiomas são sincronizados a partir dela: ao alterar o texto, basta modificar a versão em chinês e explicar no PR; as traduções são sincronizadas em conjunto após o merge. Veja os Pull Requests do repositório.