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.
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