Projeto guiado + Exame final
Junte tudo: desenhe um assistente RAG + agente na AWS e conquiste seu badge.
6 min de leitura
Escolha como aprender
— combine como quiserDica: o vídeo é um resumo visual rápido — o áudio e o texto trazem a aula completa.
Você chegou à última aula da trilha. Aqui não tem conteúdo novo para memorizar — tem um projeto para montar, uma recapitulação para fixar e um exame para conquistar o seu badge. É o momento de juntar tudo que você aprendeu e ver que já consegue desenhar um sistema de IA real.
O projeto: Assistente de Documentos
O projeto é deliberadamente simples de enunciar: desenhe a arquitetura de um assistente que responde perguntas sobre documentos internos da empresa. Sem código pesado — o entregável é o diagrama e as decisões por trás dele.
A empresa tem PDFs de políticas, manuais técnicos e contratos. Os usuários fazem perguntas em linguagem natural. O sistema precisa responder com precisão, citar a fonte, escalar sem servidor dedicado e custar previsível.
Restrições que tornam o projeto real:
- Documentos mudam toda semana → ingestão incremental.
- Usuários diferentes têm acesso a subconjuntos diferentes de documentos → isolamento por tenant ou filtro de metadados.
- A empresa não quer respostas inventadas → guardrails e citação obrigatória.
- O assistente precisa saber a data de hoje e buscar o número de uma apólice num sistema legado → precisa de ferramentas.
Essas quatro restrições forçam você a usar quase tudo da trilha: RAG, agente, tool calling, guardrails, memória e FinOps. Não é exercício acadêmico — é o tipo de briefing que você recebe numa reunião de discovery.
Passo a passo: decisões de arquitetura
- 1
1. Escolha o modelo
No Amazon Bedrock, comece com Claude 3 Haiku para respostas rápidas e baratas em produção; reserve Claude 3 Sonnet ou Titan para tarefas que exigem raciocínio mais longo. Documente o critério: latência, custo por token e janela de contexto (aula 16).
- 2
2. Monte a Knowledge Base
Use Bedrock Knowledge Bases com S3 como fonte. Defina chunking por seção (não por tamanho fixo) para preservar contexto semântico. Adicione metadados de tenant e data de vigência em cada chunk — isso habilita filtros na busca (aulas 6 e 18).
- 3
3. Defina as ferramentas do agente
Duas ferramentas são suficientes:
get_current_date()(retorna data ISO) elookup_policy_number(policy_id)(chama API legada via Lambda). Escreva schemas OpenAPI precisos — o modelo usa o schema para decidir quando chamar (aula 7). - 4
4. Configure memória e sessão
Memória de curto prazo: janela de conversa gerenciada pelo AgentCore (últimas N trocas). Memória de longo prazo: não é necessária neste caso — o usuário não tem perfil persistente relevante. Documente a decisão; não adicione complexidade sem motivo (aula 12).
- 5
5. Adicione guardrails
Ative Bedrock Guardrails para bloquear prompt injection, filtrar PII na saída e recusar perguntas fora do escopo (ex.: pedidos de código malicioso). Defina o comportamento de fallback: resposta padrão + log do evento (aula 10).
- 6
6. Estime e controle o custo
Calcule: tokens de entrada (prompt + chunks recuperados) × preço do modelo + tokens de saída × preço. Defina um budget alert no AWS Budgets. Considere caching de embeddings para documentos estáticos. Revise se o custo por conversa é aceitável para o volume esperado (aula 19).
- 7
7. Esboce o diagrama
Pegue uma folha ou abra o Excalidraw. Desenhe o fluxo: usuário → API Gateway → AgentCore → (Knowledge Base OU Lambda tools) → modelo → resposta. Adicione S3, CloudWatch e Guardrails. Se o diagrama couber numa folha A4 e qualquer colega entender sem explicação, está bom.
Arquitetura de referência: Assistente RAG + Agente
Fluxo completo do assistente de documentos — da pergunta do usuário à resposta fundamentada, passando pelo loop do agente com RAG e ferramentas externas.
