Do uso de ChatGPT à integração em produto: prompts, RAG, embeddings, avaliação e guardrails — sem hype.
Mapa mental do roadmap
O que é LLMlimites e tokens
O que é LLM e um topico essencial da fase "Fundamentos" do Roadmap IA aplicada (LLM), focado em limites e tokens. Para dominar este conceito, recomenda-se criar um projeto pratico no GitHub e testar implementacoes reais.
Prompt engineeringformato e poucos exemplos
Prompt engineering e um topico essencial da fase "Fundamentos" do Roadmap IA aplicada (LLM), focado em formato e poucos exemplos. Para dominar este conceito, recomenda-se criar um projeto pratico no GitHub e testar implementacoes reais.
APIsOpenAI/Anthropic/local
APIs e um topico essencial da fase "Fundamentos" do Roadmap IA aplicada (LLM), focado em OpenAI/Anthropic/local. Para dominar este conceito, recomenda-se criar um projeto pratico no GitHub e testar implementacoes reais.
Custo e latênciamedir desde o dia 1
Custo e latência e um topico essencial da fase "Fundamentos" do Roadmap IA aplicada (LLM), focado em medir desde o dia 1. Para dominar este conceito, recomenda-se criar um projeto pratico no GitHub e testar implementacoes reais.
RAGretrieval + geração
RAG e um topico essencial da fase "Arquitetura" do Roadmap IA aplicada (LLM), focado em retrieval + geração. Para dominar este conceito, recomenda-se criar um projeto pratico no GitHub e testar implementacoes reais.
Embeddingsbusca semântica
Embeddings e um topico essencial da fase "Arquitetura" do Roadmap IA aplicada (LLM), focado em busca semântica. Para dominar este conceito, recomenda-se criar um projeto pratico no GitHub e testar implementacoes reais.
Tool callingagentes com limites
Tool calling e um topico essencial da fase "Arquitetura" do Roadmap IA aplicada (LLM), focado em agentes com limites. Para dominar este conceito, recomenda-se criar um projeto pratico no GitHub e testar implementacoes reais.
Memóriahistórico e resumo
Memória e um topico essencial da fase "Arquitetura" do Roadmap IA aplicada (LLM), focado em histórico e resumo. Para dominar este conceito, recomenda-se criar um projeto pratico no GitHub e testar implementacoes reais.
Avaliaçãocasos de teste
Avaliação e um topico essencial da fase "Produção" do Roadmap IA aplicada (LLM), focado em casos de teste. Para dominar este conceito, recomenda-se criar um projeto pratico no GitHub e testar implementacoes reais.
GuardrailsPII e políticas
Guardrails e um topico essencial da fase "Produção" do Roadmap IA aplicada (LLM), focado em PII e políticas. Para dominar este conceito, recomenda-se criar um projeto pratico no GitHub e testar implementacoes reais.
Observabilidadeprompts e falhas
Observabilidade e um topico essencial da fase "Produção" do Roadmap IA aplicada (LLM), focado em prompts e falhas. Para dominar este conceito, recomenda-se criar um projeto pratico no GitHub e testar implementacoes reais.
Fine-tuningsó se RAG não bastar
Fine-tuning e um topico essencial da fase "Produção" do Roadmap IA aplicada (LLM), focado em só se RAG não bastar. Para dominar este conceito, recomenda-se criar um projeto pratico no GitHub e testar implementacoes reais.
Detalhamento por fase
1 Fase 1 - Fundamentos
Objetivo da fase: consolidar o aprendizado pratico de fundamentos.
O que é LLM - limites e tokensessencial
O que é LLM e um topico essencial da fase "Fundamentos" do Roadmap IA aplicada (LLM), focado em limites e tokens. Para dominar este conceito, recomenda-se criar um projeto pratico no GitHub e testar implementacoes reais.
