Programa do Curso
Do autocomplete a agentes: por que os agentes falham
• Anatomia de um agente de codificação: modelo, harness, superfície de ferramentas, contexto, permissões
• O lugar de cada ferramenta: Claude Code, GitHub Copilot, Cursor, Codex CLI, Gemini CLI
• Uma taxonomia de falhas: contexto errado, ferramentas erradas, ausência de feedback, autonomia sem limites
Demonstração: A mesma tarefa, executada bem e executada mal, lado a lado
Engenharia de contexto
• A janela de contexto como orçamento: o que merece um lugar nela
• AGENTS.md, CLAUDE.md, .cursor/rules, copilot-instructions.md — um conceito, vários nomes de ficheiros, uma única fonte de verdade
• Convenções, comandos de construção e teste, fronteiras arquitetónicas
• Recuperação versus contexto explícito; decomposição de tarefas e sub-agentes
Laboratório: Escreva contexto do repositório para um serviço Python desconhecido, repita uma tarefa com falha e compare a saída
Fluxos de trabalho reutilizáveis e Skills de Agentes
• Escolha da abstração: ficheiro de instruções, skill, comando personalizado ou script simples
• Anatomia de uma skill: disparo, instruções, scripts embutidos, divulgação progressiva
• Portabilidade entre ferramentas, e onde começa a dependência de fornecedor (lock-in)
• Versionamento, revisão e distribuição em toda a equipa; anti-padrões comuns
Laboratório: Crie e teste um fluxo de trabalho reutilizável que imponha um padrão de codificação da empresa
MCP: conectando agentes a sistemas reais
• Arquitetura: clientes, servidores, ferramentas, recursos e prompts; transportes stdio e HTTP
• Servidores que merecem o seu lugar: alojamento Git, gestores de problemas, bases de dados, navegadores, APIs internas
• Quando uma CLI ou um script supera um servidor MCP
• Higiene da superfície de ferramentas: por que mais ferramentas significa menos fiabilidade
Laboratório: Ligue servidores MCP e trate um ticket de ponta a ponta — problema, ramo, correção, testes, pedido de extração
Ciclos de feedback e avaliação
• Testes, tipos e linters como verdade factual do agente; trabalho de primeiro teste como mecanismo de controlo
• CI como ciclo externo, e disciplina de revisão para diffs criados pelo agente
• Conjuntos de avaliação de tarefas douradas: o que medir e como detetar regressões
• Custo e latência como métricas de primeira classe
Laboratório: Crie um pequeno conjunto de avaliação e pontue duas configurações de agente contra ele
Segurança e guardrails
• Injeção de prompt através de problemas, pedidos de extração, READMEs, dependências e páginas obtidas
• Modelos de permissão: listas de permissões, aprovações, ferramentas de somente leitura, controlo de saída de rede
• Higiene de segredos e sandboxing: contentores, credenciais efémeras, limitação do raio de explosão
• Risco da cadeia de fornecimento em servidores MCP de terceiros e skills partilhadas
Laboratório: Observe um agente ser seqüestrado por um repositório contaminado, depois fortaleça a configuração para que isso não aconteça
Implementando isto para uma equipa
• Um caminho de adoção faseado; o que padronizar e o que deixar aos indivíduos
• Métricas que indicam valor real, e as que não
Requisitos
• Conhecimento prático de Python, Git e linha de comandos
• Alguma exposição prévia a um assistente de codificação de IA
• NobleProg configurará VMs Dadesktop para os participantes com Docker, VS Code e Python 3.11 ou superior
• Um assistente de codificação de IA funcional da escolha do participante: Claude Code, GitHub Copilot, Cursor, Codex CLI ou Gemini CLI. Os laboratórios são independentes das ferramentas e são fornecidas instruções para cada uma
Público-alvo
• Engenheiros de software, líderes técnicos e arquitetos que utilizam assistentes de codificação de IA sem obter resultados fiáveis
• Engenheiros de plataforma e de experiência do desenvolvedor que implementam ferramentas de IA em várias equipas
• Gestores de engenharia a definir padrões, guardrails e métricas de sucesso
Formação Empresarial Personalizada
Soluções de formação concebidas exclusivamente para empresas.
- Conteúdo Personalizado: Adaptamos o programa e os exercícios práticos aos objetivos e necessidades reais do seu projeto.
- Horário Flexível: Datas e horários adaptados à agenda da sua equipe.
- Formato: Online (ao vivo), In-Company (em suas instalações) ou Híbrido.
Preço por grupo privado, formação online em direto, a partir de 1300 € + VAT*
Entre em contato conosco para obter um orçamento preciso e conhecer nossas promoções mais recentes
Testemunhos de Clientes (3)
O instrutor é paciente e muito prestativo. Ele domina bem o assunto.
CLIFFORD TABARES - Universal Leaf Philippines, Inc.
Curso - Agentic AI for Business Automation: Use Cases & Integration
Máquina Traduzida
Bom misto de conhecimento e prática
Ion Mironescu - Facultatea S.A.I.A.P.M.
Curso - Agentic AI for Enterprise Applications
Máquina Traduzida
A mistura de teoria e prática e de perspectivas de alto e baixo nível
Ion Mironescu - Facultatea S.A.I.A.P.M.
Curso - Autonomous Decision-Making with Agentic AI
Máquina Traduzida
