Curso de Prompt Engineering

Este repositório contém os exercícios práticos e exemplos da disciplina de Prompt Engineering do MBA em Engenharia de Software com IA.

Estrutura dos capítulos

📁 1-tipos-de-prompts

Fundamentos de prompt engineering com 9 técnicas essenciais:

• Role-based prompting
• Zero-shot e Few-shot learning
• Chain of Thought (CoT) e variações
• Tree of Thoughts (ToT)
• Skeleton of Thought (SoT)
• ReAct framework
• Prompt chaining
• Least-to-most decomposition

📁 4-prompts-e-workflow-de-agentes

Implementações de workflows baseados em agentes para:

• Análise arquitetural de código
• Auditoria de dependências
• Orquestração de comandos entre agentes

📁 5-gerenciamento-e-versionamento-de-prompts

Sistema avançado de gerenciamento de prompts com:

• Versionamento local usando YAML
• Integração com LangSmith para colaboração
• Agentes especializados para code review e criação de PRs
• Testes automatizados com pytest

📁 6-prompt-enriquecido

Técnicas avançadas de enriquecimento de prompts:

• Query expansion
• ITER-RETGEN (Iterative Retrieval Generation)
• Enriquecimento contextual de queries

Configuração do Ambiente

Importante: Cada pasta do curso possui seu próprio ambiente virtual e dependências específicas.

1. Criar e Ativar Ambiente Virtual

# Navegue até a pasta desejada
cd [pasta-do-capítulo]

# Criar ambiente virtual
python -m venv venv

# Ativar ambiente virtual
# No macOS/Linux:
source venv/bin/activate

# No Windows:
venv\Scripts\activate

2. Instalar Dependências

pip install -r requirements.txt

3. Configuração das Variáveis de Ambiente

# Copiar arquivo de exemplo
cp .env.example .env

# Editar o arquivo .env e adicionar suas chaves
# Minimamente necessário: OPENAI_API_KEY=sua_chave_aqui

Dependências Principais

As dependências variam entre os capítulos:

• Capítulos 1 e 4: LangChain 0.3.x (versão estável)
• Capítulos 5 e 6: LangChain 1.0.0a5 com LangGraph para recursos avançados

Para detalhes específicos de cada capítulo, consulte o arquivo requirements.txt correspondente.