Engenharia de agentes de IA
PT-BR

Apêndice B

Glossário

26 min de leitura

As entradas estão em ordem alfabética pelo termo em português, seguido, em itálico e entre parênteses, do termo em inglês do original (exceto quando o próprio livro usa a palavra em inglês).

Todos os termos a seguir foram definidos no texto na primeira vez em que importaram, ao lado do exemplo que os tornava concretos, e essas definições continuam sendo as que valem. Este apêndice existe para o outro jeito como as pessoas de fato leem um livro como este: é terça-feira, você está três capítulos adiante, o documento de projeto de alguém diz idempotente e você precisa do significado agora, sem arqueologia. Cada entrada dá a definição tal como este livro a usa, comprimida, com uma indicação do capítulo que trata a ideia como ela merece — e a indicação faz parte da definição, porque a maioria destes termos só se paga dentro de um argumento. Citações e atribuições ficam nesses capítulos, no ponto em que são usadas, de modo que as entradas daqui não trazem nenhuma.

Dois tipos de vocabulário dividem a lista, e vou ser honesto sobre qual é qual. A maior parte das entradas é a linguagem de trabalho da área, definida do jeito que os profissionais a usam. Algumas poucas são recursos do próprio livro — a mesa de trabalho, a bússola —, incluídos porque reaparecem em quase todas as páginas, e quem abre o livro no meio de um capítulo merece saber o que significa a mobília. Essas estão sinalizadas. A maioria dos termos em itálico dentro de uma entrada tem entrada própria; alguns poucos são variantes que remetem a uma entrada vizinha.

agent-washing

Rotular um sistema de agente porque a palavra vende, seja qual for a arquitetura por baixo. O erro de rótulo custa caro nas duas direções: um workflow vendido como agente compra uma cerimônia de supervisão de que não precisa; um agente entregue como “automação” pula as disciplinas que a autonomia exige. O remédio é uma única pergunta: é o modelo que decide o próximo passo, ou é o código? (capítulos 1 e 14).

agente

(agent) Um modelo de linguagem colocado em um loop e equipado com ferramentas. Ele olha o estado da tarefa, escolhe uma ação, vê o resultado e repete, até julgar que o objetivo foi atingido ou até que uma regra de parada encerre a execução; a versão de uma frase só que a área adota é que um agente executa ferramentas em loop para atingir um objetivo (capítulo 1). A propriedade que o define e o distingue de um workflow: é o modelo, e não um fluxograma seu, que decide o que acontece em seguida.

alucinação

(hallucination) O termo da área para uma saída fluente, específica, segura de si e errada — uma citação inventada, uma função que não existe. O mecanismo é a geração comum fazendo o seu trabalho onde falta um fato; o perigo operacional é que a invenção chega exatamente no tom do conhecimento (capítulo 2).

ancoragem

(grounding) Raciocínio mantido preso, passo a passo, a fatos conferidos com o mundo, em vez de livre para elaborar sobre as próprias lembranças. É o que a pauta intercalada do ReAct rende; o efeito medido é menos invenção e menos erro composto (capítulo 3).

aprendizado em contexto

(in-context learning) Ensinar um comportamento genuinamente novo por meio de exemplos colocados na janela, e não por meio de treinamento. É a razão pela qual um punhado de demonstrações bem escolhidas pode fazer as vezes de um conjunto de treinamento — e o mecanismo sobre o qual se constrói o classificador do capítulo 26 (capítulo 2).

arquivo permanente de instruções do projeto

(standing project-instructions file) O arquivo que um agente maduro lê no início de cada sessão: comandos de build, convenções, as regras da casa — memória procedural na sua roupa de trabalho mais simples, guardando o que o agente não consegue inferir só pelo código. Este livro também o chama de constituição. Mantido implacavelmente pequeno (para cada linha: removê-la causaria erros? se não, corte) e aprimorado pelo passo de capitalização (capítulos 9 e 22).

avaliação

(eval) Um teste para um sistema de IA: uma entrada, mais uma lógica de avaliação aplicada ao que quer que saia. A unidade a partir da qual se constroem os conjuntos de avaliação (capítulo 16).

