Tudo que discutimos nos documentos anteriores é pura teoria, apenas ajuda a entender o que é IA, como funciona e como ela pode ser aplicada. Mas a LLM é a parte prática e interessante da IA, pois é a que permite a interação com o usuário e a execução de tarefas.
LLM é o coração, o engine da Inteligência Artificial, é o que permite a IA entender o que você quer e gerar respostas coerentes e úteis.
O mais interessante é que as LLMS podem ser implementadas em super-servidores da Internet bem como em veículos autônomos ou mesmo num computador caseiro ou celular.
Importante: A LLM responderá de acordo com o que foi treinada, mas não tem consciência do que está respondendo nem sabe se a resposta é correta ou não; apenas responde com base no que aprendeu. Portanto a IA pode responder a pergunta mas o responsável sempre será um humano que valida as informações geradas.
Uma LLM é um modelo de IA que:
1 - recebe um 'texto' - seu 'prompt'
2 - estima uma resposta 'em texto'. Às vezes também pode gerar imagens/áudio dependendo da plataforma.
3 - usa padrões aprendidos para prever a continuação mais provável da linguagem, mas com possibilidade de seguir instruções.
Você pode acessar uma LLM de 3 jeitos principais:
1. Crie conta na plataforma (ex.: ChatGPT, Claude, Gemini ou outra que ofereça o modelo).
2. Abra o chat.
3. Digite um prompt e envie.
4. Ajuste o pedido conforme a resposta (ex.: “seja mais curto”, “refaça”, “inclua exemplos”, etc.).
Quando usar: É a maneira mais simples especialmente se você quer usar sem programar.
Você faz chamadas de rede (HTTP/SDK) para um provedor do modelo.
Fluxo típico:
1. Crie conta no provedor.
2. Gere uma API key.
3. No seu sistema/aplicação, faça requisições “prompt → resposta”.
4. Trate segurança (não vazar chaves), logs, custo e limites.
Quando usar: quando você quer criar um app, chatbot interno, automações, etc.
Você pode usar bibliotecas que facilitam:
- guardar histórico de conversa
- buscar informações em documentos (RAG)
- dividir tarefas
- criar fluxos com múltiplas etapas
Exemplos: frameworks de orquestração, RAG, agentes.
O uso eficiente de LLM depende do 'prompt'. Uma boa estrutura costuma incluir:
“Aqui está um exemplo do que eu quero” — “Use o mesmo padrão”.
Você pode adaptar assim:
Objetivo: [o que você quer]
Contexto: [informações relevantes]
Tarefas:
1) [passo 1]
2) [passo 2]
Formato da resposta: [ex.: lista, tabela, passo a passo]
Restrições: [ex.: máximo 200 palavras, evitar termos técnicos]
Perguntas antes de responder: [sim/não]
Bom prompt:
- “Revise o texto mantendo o tom formal”
- “Dê 3 versões: mais curta, mais persuasiva e mais técnica”
- “Ajuste para público leigo”
- “Traduza mantendo o significado e o nível de formalidade”
- “Liste também termos difíceis e alternativas”
- “Monte um plano de 4 semanas com metas diárias”
- “Considere meu tempo disponível: 30 min/dia”
- Diga linguagem, versão, erro, trecho mínimo reproduzível.
- “Explique o motivo” + “proponha correção” + “mostre testes”.
- Cole trechos relevantes (não precisa o documento inteiro).
- Peça: “resuma”, “extraia pontos-chave”, “faça perguntas”, “identifique riscos”.
Faça:
Evite:
Se você quer que a LLM “use seus documentos”, normalmente você:
Isso reduz “alucinações” e aumenta aderência ao seu conteúdo.
Você pode avaliar:
Ajustes comuns: