Aprender Agentes IA
Aprender Agentes IA — Aprenda como os agentes de IA funcionam e crie os seus no celular
Aprender Agentes IA é um app gratuito de cursos para iPhone e Android que ensina como os agentes de IA funcionam e como criá-los, para desenvolvedores, estudantes e pessoas em transição de carreira. São 60 cursos e 239 lições curtas, desde o primeiro loop de LLM até chamadas de ferramentas, RAG, LangChain e LangGraph, chegando à orquestração multiagente, além de um Agent Lab, onde você executa um agente em uma tarefa e acompanha cada chamada de ferramenta, resultado e resposta surgindo passo a passo, e um AI Mentor para quando algo dá errado.
- Preço
- Grátis, upgrade para Pro
- Plataformas
- iOS e Android
- Idiomas
- 22
- Classificação etária
- 4+
- Requisitos
- iOS 15.1 ou posterior


Um agente só é tão bom quanto a chamada de ferramenta que você consegue rastrear de verdade.
A maioria dos tutoriais sobre agentes mostra um diagrama do loop — pensar, agir, observar — e segue em frente. Este currículo para em cada seta: escreva a função que o modelo pode chamar, leia exatamente o que ele retornou e veja para onde um resultado incorreto da ferramenta desvia o loop.
O que é
Aprender Agentes IA é um app gratuito para iOS e Android que ensina como os agentes de IA são criados, com 60 cursos e 239 lições de cinco a dez minutos cada. O currículo vai da introdução a agentes baseados em LLM e à engenharia de prompts até chamadas de ferramentas, geração aumentada por recuperação (RAG) e bancos de dados vetoriais; depois passa por LangChain, LangGraph e LlamaIndex, chegando à orquestração multiagente, agentes de uso de computador e implantação em produção. As lições incluem exemplos de Python que você pode executar no próprio app, um Agent Lab que mostra cada etapa de uma execução de agente, quizzes após cada tópico e um AI Mentor para tirar dúvidas ao longo do caminho.
Dentro do app
Como ele é





O curso
O que o curso de Agentes de IA aborda
60 cursos e 239 aulas extraídos do próprio currículo do app — desde o primeiro loop de um agente de LLM até a orquestração multiagente e a implantação em produção.
Fundamentos de Agentes
Introdução aos Agentes de LLM, Engenharia de Prompts para Agentes, APIs de LLM na Prática (SDKs da OpenAI e da Anthropic), Operações de Agentes no Sistema de Arquivos, Fundamentos de Memória Conversacional e um primeiro conjunto de projetos práticos.
Uso de Ferramentas e Recuperação
O padrão de Uso de Ferramentas / Chamada de Funções, Integração de APIs para Agentes, Agentes de E-mail e Calendário, Trabalho com Embeddings, fundamentos de Geração Aumentada por Recuperação, Bancos de Dados Vetoriais para Agentes e Fundamentos de Observabilidade de Agentes.
Agentes para Plataformas Reais
Agentes para Slack e Plataformas de Chat, Agentes para GitHub e Repositórios, Agentes de Web Scraping e Busca de Dados, CLI de Agentes e Ferramentas Interativas, Gerenciamento de Segredos e Configurações, Fundamentos de LangChain, Saída Estruturada e Parsing, e Agentes de Banco de Dados que transformam linguagem natural em SQL.
Testes, Depuração e Confiabilidade
Fundamentos de Testes de Agentes, Depuração de Loops de Agentes, LangGraph para Agentes com Estado, LlamaIndex em Profundidade, Agentes com Múltiplas Ferramentas (o padrão ReAct), Construção de Agentes Confiáveis e Arquiteturas de Memória para Agentes.
Agentes Especializados
Agentes de Voz e Áudio, Integração com Grafos de Conhecimento, Arquitetura de Assistentes Pessoais de IA, Avaliação e Benchmarking de Agentes, Segurança e Guardrails de Agentes, Otimização de Custos e Latência e sistemas de Agentes de Atendimento ao Cliente e Pesquisa Profunda.