avaliador–otimizador

(evaluator–optimizer) O workflow cuja seta definidora aponta para trás: uma chamada gera um candidato, um avaliador (de preferência um verificador real — uma suíte de testes, uma validação de schema) dá nota a ele, e as falhas voltam para correção, em loop, até a verificação passar ou um teto disparar. Também aparece como gerador–crítico (capítulo 10).

banco de dados vetorial

(vector database) Um armazenamento construído para responder rápido a uma única pergunta: dado um novo embedding, quais dos guardados estão mais perto? O índice por trás da recuperação semântica, embora muitos bancos de dados comuns tenham aprendido o truque (capítulo 8).

barreira de regressão

(regression gate) Um conjunto de avaliação ligado ao maquinário de lançamento como barreira automática: a mudança só vai para produção se o banco de tarefas avaliadas continuar passando. A barreira testa as falhas que você já imaginou; o resto da escada de implantação existe porque a realidade imagina melhor (capítulos 16 e 20).

botão de emergência

(kill switch) Um jeito óbvio, rápido e testado de parar de uma vez todos os loops e agentes em execução. Teste-o antes da primeira execução sem ninguém acompanhando, do mesmo modo que se testa o alarme de incêndio antes de o prédio encher (capítulo 13).

bússola, a

(compass, the) Recurso deste livro: quatro rumos enunciados no capítulo 1 e usados como apoio do começo ao fim. O primeiro e mais usado é que sinal indica que deu certo? — a verificabilidade como a pergunta de projeto que vem antes de todas as outras; o último é a coisa mais simples que funciona.

cache de prompt

(prompt caching) Uma otimização do fornecedor que explora a geração autorregressiva: o estado de leitura do começo de um prompt depende só desse prefixo, então um estado de prefixo guardado pode ser reaproveitado por qualquer chamada posterior cujos tokens iniciais coincidam byte a byte, com um desconto considerável. A consequência de projeto é uma regra: primeiro o conteúdo estável, por último o variável (capítulo 19).

cadeia de pensamento

(chain-of-thought) Pedir a um modelo que escreva passos intermediários de raciocínio antes de se comprometer com uma resposta. Os passos escritos melhoram de forma mensurável o desempenho em problemas de vários passos; também são texto gerado, a ser lido como ajuda de depuração, e não como um depoimento juramentado do cálculo (capítulo 4).

calibração da confiança

(trust calibration) Ver confiança apropriada.

canário

(canary) Um degrau da implantação gradual: encaminhar uma pequena fatia do tráfego real para a nova versão, observar as coortes lado a lado e só ampliar enquanto os números se sustentam. Duas disciplinas o tornam real: atribuição consistente (um usuário fica na mesma versão durante a sessão) e rollback automático com limiares escolhidos com calma, à luz do dia (capítulo 20).

chamada de ferramenta

(tool call) A solicitação estruturada do modelo para executar uma ferramenta: o nome da ferramenta mais argumentos que se encaixam no seu schema, emitidos como saída estruturada em vez de prosa. Também chamada de chamada de função, como sinônimo (capítulo 2).

chamada de função

(function calling) Ver chamada de ferramenta.

checkpoint

Um registro durável da posição de uma execução, feito para que uma execução que caiu possa ser retomada em vez de recomeçada. Um checkpoint registra a posição e nunca se o mundo lá fora fez o trabalho; essa lacuna é a razão pela qual checkpoints precisam de idempotência ao lado (capítulo 18).

chunk

A unidade da recuperação: um trecho de algumas centenas de palavras, pequeno o bastante para ser preciso e grande o bastante para ser entendido sozinho. A política de chunking molda silenciosamente tudo o que vem depois em um sistema de recuperação (capítulo 8).

classificador

(classifier) Um sistema que atribui cada entrada a uma categoria de um conjunto fixo. A versão deste livro é construída sobre um modelo pré-treinado configurado por definições de classe escritas — as definições são o modelo — e desenvolvida com a disciplina dos três conjuntos (capítulo 26).

cliente do modelo

(model client) A função que envia o histórico de mensagens mais as definições de ferramentas ao fornecedor e devolve a próxima resposta do modelo. Uma das quatro partes do agente mínimo, e a única que toca um fornecedor (capítulo 3; apêndice A).

código legível para agentes

(agent-legible code) Código organizado para que um agente consiga navegar por ele e alterá-lo com segurança: arquivos pequenos, contratos explícitos, testes rápidos, convenções escritas onde um contexto novo consiga encontrá-las. Expressão cunhada por este livro, sinalizada como tal onde é apresentada (capítulo 21).

