📝 Cap 03: Engenharia de Prompts Sistemática: Few-Shot Prompting, Chain-of-Thought (CoT), ReAct e Structured Outputs

Guia de Inteligência Artificial & LLMs

🗺️ Mapa Conceitual

flowchart TD
    PROMPT["Engenharia de Prompts Profissional"]
    PROMPT --> ROLE["1. Persona & Contexto de Negócio"]
    PROMPT --> COT["2. Chain-of-Thought: 'Pense passo a passo...'"]
    PROMPT --> SCHEMA["3. Schema Constraint: Saída JSON estrita com Pydantic"]
    
    style PROMPT fill:#e1f5fe,stroke:#03a9f4,stroke-width:2px
    style COT fill:#e8f5e9,stroke:#4caf50,stroke-width:1px

🎯 Slide 1: Visão Geral e Fundamentos

• Objetivo Central: Dominar os fundamentos de engenharia de prompts sistemática: few-shot prompting, chain-of-thought (cot), react e structured outputs.
• Era dos LLMs: Da teoria de redes neurais à IA Generativa aplicada.
• Padrão de Engenharia: Aplicação prática em fluxos de software reais.

💡 Slide 2: Práticas e Arquitetura

• Self-Attention e vetorização com embeddings.
• RAG para recuperação precisa de contexto empresarial.
• Function Calling e agentes autônomos orientados a ferramentas.

🚀 Slide 3: Prática e Produção

• Otimização com LoRA e quantização de modelos.
• Bancos vetoriais com índices HNSW.
• Projeto prático com assistente de pesquisa com RAG.

📋 Resumo da Aula & Próximos Passos

• Revise o código de exemplo deste capítulo.
• Complete os exercícios práticos nos 4 níveis de complexidade.
• Realize o quiz formativo interativo para validar sua compreensão.