Produção e a Fronteira da Tecnologia
Orquestração Multiagente, Implantação de Agentes em Produção, Agentes de Uso de Computador e Navegador, Agentes Geradores de Código, Agentes de Planejamento de Longo Horizonte, Sandboxing e Execução Segura de Código e Sistemas de Agentes que se Aprimoram Sozinhos.
Como funciona
Como funciona uma lição sobre AI Agents
O curso segue uma ordem de construção — loop, depois ferramentas, depois memória, depois frameworks e, por fim, questões de produção — e o Agent Lab permite acompanhar o resultado, em vez de apenas ler sobre ele.
Leia uma parte do loop do agente
Uma lição aborda uma etapa concreta — como é uma chamada de ferramenta na transmissão, como um banco de dados vetorial retorna uma correspondência, por que um prompt precisa de separação de papéis — em linguagem simples, com tamanho adequado para uma pausa curta no dia.
Execute um agente e leia o rastreamento
No Agent Lab, dê uma tarefa a um agente e acompanhe cada chamada de ferramenta, resultado e resposta surgindo um passo de cada vez. O visualizador de rastreamento funciona como um depurador, para que você veja exatamente onde uma execução deu errado. As lições também incluem exemplos de Python que você pode executar diretamente nelas.
Crie o seu e depois corrija-o
Escolha um prompt de sistema, ferramentas, um limite de etapas e uma tarefa no Agent Builder e salve seu próprio agente. As missões do Lab pedem que você faça uma primeira chamada de ferramenta, corrija uma chamada com problema, leia um rastreamento, adicione uma proteção, encaminhe uma tarefa e divida o trabalho entre agentes paralelos; o AI Mentor explica o que um modelo fez quando um rastreamento não faz sentido.
O que está incluído
O que o app realmente aborda
Ao vivo
Agent Lab com execuções ao vivo
Dê uma tarefa a um agente e acompanhe cada chamada de ferramenta, resultado e resposta surgindo passo a passo; depois leia a execução em um visualizador de rastreamento criado para mostrar exatamente onde ela deu errado. Uma cota diária de execuções ao vivo é gratuita.
60
Cursos, do iniciante ao avançado
60 cursos e 239 lições, desde o primeiro loop de agente com LLM e a engenharia de prompts até chamadas de ferramentas, RAG, bancos de dados vetoriais, LangChain e LangGraph, chegando à orquestração multiagente, agentes de uso de computador e implantação em produção.
5
Orchestration Lab
Compare cinco padrões lado a lado — agente único, pipeline sequencial, roteador, distribuição paralela e gerador com crítico — e veja como cada um equilibra velocidade, custo e confiabilidade. Um padrão é gratuito; o Pro desbloqueia os demais.
Crie
Agent Builder
Escolha um prompt de sistema, ferramentas, um limite de etapas e uma tarefa; depois salve seus próprios agentes e execute-os no Lab.
6
Missões do Lab e exemplos de Python
Seis missões de agente — primeira chamada de ferramenta, corrigir uma chamada com problema, ler um rastreamento, adicionar uma proteção, encaminhar uma tarefa e dividir o trabalho entre agentes paralelos — além de exemplos de Python que você pode executar diretamente nas lições.
IA
AI Mentor
Pergunte por que uma chamada de ferramenta retornou dados em um formato incorreto ou por que o agente repetiu duas vezes a mesma etapa do loop e receba uma resposta em linguagem simples em segundos.
Contexto
O que é um agente de IA e o que realmente envolve criar um?
Um agente de IA é um programa que usa um modelo de linguagem para decidir o que fazer em seguida, não apenas o que dizer. Em vez de retornar uma única resposta, ele executa um loop: lê a situação, escolhe uma ação, chama uma ferramenta — um índice de pesquisa, um banco de dados, uma API, um trecho de código — lê o resultado e repete o processo até atingir o objetivo. Criar um agente é, em grande parte, fazer a engenharia em torno desse loop: decidir quais ferramentas o modelo pode chamar, estruturar os dados recebidos, identificar a etapa em que uma ferramenta falha ou uma resposta chega malformada e manter memória suficiente das etapas anteriores para que o agente não fique se repetindo.