compactação

(compaction) Comprimir um histórico longo — decisões tomadas, problemas em aberto, o plano atual — em um resumo curto que o substitui, para que uma execução longa possa continuar com a mesa limpa. O grau grosso da operação de comprimir (ao lado da poda cirúrgica e do corte de resultados de ferramentas); com perda por definição, de modo que o que o resumo descarta é uma decisão de projeto (capítulos 7 e 9).

condição de parada

(stop condition) As regras que encerram uma execução. Três famílias: o julgamento do próprio modelo de que o objetivo foi atingido (testemunho, e a saída menos confiável); o orçamento, obrigatório; e as saídas por erro, separadas por uma pergunta — o modelo consegue agir a partir deste erro, ou ele é evidência de que a execução descarrilou? O primeiro tipo volta para o modelo; diante do segundo, a execução para (capítulo 3).

confiança apropriada

(appropriate reliance) Confiança calibrada pela confiabilidade demonstrada: apoiar-se no agente exatamente tanto quanto o seu histórico justifica. As duas direções de falha antecedem os agentes em décadas na pesquisa sobre automação — o excesso de confiança (uso indevido: aceitar o que deveria ser conferido) e a falta de confiança (desuso: refazer o que a máquina acertou) (capítulo 24).

conjunto de avaliação

(eval set) Um banco de tarefas de teste com avaliação, que você roda de novo a cada mudança, para que a pergunta “esta edição deixou o agente melhor ou pior?” tenha uma resposta que você defenderia com um número. Cresce de forma mais honesta a partir de falhas reais encontradas nos traces (capítulos 15 e 16).

constituição

(constitution) Ver arquivo permanente de instruções do projeto.

controle deslizante de autonomia

(autonomy slider) Ver dial de autonomia.

decodificação restrita

(constrained decoding) Impor um schema de saída dentro do maquinário de geração: o schema vira um filtro que risca os tokens inválidos da lista ordenada antes de cada sorteio, de modo que o modelo escolhe livremente entre as continuações válidas e não consegue emitir uma inválida. O grau forte da saída estruturada; pedir com educação no prompt é o grau fraco (capítulo 2).

delegado confuso

(confused deputy) O nome que a segurança clássica dá a uma parte confiável enganada para gastar a própria autoridade em nome de outra. Um agente que sofreu injeção é exatamente isso: toda chamada de ferramenta que ele faz é assinada, na prática, com as suas credenciais, quer a instrução por trás dela tenha vindo de você, quer de uma página que ele leu (capítulo 17).

deterioração do contexto

(context rot) A tendência de a capacidade do modelo de usar qualquer fato se deteriorar à medida que a janela em volta dele se enche. A razão pela qual uma janela maior não conserta uma janela lotada, e o argumento permanente a favor da curadoria (capítulo 7).

dial de autonomia

(autonomy dial) Quanto um agente pode fazer entre um momento de atenção sua e o seguinte, ajustado por tarefa em vez de embutido no sistema. Quatro posições de trabalho: toda ação com consequências assinada; permissões permanentes com escalonamento na borda do envelope; aprovação no nível do plano; autonomia monitorada contra orçamentos. O mesmo instrumento visto do lado do produto é o controle deslizante de autonomia, que vai de um humano no loop a um humano sobre ele (capítulos 12 e 25).

disciplina dos três conjuntos

(three-set discipline) Desenvolver um classificador baseado em LLM sem se enganar, usando três conjuntos disjuntos: as demonstrações empacotadas na habilidade, o conjunto de desenvolvimento contra o qual você itera e um conjunto de teste reservado, consultado raramente e aposentado quando usado demais. O conjunto de treinamento pôde ser dispensado; a disciplina que cresceu em torno dele, não (capítulo 26).

divulgação progressiva

(progressive disclosure) Revelar informação em camadas, cada camada trazida só quando a tarefa mostra que ela é necessária: um nome sempre visível, um procedimento carregado quando acionado, arquivos de referência lidos sob demanda. O princípio de projeto que permite que uma grande biblioteca de habilidades não custe quase nada até ser usada (capítulo 6).