- API Gateway · REST / WebSocket
- AgentCore · loop ReAct + sessão
- Bedrock Guardrails · PII · injection · scope
- Modelo (Bedrock) · Claude 3 Haiku
- Knowledge Base · RAG gerenciado
- OpenSearch Serverless · índice vetorial
- S3 · PDFs + metadados
- Lambda · get_current_date()
- Lambda · lookup_policy_number()
- API Legada · Sistema de apólices
- CloudWatch · logs · métricas · alertas
Na prática, o que separa um arquiteto de um desenvolvedor que leu sobre IA não é o código — é a capacidade de olhar para um briefing e rapidamente mapear: qual componente resolve qual problema, onde estão os riscos e quanto vai custar. O diagrama que você esboçar neste projeto já demonstra esse raciocínio. Não precisa ser bonito; precisa ser correto e defensável. Se você consegue explicar cada seta para um colega cético, você passou no projeto.
A trilha em cinco módulos: o fio condutor
Você começou entendendo o que é IA e como um modelo aprende (módulo 1) — sem esse fundamento, todo o resto seria mágica. Depois entrou nos LLMs: tokens, contexto, embeddings e prompting. Aprendeu que o modelo é uma função matemática com um contrato de entrada e saída, e que a qualidade do prompt determina a qualidade da resposta.
No módulo 3, você adicionou memória e fatos com RAG, e aprendeu a dar ao modelo acesso ao mundo externo com tool calling e saída estruturada. Aprendeu também a medir se o sistema funciona (evals) e a protegê-lo (guardrails).
O módulo 4 montou o agente: o loop ReAct, memória de curto e longo prazo, padrões como reflection e multi-agente, e o MCP como protocolo de integração. Você parou de ver o agente como um chatbot e começou a vê-lo como um processo autônomo com estado.
O módulo 5 aterrou tudo na AWS: Bedrock para modelos gerenciados, AgentCore para agentes em produção, Knowledge Bases para RAG gerenciado, FinOps para custo e a decisão crítica de quando não usar IA.
O projeto desta aula é a síntese. Cada decisão que você tomou nos passos anteriores tem uma aula de fundamento atrás dela. Isso não é coincidência — foi o design da trilha.
O que você sabe fazer agora
Próximos passos: onde ir a partir daqui
Esta trilha é de fundamentos. Ela não termina aqui — ela abre portas.
Aprofunde na prática: escolha um dos componentes que mais te interessou — RAG, agentes ou segurança — e construa um protótipo real. O conhecimento de fundamentos que você tem agora vai acelerar muito esse trabalho. Você vai entender os erros antes de cometê-los.
Continue no site: publico regularmente artigos aprofundados sobre arquitetura de IA, estudos de caso reais e análises de novos serviços AWS. Os artigos partem do nível desta trilha — você vai entender tudo sem precisar de contexto extra.
O e-book: estou preparando um e-book que consolida a trilha com diagramas expandidos, checklists de decisão e referências adicionais. Assinantes da newsletter recebem primeiro.
Certificações: se o seu objetivo inclui certificações AWS, os fundamentos desta trilha cobrem boa parte do domínio de IA/ML do AWS Certified Solutions Architect e do AWS Certified Machine Learning — Specialty. Você não está começando do zero.
A comunidade: compartilhe seu diagrama do projeto. Poste, discuta, receba feedback. Arquitetura se aprende muito mais rápido quando você defende suas decisões para outras pessoas.
Agora, uma última coisa antes do exame.
Recapitulação da trilha
Toque num cartão para virar.
Dúvidas frequentes antes do exame
O exame tem pegadinhas ou é direto?
É direto. As questões testam compreensão dos conceitos e capacidade de aplicar — não decoreba de definições. Se você entendeu as aulas, vai bem.
Posso refazer o exame se não passar?
Sim. Revise os flashcards e as aulas dos tópicos onde errou antes de tentar novamente.
O badge tem validade?
O badge desta trilha não expira. Ele representa fundamentos — que são estáveis. Quando a trilha for atualizada com conteúdo novo, você pode optar por refazer o exame para obter a versão atualizada.
Preciso ter feito o projeto para fazer o exame?
Não é obrigatório, mas recomendo fortemente. O processo de tomar as decisões de arquitetura ativa o conhecimento de uma forma que só ler não ativa.
Você está pronto
Vinte e duas aulas atrás você começou com 'o que é IA'. Agora você consegue desenhar um sistema RAG + agente na AWS, defender cada decisão de arquitetura e estimar o custo antes de escrever uma linha de código. Isso é o que um arquiteto de IA faz. Faça o exame, conquiste o badge e continue construindo — o campo está evoluindo rápido, mas os fundamentos que você aprendeu aqui vão durar.