Chamadas de ferramentasfunction calling
O mecanismo que permite ao modelo solicitar uma ação real — executar uma consulta, buscar uma página, enviar um e-mail — emitindo uma chamada estruturada que o seu código executa e cujo resultado devolve ao modelo. É a ligação entre um modelo que apenas prevê texto e um programa que faz algo.
RAGretrieval-augmented generation
Buscar documentos relevantes no momento da pergunta — normalmente em um banco de dados vetorial de embeddings — e passá-los ao modelo como contexto, para que a resposta se baseie nos seus próprios dados, e não no que o modelo memorizou durante o treinamento.
Frameworks de agentesLangChain, LangGraph, LlamaIndex
Bibliotecas que cuidam das partes repetitivas de um agente — o próprio loop, a memória, a integração com ferramentas e grafos multi-etapas com estado — deixando para você a lógica específica do seu agente, em vez da infraestrutura subjacente.
Orquestração multiagenteagentes que usam outros agentes
Um padrão em que um agente delega subtarefas a outros — um agente pesquisador, um agente programador, um agente revisor — cada um com suas próprias ferramentas e contexto, coordenados por uma camada que decide quem vem em seguida e concilia o que retorna.
Para quem é
Para quem é — e para quem não é
É uma boa opção se você
- Quer criar um agente que realmente chame uma ferramenta ou um banco de dados, em vez de apenas enviar prompts para um chatbot
- Está começando do zero com LLMs e quer entender o loop do agente antes dos frameworks
- Quer cursos práticos sobre plataformas específicas — bots do Slack, agentes do GitHub e agentes de banco de dados — e não um único modelo genérico
- É um desenvolvedor que quer ver LangChain e LangGraph usados em código funcional, não apenas em um diagrama
- Quer chegar à orquestração multiagente e à implantação em produção no futuro, sem parar em uma demonstração simples
Não é a ferramenta certa se você
- Quer toda a biblioteca de 60 cursos gratuitamente — o primeiro curso é grátis; o Pro desbloqueia o restante
- Não quer anúncios no plano gratuito; o Pro os remove
- Precisa de uso ilimitado do Mentor de IA no plano gratuito, que oferece uma cota diária
- Já executa agentes em produção e quer artigos de pesquisa, em vez de um curso sobre a ordem de construção
Dúvidas
Perguntas frequentes
Qual é o melhor app para aprender sobre agentes de IA no celular?
Aquele que leva você da leitura sobre o loop de um agente até vê-lo em execução. Aprender Agentes IA tem 60 cursos, começando pelo primeiro loop de LLM e passando por chamadas de ferramentas, RAG e LangChain até a orquestração multiagente, além de um Agent Lab onde você acompanha cada chamada de ferramenta e cada resultado em um trace, e um Mentor de IA para o momento em que uma chamada de ferramenta retorna algo inesperado. É gratuito para começar no iOS e no Android.
O que é um agente de IA, em termos simples?
Um agente de IA é um programa que usa um modelo de linguagem para decidir o que fazer em seguida, em vez de apenas decidir o que dizer. Ele executa um loop: lê a situação, escolhe uma ação, chama uma ferramenta, como um índice de busca, um banco de dados ou uma API, lê o resultado recebido e repete o processo. O modelo fornece o julgamento sobre o que fazer em seguida; o código ao redor — a parte que este app ensina você a escrever — fornece as ferramentas e executa a ação.
Qual é a diferença entre um agente de IA e um chatbot?
Um chatbot recebe uma mensagem e retorna uma resposta — texto entra, texto sai, e nada acontece no mundo. Um agente recebe um objetivo e continua trabalhando até alcançá-lo, realizando ações reais ao longo do caminho: consultando um banco de dados, chamando uma API, lendo um arquivo, verificando a própria saída e tentando novamente quando uma etapa falha. Os cursos de Learn AI Agents sobre chamadas de ferramentas e loops de agentes tratam especificamente dessa diferença — do que precisa existir no código para que a decisão de um modelo se transforme em uma ação.