embedding

Uma longa lista de números que atribui a um texto a sua posição em um mapa do significado, produzida por um modelo treinado para que significados parecidos caiam em coordenadas próximas. O maquinário por baixo da busca semântica: “boi” e “vaca” são vizinhos, embora não tenham nenhuma letra em comum (capítulo 8).

engenharia composta

(compound engineering) Ver passo de capitalização.

engenharia de contexto

(context engineering) A disciplina de decidir o que preenche a janela de contexto do modelo a cada passo de uma execução — a informação e as ferramentas certas, no formato certo, no momento certo, decididas de novo a cada volta. A engenharia de prompt escreve um documento; a engenharia de contexto opera um sistema (capítulo 7).

engenharia de prompt

(prompt engineering) O ofício de escrever as fatias de instrução da janela — a redação do prompt de sistema, o formato dos exemplos. Um ofício de verdade, e um subconjunto: a engenharia de contexto responde pela mesa inteira (capítulo 7).

envelope de confiabilidade

(reliability envelope) A distância entre pass@k e passk à medida que k cresce — um retrato do temperamento de um agente. Um envelope estreito é um agente estável; um largo é um apostador talentoso, capaz de fazer a tarefa, mas em quem não se pode confiar para fazê-la sem ninguém acompanhando (capítulo 16).

escala ordinal

(ordinal scale) Uma pontuação feita de níveis ordenados, como notas escolares, e não de grandezas medidas, como pesos. O conselho deste livro para pontuadores baseados em LLM: prefira uma escala ordinal pequena, com cada nível definido como uma miniclasse, a uma pontuação contínua que o modelo não consegue de fato resolver, e recupere a resolução tirando a média de julgamentos discretos (capítulo 26).

escrever / selecionar / comprimir / isolar

(write / select / compress / isolate) As quatro operações de contexto — o repertório inteiro: escrever o contexto fora da janela (arquivos, notas, memória); selecionar o que entra (recuperação, kit de ferramentas); comprimir o que fica (corte, compactação); isolar o que pertence a outro lugar (quarentena, subagentes). São poucas o bastante para decorar, e este livro ainda não encontrou um remédio de contexto que não seja alguma combinação delas (capítulo 7).

espaço de ações

(action space) O universo de ações disponíveis para um agente: a soma do que as suas ferramentas permitem, nada além. Você projeta a competência e o risco de um agente com um único gesto, ao decidir o que entra nesse conjunto (capítulo 5).

execução durável

(durable execution) Escrever o código do agente como se a falha não existisse e deixar que um ambiente de execução torne a ficção verdadeira: o resultado de cada chamada de modelo e de cada chamada de ferramenta é registrado em um journal append-only, e, na recuperação, o código é executado de novo desde o início, com os passos já registrados devolvendo os valores gravados em vez de rodar de novo. O código se repete; o mundo, não (capítulo 18).

feature flag

Configuração que decide qual versão atende qual fatia do tráfego, de modo que promoção e rollback viram trocas de configuração — instantâneas, reversíveis, sem nova implantação. O plano de controle da escada de implantação (capítulo 20).

ferramenta

(tool) Uma função que o modelo pode pedir ao seu programa que execute, descrita a ele por um nome, uma descrição e um schema de argumentos; a função em si nunca sai do seu processo. O modelo solicita; o seu código executa — a divisão de autoridade sobre a qual toda a arquitetura se apoia (capítulos 3 e 5).

fine-tuning

Continuar o treinamento de um modelo com os seus próprios exemplos, de modo que os próprios pesos mudem. Na divisão de trabalho deste livro: fine-tuning para como o modelo deve responder, recuperação para o que ele deve saber, porque o conhecimento deve ficar onde você possa atualizá-lo, inspecioná-lo e citá-lo (capítulo 8).

função objetivo

(goal function) O que um loop externo precisa e o loop interno não fornece: um objetivo persistente guardado fora do modelo (a especificação, o checklist, em disco, porque o agente esquece entre uma execução e outra), combinado com uma condição de parada verificável por máquina, avaliada depois de cada volta. Um loop é exatamente tão confiável quanto a verificação que o detém — ver oráculo (capítulo 13).

geração autorregressiva

(autoregressive generation) Como um modelo escreve: um token de cada vez, cada um condicionado a tudo o que veio antes, prompt e saída igualmente, sem nenhum rascunho guardado na reserva. A propriedade por trás tanto do poder (cada passo pode reagir ao anterior) quanto das contas a pagar (ver cache de prompt) (capítulo 2).

