Arco 3: RAG e Integração Fundamentada
🎯 Objetivos e Estratégia do Módulo
Os capítulos são unidades independentes de estudo; os encontros que os utilizam são definidos pelo Plano de Ensino e Cronograma 2026-2, fonte normativa de datas, pesos, escopo e avaliação.
Neste arco, os alunos conectam IA generativa a dados e serviços de forma robusta, rastreável e escalável. Na oferta 2026-2, o TP2 (retrieval e recomendação híbrida de skills) já foi entregue antes deste módulo: seus contratos, índice e evidências são reutilizados como artefatos de integração, sem criar requisitos retroativos. O módulo foca nas seguintes etapas: 1. Modelos e Prompts (Aulas 15 e 16): Dominando o consumo de APIs de IA Generativa e as melhores práticas em Prompt Engineering. 2. RAG na Essência (Aula 17): Construindo a Geração Aumentada por Recuperação “artesanalmente” em Python para total domínio dos fundamentos. 3. Integração e Reuso de Artefatos (Aulas 18 e 19): Adaptadores, contratos, proveniência e avaliação de retrieval; Java/Spring AI é um exemplo opcional, não requisito do TP2. 4. Preparação do TP3 (Aulas 20 a 22): Integração RAG fundamentada, com evidências, citações, abstenção, testes de contrato e observabilidade. Agentes, YAML e tool calling pertencem somente à trilha opcional TP3.5.
Este módulo sela a proposta da disciplina: formar não apenas pesquisadores, mas engenheiros de software capazes de integrar inteligência artificial moderna a arquiteturas empresariais sólidas.
Módulo 3: IA Generativa Aplicada & RAG Corporativo
Entrando no mundo da Inteligência Artificial Generativa e sua integração a sistemas corporativos com Java e Spring AI.
Os itens abaixo correspondem aos capítulos do Livro Didático, obras completas e independentes de agendamento. Para consultar em quais datas do semestre cada capítulo é ministrado, consulte o Cronograma da Disciplina.
Materiais Didáticos por Capítulo
Abaixo estão disponibilizados os materiais teóricos e práticos de apoio para cada um dos capítulos do Módulo 3:
| Capítulo | Tema Central | 📖 Livro-Texto | 📊 Slides Beamer | 🧪 Laboratório |
|---|---|---|---|---|
| Capítulo 15 | APIs de LLMs e Engenharia de Prompts Básica | Capítulo 15 | Slides 15 | Roteiro 15 |
| Capítulo 16 | Prompt Engineering Sistêmico e Structured Outputs | Capítulo 16 | Slides 16 | Roteiro 16 |
| Capítulo 17 | RAG Feito à Mão (Fundamentos Algorítmicos em Python) | Capítulo 17 | Slides 17 | Roteiro 17 |
| Capítulo 18 | A Virada de Chave Corporativa (Spring AI Setup) | Capítulo 18 | Slides 18 | Roteiro 18 |
| Capítulo 19 | O RAG Corporativo (Spring AI na Prática) | Capítulo 19 | Slides 19 | Roteiro 19 |
| Capítulo 20 | Consumo e Observabilidade da API RAG | Capítulo 20 | Slides 20 | Roteiro 20 |
| Capítulo 21 | Avaliação Quantitativa de Fidelidade RAG (Ragas) | Capítulo 21 | Slides 21 | Roteiro 21 |
| Capítulo 22 | Fechamento: O Oráculo RAG em Produção (TP2) | Capítulo 22 | Slides 22 | Roteiro 22 |