Prompt engineering - formato e poucos exemplosessencial
Prompt engineering e um topico essencial da fase "Fundamentos" do Roadmap IA aplicada (LLM), focado em formato e poucos exemplos. Para dominar este conceito, recomenda-se criar um projeto pratico no GitHub e testar implementacoes reais.
APIs - OpenAI/Anthropic/localessencial
APIs e um topico essencial da fase "Fundamentos" do Roadmap IA aplicada (LLM), focado em OpenAI/Anthropic/local. Para dominar este conceito, recomenda-se criar um projeto pratico no GitHub e testar implementacoes reais.
Custo e latência - medir desde o dia 1essencial
Custo e latência e um topico essencial da fase "Fundamentos" do Roadmap IA aplicada (LLM), focado em medir desde o dia 1. Para dominar este conceito, recomenda-se criar um projeto pratico no GitHub e testar implementacoes reais.
2 Fase 2 - Arquitetura
Objetivo da fase: consolidar o aprendizado pratico de arquitetura.
RAG - retrieval + geraçãoessencial
RAG e um topico essencial da fase "Arquitetura" do Roadmap IA aplicada (LLM), focado em retrieval + geração. Para dominar este conceito, recomenda-se criar um projeto pratico no GitHub e testar implementacoes reais.
Embeddings - busca semânticaessencial
Embeddings e um topico essencial da fase "Arquitetura" do Roadmap IA aplicada (LLM), focado em busca semântica. Para dominar este conceito, recomenda-se criar um projeto pratico no GitHub e testar implementacoes reais.
Tool calling - agentes com limitesessencial
Tool calling e um topico essencial da fase "Arquitetura" do Roadmap IA aplicada (LLM), focado em agentes com limites. Para dominar este conceito, recomenda-se criar um projeto pratico no GitHub e testar implementacoes reais.
Memória - histórico e resumoopcional
Memória e um topico essencial da fase "Arquitetura" do Roadmap IA aplicada (LLM), focado em histórico e resumo. Para dominar este conceito, recomenda-se criar um projeto pratico no GitHub e testar implementacoes reais.
3 Fase 3 - Produção
Objetivo da fase: consolidar o aprendizado pratico de produção.
Avaliação - casos de testeessencial
Avaliação e um topico essencial da fase "Produção" do Roadmap IA aplicada (LLM), focado em casos de teste. Para dominar este conceito, recomenda-se criar um projeto pratico no GitHub e testar implementacoes reais.
Guardrails - PII e políticasessencial
Guardrails e um topico essencial da fase "Produção" do Roadmap IA aplicada (LLM), focado em PII e políticas. Para dominar este conceito, recomenda-se criar um projeto pratico no GitHub e testar implementacoes reais.
Observabilidade - prompts e falhasessencial
Observabilidade e um topico essencial da fase "Produção" do Roadmap IA aplicada (LLM), focado em prompts e falhas. Para dominar este conceito, recomenda-se criar um projeto pratico no GitHub e testar implementacoes reais.
Fine-tuning - só se RAG não bastaropcional
Fine-tuning e um topico essencial da fase "Produção" do Roadmap IA aplicada (LLM), focado em só se RAG não bastar. Para dominar este conceito, recomenda-se criar um projeto pratico no GitHub e testar implementacoes reais.
Perguntas frequentes
Quanto tempo leva para concluir o Roadmap IA aplicada (LLM)?
O tempo estimado e de ~2–3 meses, dependendo da dedicacao diaria e pratica constante.
Por onde comecar do zero absoluto?
Inicie pela Fase 1 pelos nos marcados como essenciais antes de avancar para topicos avancados.
Como usar este roadmap
- Siga as fases na ordem — pular fundamentos cria buracos difíceis de fechar depois.
- Cada nó essencial precisa de um artefato: repo, deploy, checklist marcado ou demo.
- Ajuste o ritmo à sua rotina; a métrica é entrega, não data no calendário.
- Volte aos nós opcionais quando o núcleo estiver sólido.