gerador–crítico

(generator–critic) Ver avaliador–otimizador.

guardrail

Uma verificação que vive fora do raciocínio do modelo e roda de forma determinística, seja qual for a decisão do modelo: código comum (de vez em quando um segundo modelo, separado) posicionado nas fronteiras do agente, com poder para permitir, bloquear, modificar ou escalonar o que passa por ali. O modelo fornece o critério; o harness fornece os limites; só um dos dois pode ser convencido na lábia (capítulo 17).

habilidade

(skill) Um pacote de instruções, arquivos de referência e scripts que um agente carrega sob demanda — conhecimento especializado empacotado: o critério sobre os verbos, sendo a ferramenta um verbo. Carregada por divulgação progressiva, versionada como código e auditada como uma dependência, porque um arquivo de instruções é comportamento (capítulo 6).

harness

Tudo o que você constrói em volta do modelo para transformá-lo em um agente que funciona: o próprio loop, as implementações das ferramentas e aquilo em que elas podem mexer, o cuidado com o histórico de mensagens, as regras de parada e, à medida que o sistema amadurece, o log, a recuperação de falhas e os guardrails. Um agente, em uma linha, é um modelo mais um harness. A área usa a palavra com um alcance elástico; este livro ancora a definição no capítulo 3 e concilia os sentidos mais amplos no capítulo 18.

histórico de mensagens

(message history) A lista crescente, marcada por papéis, de tudo o que foi dito e feito em uma execução: instruções, o objetivo, as respostas do modelo, cada chamada de ferramenta, cada resultado. Como o fornecedor não guarda estado, essa lista é a memória de curto prazo inteira do agente: o que o seu código deixa de acrescentar nunca aconteceu (capítulos 2 e 3).

humano no loop / sobre o loop

(human in the loop / on the loop) As duas pontas da faixa do dial de autonomia, em um vocabulário mais antigo que os modelos de linguagem: no loop significa dentro da execução, aprovando as ações à medida que acontecem; sobre o loop significa acima dela, revisando o que uma execução autônoma propõe e produz (capítulos 12 e 25).

idempotência

(idempotency) A propriedade de que fazer uma operação duas vezes tem o mesmo efeito que fazê-la uma vez, o que torna a nova tentativa segura por construção. As leituras a têm naturalmente; as escritas são a armadilha, e a solução padrão é a chave de idempotência — um valor derivado da identidade lógica da ação, sob o qual o serviço a jusante guarda o primeiro resultado e o devolve em qualquer repetição (capítulo 18).

implantação sombra

(shadow deploy) Rodar uma versão candidata contra o tráfego real enquanto os usuários veem apenas a saída da versão vigente, de modo que o novo comportamento é medido em escala de produção com exposição zero aos usuários. Também chamada de lançamento às escuras; o segundo degrau da escada de implantação (capítulo 20).

injeção de prompt

(prompt injection) A família de ataques em que instruções são contrabandeadas para dentro de um texto que o modelo lê, explorando o fato de que o modelo vê um único fluxo indiferenciado de tokens, sem nenhuma fronteira estrutural entre instruções confiáveis e conteúdo apenas lido. Direta: o atacante é o usuário, digitando. Indireta: a instrução se esconde em um conteúdo que o agente encontra fazendo um trabalho legítimo — uma página da web, um e-mail, um comentário no código —, e esse é o evento principal para agentes que usam ferramentas, cujo trabalho é ler coisas que outras pessoas escreveram. Toda defesa conhecida é estatística; a regra de trabalho deste livro é tratar como falsa qualquer alegação de prevenção e projetar, em vez disso, o raio de impacto (capítulo 17).

janela de contexto

(context window) O trecho limitado de texto que um modelo consegue considerar em uma única chamada — instruções, histórico, resultados de ferramentas e a resposta que está sendo escrita, todos dividindo um mesmo orçamento de tokens. Este livro a representa como uma mesa (ver mesa de trabalho, a) (capítulo 2).

lacuna de verificação

(verification gap) A distância entre o quanto uma saída parece convincente e o quanto custa conferi-la. Uma propriedade do domínio, e a razão pela qual agentes de pesquisa falham de um jeito diferente dos agentes de programação: para afirmações factuais abertas não existe um compilador de fatos, só substitutos parciais, com seus limites (capítulo 23).

lançamento às escuras

(dark launch) Ver implantação sombra.