Preciso saber programar antes de aprender sobre agentes de IA?
Ter alguma familiaridade com código ajuda, mas o primeiro curso não pressupõe nenhum conhecimento e começa explicando o que é um loop de agente de LLM. Cada aula combina uma breve parte teórica com exemplos em Python que você pode executar dentro da própria aula, para que a programação seja aprendida junto com os conceitos de agentes, e não como um pré-requisito separado. Aprender Agentes IA é voltado tanto para iniciantes quanto para desenvolvedores.
O que é RAG e por que um curso de agentes aborda bancos de dados vetoriais?
Geração Aumentada por Recuperação significa buscar documentos relevantes no momento da pergunta e fornecê-los ao modelo como contexto, para que a resposta se baseie nos seus próprios dados, e não apenas no que ele memorizou durante o treinamento. Bancos de dados vetoriais são o modo como essa recuperação funciona na prática — eles armazenam embeddings e retornam rapidamente as correspondências mais próximas de uma consulta. Agentes que respondem a perguntas sobre uma base de código, um produto ou um conjunto específico de documentos quase sempre usam esse padrão, por isso ele recebe cursos dedicados, e não apenas um parágrafo.
Qual é a diferença entre LangChain, LangGraph e LlamaIndex?
LangChain conecta as partes comuns de um agente — prompts, ferramentas e memória — para que você não precise reconstruir essa estrutura do zero. LangGraph adiciona estado explícito e ramificações, o que é adequado para agentes cujas etapas dependem do que aconteceu anteriormente, em vez de seguirem uma cadeia linear simples. LlamaIndex é especializado na parte de recuperação: carregar, indexar e consultar seus próprios documentos com eficiência. Learn AI Agents oferece um curso dedicado a cada um, e um curso de Agentes com Múltiplas Ferramentas aborda o padrão ReAct, em torno do qual eles costumam ser desenvolvidos.
Vale a pena aprender sobre agentes de IA em 2026?
Agentes são um dos exemplos mais claros de como um modelo de linguagem pode se transformar em algo que realiza tarefas, em vez de apenas descrevê-las, e as habilidades fundamentais são transferíveis entre frameworks: criação de ferramentas, estruturação de prompts, recuperação e identificação do momento em que um loop automatizado deve parar e pedir ajuda a uma pessoa. Aprender Agentes IA inclui cursos sobre segurança de agentes, guardrails, avaliação e otimização de custos e latência — questões que as equipes enfrentam quando um agente entra em produção.
Aprender Agentes IA é gratuito?
É gratuito para baixar e para começar. O primeiro curso, uma introdução aos agentes baseados em LLM, é gratuito, assim como uma cota diária do Mentor de IA, um padrão do Orchestration Lab, seu primeiro design no Agent Builder e uma cota diária de execuções ao vivo. O Pro desbloqueia todos os cursos e todos os padrões de orquestração, remove o limite diário de execuções e remove os anúncios.
Há um certificado ao final?
Sim. Ao passar no exame final, você recebe um certificado de conclusão que pode apresentar junto com os agentes que criou. Ele comprova o trabalho que você realizou, mas não é uma qualificação acadêmica credenciada.
Quais plataformas e linguagens são compatíveis e por que existem dois nomes?
Aprender Agentes IA funciona no iPhone (iOS 15.1 ou posterior) e no Android, tem uma interface em 22 idiomas e classificação 4+. A listagem no Google Play se chama Aprender Agentes IA, enquanto a App Store lista o mesmo app como Learn AI Agents. Ele faz parte da CoddyKit, uma família com mais de 40 apps de programação, por isso o formato das aulas é compartilhado com os outros cursos da linha.
Comece agora
Execute seu primeiro agente de IA hoje
Grátis para começar no iOS e no Android, em 22 idiomas.
Mais da CoddyKit
Disponível em iOS e Android.