Descubra o que torna os code agents especiais e como eles usam Python para raciocinar e agir. Crie seu primeiro agente com o smolagents, adicione ferramentas nativas e da comunidade para acesso à web e crie ferramentas personalizadas para conectar agentes a dados.

Introdução ao Hugging Face smolagents

Deixe o agente fazer as contas: insights sobre despesas

Ué, você não escreveu nenhuma função?

Criando um agente com ferramentas

Escrevendo código por meio de prompts: Juros compostos

Permita que agentes pesquisem na web

Criando um agente com ferramentas personalizadas

Só adicionar @tool: criando uma ferramenta personalizada

A conta, por favor! Dando acesso dos agentes aos dados

Um prompt, várias ferramentas

Transforme sua pipeline de RAG tradicional em um sistema agentic que recupera informações de forma iterativa e raciocina em múltiplas etapas. Construa ferramentas com estado para dar suporte a recuperações avançadas, guie agentes com intervalos de planejamento para melhorar os resultados e use callbacks para acompanhar e personalizar o comportamento do agente em tempo de execução.

Revisão de RAG

O Pipeline de RAG Passo a Passo

RAG em Ordem: Dos Manuais às Respostas

Então, o que realmente acontece no RAG?

A etapa que adiciona significado

Introdução ao Agentic RAG

Com estado por design: construa uma ferramenta de busca RAG

Conecte a ferramenta e desbloqueie o Agentic RAG

Trabalhando com agentes de múltiplas etapas

Acompanhe os passos do agente, monitore a ação

Hora do jogo: execute o agente completo

Agentic RAG e agentes de múltiplas etapas

Enfrente fluxos de trabalho complexos orquestrando equipes de agentes especializados sob a coordenação de um gerente. Adicione memória para manter o contexto entre interações, depure o comportamento do agente usando rastros de execução e etapas de raciocínio e implemente estratégias robustas de validação para garantir respostas confiáveis e de alta qualidade.

Introdução a sistemas multiagentes

Dividir para conquistar: criando agentes especialistas

Conheça a equipe: coordenação de agentes

Gerenciando a memória do agente

Não Esqueça: Mantendo a Memória Entre Chamadas

Rastreando a execução de código do agente

Validação da Resposta Final do Agente

Diga Mais, Agente: Impor Comprimento das Respostas

Agentes mais inteligentes: validar e tentar novamente

Parabéns!

Sistemas multiagente, memória e validação

Orders

Agentes de IA estão mudando a forma como trabalhamos com dados e software. De automatizar fluxos de trabalho a ajudar usuários em tarefas complexas, agentes podem pesquisar, raciocinar e agir em seu nome. Neste curso, você vai aprender a criar agentes usando o smolagents, um framework leve de Python desenvolvido pela Hugging Face.

Mão na massa com Code Agents e ferramentas

Você vai começar entendendo o que diferencia os code agents e por que eles são tão poderosos. Em seguida, vai criar seu primeiro agente do zero, usando o smolagents para gerar e executar código em Python. Você também vai aprender a integrar ferramentas nativas e criar ferramentas personalizadas para ampliar o que seus agentes conseguem fazer.

Deixe os agentes mais inteligentes com RAG e memória

Depois, você vai usar retrieval-augmented generation (RAG) para ajudar agentes a buscar informações em grandes coleções de documentos. Você irá além construindo sistemas de agentic RAG — agentes que raciocinam em várias etapas para obter respostas melhores. Você também vai aprender a adicionar memória para que os agentes lidem naturalmente com perguntas de acompanhamento e acompanhem o que já foi feito.

Coordene sistemas multiagente e valide as saídas

No capítulo final, você vai construir sistemas multiagente que coordenam agentes especialistas por meio de um gerente. Você vai adicionar intervalos de planejamento, usar callbacks para ter visibilidade do comportamento do agente e validar as respostas finais, garantindo que seus agentes sejam confiáveis e fáceis de usar.

Ao final do curso, você saberá como criar agentes que planejam com antecedência, trabalham em conjunto e fazem o trabalho acontecer.

Working with Hugging Face

Retrieval Augmented Generation (RAG) with LangChain

Aprenda a criar agentes inteligentes que raciocinam, agem e resolvem tarefas reais com Python.

Agentes de IA com Hugging Face smolagents

Aprenda a criar agentes inteligentes que raciocinam, agem e resolvem tarefas do mundo real usando Python.

Fundamentos de Hugging Face

Coletar e pré-processar os manuais em PDF.

Criar um índice semântico: dividir documentos em chunks, gerar embeddings e armazenar vetores.

Pesquisar no índice e selecionar os trechos mais relevantes.

Montar o contexto: juntar os trechos recuperados com separadores e metadados.

Gerar a resposta: enviar a pergunta e o contexto para o LLM responder.

RAG em Ordem: Dos Manuais às Respostas

Agentes de IA com Hugging Face smolagents

Exercício interativo prático