LLM (grande modelo de linguagem)

(large language model) Mecanicamente, uma função: entra texto e, para cada token seguinte possível, sai uma probabilidade de que ele venha em seguida, com o sistema em volta sorteando um token de cada vez (ver geração autorregressiva). Chamado como qualquer API; não guarda estado entre uma chamada e outra (capítulo 2).

LLM aumentado

(augmented LLM) Uma única chamada de modelo com três portas acopladas: recuperação, ferramentas e memória. O bloco de construção básico a partir do qual se montam workflows e agentes; todo padrão deste livro organiza cópias dessa unidade (capítulos 1 e 10).

LLM como juiz

(LLM-as-a-judge) Usar um modelo de linguagem, armado com uma rubrica escrita, para dar nota a saídas ou compará-las do jeito que um revisor humano faria — a saída padrão para avaliadores que leem em velocidade humana e cobram preço humano. Um juiz é um instrumento que precisa ele mesmo ser calibrado contra o julgamento humano antes de merecer confiança (capítulo 16).

loop externo

(outer loop) O maquinário montado em volta do agente (o loop interno): ele decide qual deve ser a tarefa, lança o agente com uma janela nova, avalia o resultado contra a função objetivo, anota o placar em algum lugar durável e escolhe o próximo movimento. Você já roda um à mão e o chama de backlog; escrevê-lo como sistema é o que permite que ele rode sem ninguém acompanhando (capítulo 13).

loop interno

(inner loop) Ver loop externo.

memória

(memory) Os jeitos de um agente levar adiante o que importa, organizados neste livro segundo a mobília de escritório com que se parecem: a memória episódica é o diário de bordo (registros append-only do que aconteceu), a memória semântica é o armário de arquivos (fatos, que exigem curadoria porque ficam desatualizados) e a memória procedural é o manual de procedimentos (como se comportar — o objeto mais afiado da sala, porque uma entrada ali é o comportamento futuro do agente). A memória de curto prazo é simplesmente o histórico de mensagens (capítulo 9).

mesa de trabalho, a

(desk, the) A imagem que este livro usa para a janela de contexto: a superfície de trabalho em que tudo o que o modelo consulta durante uma chamada precisa caber ao mesmo tempo, e que é limpa entre uma chamada e outra. Apresentada no capítulo 2 e usada até a última página; como qualquer metáfora, ela é sinalizada onde se esgarça.

oráculo

(oracle) A palavra do ofício de testes, emprestada por este livro: uma fonte de verdade externa à coisa julgada, que declara uma resposta certa ou errada. Uma suíte de testes é um oráculo forte; um compilador é um oráculo tosco, mas incorruptível; o modelo que fez o trabalho é um mau oráculo para esse trabalho. Um loop é exatamente tão confiável quanto o seu oráculo (capítulos 4 e 13).

orçamento

(budget) Um teto rígido imposto pelo harness, indiferente à opinião do modelo: sobre as voltas do loop, os tokens, o tempo de relógio ou o dinheiro. Obrigatório, porque um loop cuja única saída é o julgamento do modelo não tem saída garantida nenhuma; agentes maduros rodam vários orçamentos ao mesmo tempo (capítulo 3).

orquestrador–worker

(orchestrator–worker) O formato multiagente: um agente principal decompõe a tarefa e delega as partes a workers, cada um rodando em quarentena, com uma janela nova e um briefing autocontido, e devolvendo resultados destilados. Quase toda falha de coordenação remonta a uma violação em uma das duas portas — o briefing que entra, o retorno que sai (capítulos 9 e 11).

pass@k e passk

(pass@k and passk) Duas estatísticas-resumo para um sistema que é uma distribuição, e não uma função. pass@k: a probabilidade de que pelo menos uma de k tentativas dê certo — o número certo quando um verificador barato escolhe o vencedor em uma pilha. passk: a probabilidade de que todas as k tentativas deem certo — o número certo para um agente que precisa acertar toda vez que age sem ninguém acompanhando. O mesmo agente pode ser um triunfo no primeiro e uma catástrofe no segundo (capítulo 16).

