Link GITHUB
https://github.com/rronqui/EspecialistaIANivel1
Relato de Aprendizado Técnica: Desenvolvimento de Assistente de Carreira em IA
O desenvolvimento deste código proporcionou uma imersão prática em arquiteturas modernas de Orquestração de LLMs e gerenciamento de estado em aplicações de inteligência artificial. Os principais aprendizados foram:
Orquestração com LCEL (LangChain Expression Language)
O código permitiu compreender a eficiência do operador pipe (|) para criar fluxos de dados lineares e modulares. Aprendi a conectar um PromptTemplate, um modelo de linguagem e um OutputParser de forma declarativa, o que facilita a manutenção e a legibilidade do sistema.Gerenciamento Avançado de Memória e Contexto
Um dos pontos mais críticos foi a transição da gestão manual de listas para o uso de componentes profissionais:
Padrão Singleton: Implementado na função de recuperação de histórico para garantir a integridade dos dados por sessão.
RunnableWithMessageHistory: Aprendi a "envelopar" a lógica de negócio para que o histórico seja injetado e atualizado automaticamente, eliminando a necessidade de manipulação manual de mensagens.
In-Memory: Compreendi como o InMemoryChatMessageHistory funciona para prototipagem rápida e a importância de identificar cada conversa via session_id.
- Engenharia de Prompt Estruturada
O uso de ChatPromptTemplate com diferentes papéis (system, human, placeholder) demonstrou como guiar o comportamento da IA:
A definição de um papel claro ("GeoAI Mentor") ajuda a manter a consistência nas respostas para geocientistas.
O uso de placeholders permitiu a inserção dinâmica de contexto sem quebrar a estrutura da query do usuário.
Conte com o apoio da comunidade Alura na sua jornada. Abraços e bons estudos!