Skills
As “Skills” são funções reutilizáveis que ampliam as capacidades dos agentes no Studio IA. Elas permitem executar operações específicas — como cálculos, integrações com bancos de dados ou regras de negócio — que o modelo sozinho não consegue realizar de forma eficiente, especialmente em tarefas como matemática ou ações estruturadas.
Uma Skill é composta por código Python e pode ser utilizada em fluxos automatizados para dar mais precisão e controle à experiência do usuário.
Tipos de Skills
Existem dois tipos principais:
Embarcadas (nativas): São fornecidas pela plataforma e não podem ser editadas ou apagadas.
Customizadas: São criadas pelos usuários a partir do zero ou a partir da duplicação de uma Skill embarcada.
Ao customizar uma Skill embarcada, o sistema cria uma cópia independente. Essa nova versão pode ser editada livremente.
1. Skills Embarcadas (Nativas)
Esses são modelos pré-configurados fornecidos pelo próprio Skyone Studio. Eles vêm prontos para uso e não podem ser editados ou apagados pelos usuários. Atualmente, o Skyone Studio oferece dois modelos embarcados:
Skill com RAG:Utiliza a técnica de Retrieval-Augmented Generation (RAG), permitindo que o agente busque informações externas em tempo real para enriquecer as respostas fornecidas ao usuário.
Skill com SQL: Permite ao agente interagir diretamente com bancos de dados relacionais via SQL, respondendo perguntas e gerando resultados baseados em consultas estruturadas.
Esses modelos são ideais para cenários comuns, garantindo robustez e boas práticas já incorporadas. Entenda um pouco mais:
O RAG é uma técnica avançada de inteligência artificial que combina busca de informações (retrieval) com geração de texto (generation). Em vez de depender apenas do conhecimento aprendido durante o treinamento do modelo, o RAG permite que a IA consulte fontes externas em tempo real — como bases vetoriais ou documentos — para enriquecer e contextualizar suas respostas.
Componentes e Competências Essenciais no RAG
Compreensão do conceito RAG: Entender como os modelos de IA podem buscar informações externas em tempo real para complementar suas respostas geradas.
Busca Semântica: Aplicar embeddings e representações vetoriais para identificar os documentos mais relevantes para uma determinada consulta.
Indexação Vetorial: Trabalhar com ferramentas especializadas, como FAISS, Weaviate, Pinecone, Milvus, entre outras, para armazenar e buscar vetores de forma eficiente.
Integração com LLMs: Saber conectar mecanismos de busca (retrievers) a modelos de linguagem (LLMs) como GPT, LLaMA, entre outros, garantindo que a resposta final combine os dados buscados com geração textual fluida.
Construção de Pipelines RAG: Desenvolver o fluxo completo de trabalho: consulta, busca e responde. Garantindo que cada etapa funcione de forma integrada e eficiente.
Embedding de Documentos: Transformar textos em vetores utilizando modelos como all-MiniLM, nomic-embed, entre outros, para alimentar a base vetorial.
Frameworks para RAG: Utilizar frameworks como LangChain, LlamaIndex, Haystack, entre outros, para construir, organizar e orquestrar os pipelines RAG.
Avaliação de RAG: Medir a eficácia do sistema em termos de precisão, relevância das respostas e latência (tempo de resposta), garantindo qualidade e performance.
Governança e Segurança: Garantir que os fluxos RAG respeitem normas de confidencialidade, precisão e controle de acesso aos dados consultados.
O SQL é a linguagem padrão para consulta, manipulação e modelagem de dados em bancos de dados relacionais. Ele é essencial para profissionais que trabalham com análise de dados, engenharia de dados e administração de bancos.
Níveis de Competência em SQL
Básico: Comandos como SELECT, WHERE, ORDER BY para filtrar e consultar dados simples em tabelas.
Intermediário: Uso de JOINs, GROUP BY, HAVING, CASE para relacionar múltiplas tabelas, realizar agregações e criar consultas mais robustas.
Avançado: Emprego de subqueries, CTEs (Common Table Expressions) e window functions para desenvolver consultas complexas, oferecendo maior controle e eficiência.
Modelagem de Dados: Aplicação de princípios como normalização e desenho de esquemas relacionais eficientes, garantindo integridade e performance.
Performance e Otimização: Uso de índices, explain plans e técnicas de query tuning para otimizar consultas em bancos com grandes volumes de dados.
Segurança: Controle de acesso com roles, permissões e implementação de práticas para proteger dados sensíveis.
Ferramentas e SGBDs: Domínio prático de ao menos um sistema gerenciador de banco de dados (SGBD), como PostgreSQL, MySQL, SQL Server, BigQuery, entre outros.
2. Skills Customizadas
Esses são criados diretamente pelos usuários. Existem duas formas principais de criá-los:
Do zero: O usuário constrói toda a lógica e configuração personalizada para atender às necessidades específicas do negócio.
A partir da duplicação de uma Skill embarcada: O usuário copia um modelo nativo para ter uma base pronta e, a partir daí, faz ajustes e personalizações conforme necessário.
As Skills customizadas oferecem flexibilidade total, permitindo adaptar o comportamento do agente para casos de uso únicos e mais complexos.
Criar uma nova Skill
Para criar uma Skill personalizada:
Acesse o menu lateral e clique em “Skills”.
Clique em "Nova Skill" ou selecione uma Skill existente e clique em "Customizar".
Na tela de edição, preencha os seguintes campos:
Nome do módulo: É o identificador principal da Skill.
Funções: Aqui você pode escrever uma ou mais funções em Python. Cada função deve receber parâmetros e retornar valores de forma clara.
Após preencher todos os campos e validar o código, clique em "Salvar módulo".
Glossário – Skills de um Agente de IA
Skill
Capacidade ou função específica que um agente de IA é capaz de executar, configurada para responder a um objetivo ou necessidade de negócio.
(Ex.: responder perguntas sobre um banco de dados, extrair informações de um documento, classificar mensagens.)
Skill Nativa: Função já disponível na plataforma, pronta para uso, sem necessidade de programação ou integração externa.
Skill Personalizada: Função criada pelo usuário para atender a um caso de uso específico, podendo incluir regras, prompts customizados ou integrações com sistemas externos.
Skill de Consulta de Dados: Tipo de skill que acessa uma fonte de dados para responder perguntas, gerar relatórios ou apresentar informações atualizadas.
Skill de Integração: Habilidade configurada para se conectar a APIs ou sistemas externos, permitindo que o agente execute tarefas fora da plataforma.
Skill de Processamento de Texto: Capacidade do agente de analisar, resumir ou transformar textos, seja para simplificar informações ou para gerar conteúdo.
Skill de Ação: Função que permite ao agente executar uma tarefa prática, como enviar um e-mail, criar um ticket ou acionar um fluxo automatizado.
Trigger (gatilho de skill): Evento ou condição que ativa automaticamente uma skill configurada no agente.
Prioridade de Skill: Ordem de execução ou preferência que o agente segue quando mais de uma skill pode ser acionada para uma solicitação.
FAQ – Skills de um Agente de IA
Last updated