Curso de Agentes de IA Online
Curso prático de Agentes de IA: você aprende a construir agentes autônomos que raciocinam, usam ferramentas (function calling), consultam bases de conhecimento (RAG) e executam tarefas reais — usando n8n, LangChain, OpenAI e Claude. Ao final, você sabe desenhar, testar, conectar a WhatsApp/CRM e colocar um agente em produção, do prompt de sistema ao deploy monitorado.
Atualizado em 28 de junho de 2026 · Catálogo Affiliate University
| Curso | Curso de Agentes de IA |
| Formato | 100% online, no seu ritmo |
| Duração | 7 módulos, aproximadamente 9h de vídeo |
| Conteúdo | 7 módulos · 28 aulas |
| Idioma | Português (Brasil) |
| Categoria | IA e Automação |
Por que fazer o Curso de Agentes de IA?
Um chatbot responde; um agente decide e age — chama APIs, consulta documentos, lembra do contexto e completa um fluxo de ponta a ponta. É exatamente nesses pontos (escolher a ferramenta certa, controlar alucinação com RAG, dar memória e evitar loops infinitos) que a maioria dos projetos quebra e onde mora o valor real. Dominar essa engenharia é o que separa demos bonitas de agentes que funcionam em produção e aguentam volume.
O que você vai aprender no Curso de Agentes de IA
- Escrever prompts de sistema robustos com papel, regras, formato de saída e guardrails que reduzem alucinação e respostas fora de escopo
- Implementar function calling / tool use no OpenAI e Claude para o agente chamar APIs, buscar dados e executar ações reais
- Construir RAG do zero: chunking, embeddings (text-embedding-3), banco vetorial (Pinecone/Supabase pgvector) e citação de fontes
- Montar agentes visuais no n8n conectando WhatsApp, Google Sheets, CRM e e-mail sem depender só de código
- Dar memória ao agente (curto e longo prazo) e gerenciar contexto para conversas longas sem estourar tokens
- Orquestrar múltiplos agentes e ferramentas com LangChain/LangGraph (roteador, agente supervisor, ReAct)
- Avaliar e debugar com LangSmith: medir latência, custo por execução, taxa de acerto e evitar loops infinitos
- Fazer deploy em produção com webhooks, controle de custo de tokens, rate limit e logs de monitoramento
Materiais inclusos
- Swipe — Swipe de 25 prompts de sistema validados (atendimento, vendas, suporte, pesquisa)
- Código — Repositório com agente ReAct + function calling pronto (Python e Node.js)
- Código — Pipeline de RAG completo: chunking, embeddings e busca vetorial comentado
- Modelo — 5 fluxos n8n exportáveis (.json): agente WhatsApp, CRM, e-mail e Sheets
- Planilha — Calculadora de custo de tokens por modelo e por execução
- Checklist — Checklist de deploy e segurança de agentes em produção (40 itens)
- Mapa mental — Mapa mental da arquitetura de um agente (LLM, tools, memória, RAG, orquestração)
- PDF — Guia de definição de tools (JSON schema) com 15 exemplos prontos
- Pacote — Pacote de templates de avaliação no LangSmith para medir acerto e latência
Currículo do Curso de Agentes de IA: módulos e aulas
Módulo 1 — Fundamentos de Agentes de IA
- O que diferencia um agente de um chatbot: percepção, raciocínio e ação
- Anatomia do loop ReAct (Reason + Act) e quando usar
- Modelos e custos: GPT-4o, GPT-4o-mini, Claude e como escolher por tarefa
- Montando o ambiente: API keys, OpenAI/Anthropic SDK e n8n local
Módulo 2 — Engenharia de Prompt para Agentes
- Prompt de sistema: papel, regras, formato e guardrails
- Saída estruturada em JSON e schemas para integrar com sistemas
- Técnicas anti-alucinação e controle de escopo
- Few-shot e exemplos validados que melhoram a confiabilidade
Módulo 3 — Function Calling e Ferramentas
- Definindo tools e parâmetros no OpenAI e no Claude
- Conectando o agente a APIs externas (clima, busca, CRM)
- Tratamento de erros, retries e validação de respostas da tool
- Construindo uma ferramenta de busca na web para o agente
Módulo 4 — RAG — Memória de Conhecimento
- Chunking e estratégias de divisão de documentos
- Embeddings com text-embedding-3 e como funcionam
- Banco vetorial: Pinecone e Supabase pgvector na prática
- Pipeline de RAG com citação de fontes e re-ranking
Módulo 5 — Agentes no n8n (no-code/low-code)
- Nó AI Agent do n8n: trigger, memória e tools
- Agente de atendimento conectado ao WhatsApp
- Agente que lê Google Sheets e atualiza um CRM
- Webhooks e automação de fluxos com aprovação humana
Módulo 6 — Orquestração com LangChain e LangGraph
- Chains, agents e tools no LangChain
- Multi-agente: supervisor, roteador e agentes especialistas
- Gerenciamento de memória de curto e longo prazo
- Construindo um grafo de estados com LangGraph
Módulo 7 — Avaliação, Deploy e Produção
- Debug e tracing com LangSmith: custo, latência e acertos
- Controle de tokens, rate limit e prevenção de loops
- Deploy via API/webhook e variáveis de ambiente seguras
- Monitoramento, logs e iteração contínua do agente
Para quem é o Curso de Agentes de IA?
Para iniciantes em programação e profissionais de automação/marketing que querem sair do ChatGPT básico e construir agentes de IA que executam tarefas reais. Ideal para quem quer atender clientes, automatizar processos internos ou prestar serviços de IA.
Quanto tempo dura o Curso de Agentes de IA?
O Curso de Agentes de IA tem 7 módulos, aproximadamente 9h de vídeo, organizado em 7 módulos com 28 aulas. As aulas são gravadas: você estuda no seu ritmo e pode rever qualquer aula quando quiser.
Este curso faz parte do catálogo da Affiliate University. Enquanto a matrícula individual não abre, conheça as formações completas com matrícula aberta hoje:
Perguntas frequentes sobre o Curso de Agentes de IA
Preciso saber programar para criar agentes de IA?
Não para começar. O módulo de n8n é no-code/low-code e permite montar agentes funcionais arrastando blocos. Para os módulos de LangChain e function calling há exemplos prontos em Python e Node.js, explicados linha a linha — você consegue acompanhar mesmo sem experiência prévia e evolui ao longo do curso.
Qual a diferença entre agente de IA e chatbot?
Um chatbot apenas responde texto. Um agente de IA raciocina, decide qual ferramenta usar, chama APIs, consulta bases de dados (RAG), guarda memória e executa uma tarefa de ponta a ponta. O curso foca justamente nessa capacidade de agir, não só conversar.
Quais ferramentas o curso usa?
n8n para fluxos visuais, OpenAI (GPT-4o) e Claude para os modelos, LangChain e LangGraph para orquestração, Pinecone e Supabase pgvector para RAG, e LangSmith para avaliação e debug. Tudo com versões gratuitas ou de baixo custo para você praticar.
O que é RAG e por que é importante para agentes?
RAG (Retrieval-Augmented Generation) faz o agente buscar informação em seus próprios documentos antes de responder, em vez de inventar. É o que reduz alucinação e permite que o agente responda com base no seu manual, catálogo ou base de conhecimento, citando a fonte.
Dá para conectar o agente ao WhatsApp?
Sim. Há uma aula dedicada conectando o agente ao WhatsApp via n8n, com memória de conversa e ferramentas. Você recebe o fluxo .json pronto para importar e adaptar ao seu caso.