Name the skills you gained building the triage assistant, choose the next learning path that fits your current limitation, and keep only the resources worth keeping open
Quando construí meu primeiro sistema que importou no trabalho — um painel interno que ajudava uma equipe de suporte a encontrar respostas mais rápido — eu não fazia ideia de que ele se tornaria a espinha de tudo o que faço hoje. Aquele painel cresceu para um serviço RAG de automação de suporte de-identificado do qual pessoas reais dependiam, e ele me ensinou o exato laço que você passou esta trilha construindo: ler uma mensagem recebida, respondê-la a partir do que você sabe, encaminhá-la quando não consegue e escalar no momento em que está incerto.
Quero que você note que agora construiu esse mesmo laço você mesmo. Ao longo dos últimos módulos você montou um assistente de triagem de suporte ao cliente de-identificado: ele recebe uma mensagem de cliente, responde a partir de uma pequena base de conhecimento, a classifica e encaminha, e passa a um humano quando sua confiança é baixa. Esse não é um padrão de brinquedo que inventei para uma lição — é o formato do primeiro sistema que entreguei do qual usuários reais dependeram.
Neste módulo final quero fazer três coisas honestas com você: nomear o que você de fato construiu, apontar as trilhas que eu seguiria a seguir e lhe entregar apenas os recursos que genuinamente mantenho abertos enquanto trabalho.
Você construiu um laço funcional, não uma demonstração. O assistente de triagem que você montou segue o mesmo padrão central por trás de boa parte das ferramentas de suporte reais — responder, encaminhar, escalar. Quase tudo daqui em diante é refinamento desse laço.
Quero que você seja preciso sobre suas novas habilidades, porque confiança vaga desvanece enquanto competência específica se acumula.
Você consegue fazer uma chamada real a um modelo de linguagem. Você escreveu client.messages.create(...) contra o SDK da Anthropic com um id de modelo real e leu a resposta de volta — sem camada de abstração fingindo por você.
Você consegue expor dados e ações por um servidor MCP. Você aprendeu por que um recurso (conhecimento somente-leitura que o assistente pode olhar) é uma coisa diferente de uma ferramenta (uma ação que o assistente pode tomar), e dividiu seu assistente de triagem nessa linha de propósito.
Você consegue conectar um modelo e um servidor em um agente que decide. Seu assistente não apenas devolve texto — ele classifica a mensagem recebida e escolhe se a responde ou a escala.
Agora note o que não está nessa lista. Você não fez fine-tuning de um modelo, não rodou um cluster nem entregou para milhares de usuários, e não vou fingir que você fez. O que você tem é a fundação honesta que eu tinha quando comecei — e é mais do que suficiente para construir a próxima coisa.
Antes de continuar, responda isto para si mesmo: no assistente que você construiu, qual única decisão mais determina se um cliente frustrado é ajudado ou ignorado? Guarde sua resposta — o quiz final volta a ela.
Estas são trilhas reais neste site, e eu as ordenei do jeito que de fato as aprenderia.
Aprofunde primeiro na camada do servidor. Seu assistente de triagem se apoiou em um único servidor MCP simples. Fundamentos de Servidores MCP reconstrói esse servidor adequadamente — recursos, ferramentas e os padrões que uso quando um servidor precisa fazer trabalho de verdade.
Depois faça o agente raciocinar, não apenas reagir. Fluxos de Trabalho de IA Agêntica é onde seu instinto de "escalar quando incerto" vira uma disciplina de design real: planejamento, confiabilidade e manter um humano no circuito de propósito.
Depois aprenda a mantê-lo sustentável. Desenvolvimento de Agentes 12 Fatores é a trilha que eu gostaria de ter tido cedo. Trata de escrever agentes que você ainda consegue entender em seis meses em vez de código esperto que você não consegue.
Dê uma memória ao seu assistente. Sistemas de Memória de Agentes ataca a próxima limitação óbvia: seu assistente de triagem esquece cada cliente no instante em que a conversa termina.
Por fim, entregue de verdade. Sistemas de IA em Produção cobre implantação, monitoramento e escala — o trabalho que transforma o laço que você construiu em algo de que outras pessoas podem depender.
Você não precisa de todas elas. Escolha aquela que corresponde à limitação que mais o incomoda agora. Essa irritação específica é o melhor currículo que você tem.
A forma mais rápida de cimentar esta trilha é continuar trabalhando no mesmo assistente de triagem em vez de começar algo novo. Aqui está como eu o faria crescer, do menor passo primeiro.
Adicione uma segunda fonte de conhecimento. Neste momento seu assistente responde a partir de uma pequena base de conhecimento. Aponte-o para uma segunda e faça-o decidir qual consultar. Você sentirá imediatamente por que o roteamento é uma habilidade própria.
Leia as decisões de escalonamento dele à mão. Registre cada vez que o assistente escala e cada vez que ele responde, depois leia de fato. Você não está perseguindo um número — está verificando se a confiança dele corresponde à realidade. Este é o trabalho mais útil e menos glamoroso da área.
Deixe um humano corrigi-lo. Adicione uma forma de um agente de suporte marcar uma resposta como "errada" e armazenar essa correção. Você acaba de construir a semente de todo laço de feedback que uso hoje.
Dê uma cara a ele. Envolva o assistente no menor formulário web possível para que um não-engenheiro possa experimentá-lo. Ver alguém que não o construiu de fato usá-lo lhe ensinará mais do que qualquer suíte de testes.
Resista ao impulso de reconstruir do zero. Cada uma dessas estende o sistema que você já entende. Começar um "app dos sonhos" totalmente novo geralmente significa reaprender o básico em vez de avançar para além dele.
Estou listando apenas coisas que de fato uso. Uma lista curta e verdadeira vence uma longa e inflada.
Para o modelo:
Para o MCP:
Para Python:
asyncio — porque servidores MCP reais são assíncronos, e é aqui que isso finalmente faz sentido.Leia o código-fonte, não só os documentos. Quando estou travado, leio os servidores MCP de referência acima antes de recorrer a outro tutorial. Código funcional responde perguntas que a prosa não consegue.
Eu construo abertamente, e prefiro apontar você para lugares reais do que para uma lista de links de convite mortos.
Aqui está a pergunta com que quero que você fique antes de seguir: o assistente de triagem que você construiu decide quando escalar para um humano. Onde essa linha deve ficar — e quem paga o preço quando você a traça errado? Defina o limiar cauteloso demais e você soterra as pessoas em passagens desnecessárias; defina-o confiante demais e um problema real recebe uma resposta enlatada. Não tenho um número universal para você, e qualquer um que alegue ter está vendendo algo. Decidir essa linha, para um sistema específico e as pessoas específicas que ele atende, é o trabalho de verdade. Bem-vindo a ele.
Quase lá. Você começou sem saber o que era um sistema de IA; você termina tendo construído um — o mesmo laço de triagem de suporte que lançou meu próprio trabalho. Experimente o desafio de extensão abaixo, faça a verificação final e então vá escolher a próxima trilha que coça a vontade que você sente agora.
Muito bem. Veja o que vem a seguir.
Voltar para esta trilhaOu agende a chamada de diagnóstico