- Conceitos Principais
- Componentes LangChain4j
- Conceitos de IA/ML
- Guardrails
- Engenharia de Prompt
- RAG (Geração Aumentada por Recuperação)
- Agentes e Ferramentas
- Módulo Agente
- Protocolo de Contexto do Modelo (MCP)
- Serviços Azure
- Testes e Desenvolvimento
Referência rápida para termos e conceitos usados ao longo do curso.
Agente de IA - Sistema que usa IA para raciocinar e agir autonomamente. Módulo 04
Cadeia - Sequência de operações onde a saída alimenta o passo seguinte.
Divisão em Pedaços (Chunking) - Dividir documentos em partes menores. Típico: 300-500 tokens com sobreposição. Módulo 03
Janela de Contexto - Número máximo de tokens que um modelo pode processar. GPT-5.2: 400K tokens (até 272K de entrada, 128K de saída).
Embeddings - Vetores numéricos que representam o significado do texto. Módulo 03
Chamada de Função - Modelo gera pedidos estruturados para chamar funções externas. Módulo 04
Alucinação - Quando modelos geram informação incorreta mas plausível.
Prompt - Texto de entrada para um modelo de linguagem. Módulo 02
Pesquisa Semântica - Pesquisa pelo significado usando embeddings, não palavras-chave. Módulo 03
Com Estado vs Sem Estado - Sem estado: sem memória. Com estado: mantém histórico da conversa. Módulo 01
Tokens - Unidades básicas de texto que os modelos processam. Afetam custos e limites. Módulo 01
Encadeamento de Ferramentas - Execução sequencial de ferramentas onde a saída informa a chamada seguinte. Módulo 04
AiServices - Cria interfaces de serviço de IA com segurança de tipos.
OpenAiOfficialChatModel - Cliente unificado para os modelos OpenAI e Azure OpenAI.
OpenAiOfficialEmbeddingModel - Cria embeddings usando o cliente oficial OpenAI (suporta OpenAI e Azure OpenAI).
ChatModel - Interface central para modelos de linguagem.
ChatMemory - Mantém histórico da conversa.
ContentRetriever - Encontra pedaços relevantes de documentos para RAG.
DocumentSplitter - Divide documentos em pedaços.
EmbeddingModel - Converte texto em vetores numéricos.
EmbeddingStore - Armazena e recupera embeddings.
MessageWindowChatMemory - Mantém janela deslizante das mensagens recentes.
PromptTemplate - Cria prompts reutilizáveis com espaços reservados {{variable}}.
TextSegment - Pedaço de texto com metadados. Usado no RAG.
ToolExecutionRequest - Representa pedido de execução de ferramenta.
UserMessage / AiMessage / SystemMessage - Tipos de mensagens na conversa.
Few-Shot Learning - Fornecer exemplos nos prompts. Módulo 02
Modelo de Linguagem Grande (LLM) - Modelos de IA treinados com grandes volumes de texto.
Esforço de Raciocínio - Parâmetro do GPT-5.2 que controla profundidade de pensamento. Módulo 02
Temperatura - Controla aleatoriedade da saída. Baixa=determinístico, alta=criativo.
Base de Dados Vetorial - Base de dados especializada para embeddings. Módulo 03
Zero-Shot Learning - Realizar tarefas sem exemplos. Módulo 02
Guardrails - Módulo 00
Defesa em Profundidade - Abordagem multi-camadas de segurança combinando guardrails a nível de aplicação com filtros de segurança do fornecedor.
Bloqueio Rígido - Fornecedor retorna erro HTTP 400 para violações graves de conteúdo.
InputGuardrail - Interface LangChain4j para validar input do utilizador antes de atingir o LLM. Economiza custo e latência bloqueando prompts prejudiciais cedo.
InputGuardrailResult - Tipo de retorno para validação de guardrail: success() ou fatal("reason").
OutputGuardrail - Interface para validar respostas de IA antes de devolver aos utilizadores.
Filtros de Segurança do Fornecedor - Filtros integrados de conteúdo dos fornecedores de IA (ex.: GitHub Models) que detectam violações a nível de API.
Recusa Suave - Modelo educadamente recusa responder sem gerar erro.
Engenharia de Prompt - Módulo 02
Chain-of-Thought - Raciocínio passo a passo para maior precisão.
Saída Constrangida - Imposição de formato ou estrutura específicos.
Alta Diligência - Padrão GPT-5.2 para raciocínio detalhado.
Baixa Diligência - Padrão GPT-5.2 para respostas rápidas.
Conversação Multi-Turno - Manutenção de contexto ao longo das trocas.
Prompting Baseado em Papéis - Definição da persona do modelo via mensagens do sistema.
Auto-Reflexão - Modelo avalia e melhora a sua própria saída.
Análise Estruturada - Quadro fixo de avaliação.
Padrão de Execução de Tarefa - Planear → Executar → Resumir.
RAG (Geração Aumentada por Recuperação) - Módulo 03
Pipeline de Processamento de Documentos - Carregar → dividir → embedar → armazenar.
Armazenamento de Embeddings em Memória - Armazenamento não persistente para testes.
RAG - Combina recuperação com geração para fundamentar respostas.
Pontuação de Similaridade - Medida (0-1) de similaridade semântica.
Referência de Fonte - Metadados sobre conteúdo recuperado.
Agentes e Ferramentas - Módulo 04
Anotação @Tool - Marca métodos Java como ferramentas acessíveis por IA.
Padrão ReAct - Raciocinar → Agir → Observar → Repetir.
Gestão de Sessão - Contextos separados para utilizadores diferentes.
Ferramenta - Função que um agente IA pode chamar.
Descrição da Ferramenta - Documentação do propósito e parâmetros da ferramenta.
Módulo Agente - Módulo 05
Anotação @Agent - Marca interfaces como agentes de IA com definição declarativa de comportamento.
Agent Listener - Gancho para monitorizar execução do agente via beforeAgentInvocation() e afterAgentInvocation().
Agentic Scope - Memória partilhada onde agentes guardam resultados usando outputKey para agentes seguintes consumirem.
AgenticServices - Fábrica para criar agentes usando agentBuilder() e supervisorBuilder().
Workflow Condicional - Roteamento baseado em condições para diferentes agentes especializados.
Human-in-the-Loop - Padrão de workflow que adiciona pontos de controlo humanos para aprovação ou revisão de conteúdo.
langchain4j-agentic - Dependência Maven para construção declarativa de agentes (experimental).
Loop Workflow - Iterar a execução do agente até uma condição ser cumprida (ex.: pontuação de qualidade ≥ 0.8).
outputKey - Parâmetro de anotação do agente que especifica onde armazenar resultados no Agentic Scope.
Parallel Workflow - Executar vários agentes simultaneamente para tarefas independentes.
Estratégia de Resposta - Como o supervisor formula a resposta final: LAST, SUMMARY, ou SCORED.
Sequential Workflow - Executar agentes em ordem, onde a saída flui para o passo seguinte.
Padrão de Agente Supervisor - Padrão agente avançado onde um supervisor LLM decide dinamicamente quais sub-agentes invocar.
Protocolo de Contexto do Modelo (MCP) - Módulo 05
langchain4j-mcp - Dependência Maven para integração MCP em LangChain4j.
MCP - Protocolo de Contexto do Modelo: padrão para ligação de apps de IA a ferramentas externas. Construir uma vez, usar em todo o lado.
Cliente MCP - Aplicação que conecta a servidores MCP para descobrir e usar ferramentas.
Servidor MCP - Serviço que expõe ferramentas via MCP com descrições claras e esquemas de parâmetros.
McpToolProvider - Componente LangChain4j que embrulha ferramentas MCP para uso em serviços IA e agentes.
McpTransport - Interface para comunicação MCP. Implementações incluem Stdio e HTTP.
Transporte Stdio - Transporte local via stdin/stdout. Útil para acesso ao sistema de ficheiros ou ferramentas linha de comando.
StdioMcpTransport - Implementação LangChain4j que inicia servidor MCP como subprocesso.
Descoberta de Ferramentas - Cliente consulta servidor para ferramentas disponíveis com descrições e esquemas.
Serviços Azure - Módulo 01
Azure AI Search - Pesquisa na cloud com capacidades vetoriais. Módulo 03
Azure Developer CLI (azd) - Implementa recursos Azure.
Azure OpenAI - Serviço empresarial de IA da Microsoft.
Bicep - Linguagem Azure de infra-estrutura como código. Guia de Infraestrutura
Nome da Implementação - Nome para a implementação do modelo no Azure.
GPT-5.2 - Último modelo OpenAI com controlo de raciocínio. Módulo 02
Testes e Desenvolvimento - Guia de Testes
Dev Container - Ambiente de desenvolvimento containerizado. Configuração
GitHub Models - Playground gratuito de modelos IA. Módulo 00
Testes em Memória - Testes com armazenamento em memória.
Testes de Integração - Testes com infraestrutura real.
Maven - Ferramenta de automação de build Java.
Mockito - Framework de mocking Java.
Spring Boot - Framework de aplicações Java. Módulo 01
Aviso Legal: Este documento foi traduzido utilizando o serviço de tradução automática Co-op Translator. Embora nos esforcemos pela precisão, por favor tenha em conta que traduções automáticas podem conter erros ou imprecisões. O documento original na sua língua nativa deve ser considerado a fonte autorizada. Para informação crítica, recomenda-se a tradução profissional efetuada por um humano. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações incorretas decorrentes da utilização desta tradução.