passo de capitalização

(compound step) O pequeno ritual que fecha uma tarefa: antes de seguir em frente, pergunte o que o agente deveria ter sabido no início e escreva isso no arquivo permanente de instruções do projeto, uma linha por lição. O hábito por trás do que algumas equipes chamam de engenharia composta — cada execução deixa o sistema permanentemente mais bem instruído. O modelo esquece e não pode ser treinado por você; o harness pode aprender, e é assim que aprende (capítulo 22).

ponto de aprovação

(approval gate) Um ponto em que a execução para até que uma pessoa aprove, rejeite ou edite a ação proposta. O instrumento básico da supervisão; posicione os pontos de aprovação pela consequência (quanto custa uma ação errada), nunca pela conveniência (capítulo 12).

programação aumentada

(augmented coding) Trabalhar com um agente de programação sem deixar de se importar com o próprio código — o seu projeto, os seus testes, a sua manutenibilidade —, tendo o agente como um colaborador cuja produção você lê e molda. A ponta oposta do espectro de intenção em relação ao vibe coding (capítulo 21).

prompt de sistema

(system prompt) O espaço de mensagem que carrega as instruções permanentes: quem o modelo deve ser, o que pode e o que não pode fazer, o formato que as respostas devem ter. Escrito uma vez, reenviado pelo harness a cada chamada e — um fato que vale a pena tatuar em algum lugar — um pedido, e não um mecanismo de imposição; ver guardrail (capítulos 2 e 17).

protocolo

(protocol) Um acordo sobre como dois programas escritos de forma independente conversam — formatos de mensagem, sequências, promessas —, para que o código de desconhecidos coopere sem uma cola feita sob medida para cada par. A prática de agentes usa dois tipos: os protocolos de ferramentas conectam um agente a capacidades e dados (o Model Context Protocol é o exemplo de destaque, identificado como tal), e os protocolos entre agentes o conectam a outros agentes que raciocinam, planejam e respondem no seu próprio tempo (o Agent2Agent é o exemplo identificado). Seja como for, o ganho é aritmético: os adaptadores deixam de se multiplicar como conectores × agentes (capítulo 6).

protocolo entre agentes

(agent protocol) Ver protocolo.

quarentena

(quarantine) Isolar um trabalho na sua própria janela de contexto: delegar uma subtarefa autocontida a um subagente, com uma janela nova e um pequeno conjunto de ferramentas, deixá-lo gastar o que gastar e aceitar de volta um resultado destilado. Duas portas, guardadas com rigor: o que pode entrar é o briefing que você escreveu, e o que pode sair são conclusões — tratadas como evidência a ser pesada, nunca como instruções a obedecer. Também é o muro entre o conteúdo não confiável e a ação com consequências (capítulos 7, 9 e 17).

RAG (geração aumentada por recuperação)

(retrieval-augmented generation) O padrão por trás da maioria dos sistemas que respondem a partir dos seus documentos: no momento da requisição, recuperar os chunks mais relevantes de um índice e colocá-los na janela ao lado da pergunta, para que o modelo responda a partir da evidência que está na mesa, e não dos seus dados de treinamento congelados (capítulo 8).

raio de impacto

(blast radius) Tudo o que um passo, uma execução ou um agente poderia quebrar ou vazar se desse tão errado quanto possível. O vocabulário permanente do livro para a metade de custo de toda aposta de implantação; três dials o ajustam — o que o agente tem permissão para fazer, onde ele roda e quais das suas ações esperam por um humano (capítulo 17).

ReAct

A pauta intercalada no coração do loop do agente — um breve pensamento escrito, uma ação, uma observação e então o pensamento seguinte, condicionado ao que acabou de voltar —, batizada na literatura de pesquisa como Reason + Act (raciocinar + agir). O formato textual rígido do original se dissolveu no treinamento dos modelos; a pauta sobrevive (capítulo 3).

regressor

(regressor) Um sistema que atribui a cada entrada um número, e não uma categoria. Para pontuadores baseados em LLM, ver escala ordinal (capítulo 26).

roteamento

(routing) Classificar e então ramificar: um passo de decisão barato manda cada entrada pelo caminho construído para o seu tipo. Um dos três formatos básicos de workflow e, convenientemente, um classificador em roupa de trabalho (capítulos 10 e 26).

saída estruturada

(structured output) Saída do modelo restrita a um formato legível por máquina — em geral JSON conforme um schema —, para que o código comum possa ramificar de acordo com o que o modelo decidiu. A ponte que torna possível o uso de ferramentas e, portanto, os agentes; vem em dois graus (ver decodificação restrita) (capítulo 2).

sandbox

Uma fronteira rígida em volta do lugar onde o agente roda, imposta pelo sistema operacional ou pelo hypervisor, e não pelo julgamento de quem quer que seja. A lógica é a da subtração: uma credencial que nunca foi montada dentro da fronteira não pode ser lida por injeção nenhuma, porque o alvo não está lá. Construa-a com primitivas testadas em batalha; a camada mais fraca é a que você mesmo construiu (capítulos 17 e 20).

span

Uma unidade de trabalho em um trace: uma única operação, com um horário de início, um horário de fim e atributos estruturados. Toda chamada de modelo é um span, toda chamada de ferramenta é um span, todo subagente é uma subárvore; o trace é a árvore que eles formam (capítulo 15).

subagente

(subagent) Outro motor sem estado, cujo briefing inteiro é o que quer que você coloque na delegação. A definição importa mais que o antropomorfismo: ele não estava na sala para nada, conhece apenas o briefing e devolve apenas o que o seu autor o disciplinou a devolver (ver quarentena) (capítulos 7 e 11).

superfície de supervisão

(supervision surface) Uma interface construída para julgar o trabalho em andamento, e não para conversar sobre ele: a lista de execuções, a fila de aprovação, o trace, as evidências, os controles de recuperação — um quadro, onde o chat é um pergaminho (capítulo 24).

teatro de revisão

(review theater) Diligência encenada em um volume no qual ela já não pode ser real: rolar quatrocentas linhas geradas com o cuidado se esvaindo, enquanto as marcas verdes ao lado do diff atestam a consistência interna e não dizem nada sobre se aquela era a coisa certa a construir (capítulo 12).

token

A unidade que um modelo de fato lê e escreve: um pedaço de texto de um vocabulário fixo — muitas vezes uma palavra, às vezes parte de uma; em média, pense em três quartos de uma palavra em inglês. Tokens são a medida da janela de contexto e o que o medidor cobra (capítulo 2).

trace

O registro completo e estruturado de uma execução — cada chamada de modelo, cada chamada de ferramenta e cada resultado, como uma árvore de spans com tempos, contagens de tokens e custos. O mesmo registro é uma transcrição quando lido como conversa e uma trajetória quando tratado como um caminho amostrado entre as possibilidades de uma tarefa: um objeto, três ofícios olhando para ele (capítulo 15).

trajetória

(trajectory) Ver trace.

transcrição

(transcript) Ver trace.

tríade letal

(lethal trifecta) A combinação de três elementos que faz de um agente um risco de roubo de dados: acesso a dados privados, exposição a conteúdo não confiável e um canal de comunicação com o exterior. Com quaisquer dois dá para conviver; os três no mesmo agente significam que uma instrução injetada pode ler os segredos e enviá-los para fora. Batizada na literatura de segurança e adotada por este livro como checklist (capítulo 17).

vibe coding

O modo em que você não lê o código antes de rodá-lo: você julga o comportamento, e o código é um meio que você se recusa a inspecionar. Legitimamente útil para coisas descartáveis e protótipos; o termo nunca pretendeu abranger toda a programação assistida por IA — ver programação aumentada (capítulo 21).

workflow

Várias chamadas de modelo e chamadas de ferramenta ligadas entre si ao longo de caminhos que o seu código define de antemão: o modelo preenche o conteúdo em cada passo, e o seu código decide qual passo vem a seguir. Você poderia desenhar o fluxograma dele antes de colocá-lo para rodar — a propriedade que o separa de um agente (capítulos 1 e 10).

zona burra

(dumb zone) O estado degradado em que um modelo escorrega quando a sua janela se enche além de um limite flexível bem abaixo do máximo rígido: ele para de se envolver com as suas correções e concorda por reflexo (“você tem toda a razão”) enquanto o trabalho para de melhorar. O nome que os profissionais dão à deterioração do contexto sentida no teclado; o remédio é manter baixa a ocupação da janela e começar do zero em vez de tentar argumentar até trazê-lo de volta (capítulo 7).