Pular para conteúdo

Capítulo 9.2 — Bibliografia mínima por trilha

  • ML tradicional / MLOps: MLflow, Feast, Evidently, scikit-learn docs; Mitchell et al. - Model Cards for Model Reporting; Gebru et al. -Datasheets for Datasets; Hardt, Price & Srebro - Equality of Opportunity; Barocas, Hardt & Narayanan - Fairness and Machine Learning; ICLR 2025 blog sobre calibração.
  • LLMs / Fine-tuning / Quantização: Vaswani et al. - Attention Is All You Need; Sennrich, Haddow & Birch - BPE; Hu et al. - LoRA; Dettmers et al. - QLoRA; Frantar et al. - GPTQ; Lin et al. - AWQ; Xiao et al. - SmoothQuant; bitsandbytes e llama.cpp docs.
  • Embeddings e retrieval: Kusupati et al. - Matryoshka Representation Learning; OpenAI/Cohere/Nomic embeddings docs; Malkov & Yashunin - HNSW; Faiss docs; Pinecone/Weaviate/Qdrant/OpenSearch docs; Microsoft GraphRAG; Neo4j GraphRAG.
  • Serving / Throughput: vLLM (PagedAttention, continuous batching); TensorRT-LLM (in-flight batching, paged KV cache); Hugging Face TGI; speculative decoding (Leviathan et al.); BentoML - prefill/decode.
  • Agentic AI / MCP / A2A: MCP spec; A2A spec (a2a-protocol.org); Anthropic engineering blogs; OpenAI Agents SDK; LangGraph; AutoGen.
  • AI gateways: LiteLLM, Kong AI Gateway plugins, Portkey, Cloudflare AI Gateway (docs oficiais).
  • Segurança, identidade e autorização: OWASP LLM Top 10; NIST AI RMF; NIST GenAI Profile; MITRE ATLAS; OPA/Rego; Cedar; SpiceDB; OAuth 2.0 (RFC 6749), Token Exchange (RFC 8693), Device Grant (RFC 8628), PKCE (RFC 7636), OAuth Security BCP (RFC 9700); MCP Authorization.
  • Observabilidade: OpenTelemetry GenAI semantic conventions e GenAI agent spans.
  • Supply chain: SLSA v1.2, SPDX, CycloneDX (incl. ML-BOM), OpenSSF Scorecard, Sigstore/cosign, in-toto, NTIA/CISA SBOM guidance.

A bibliografia completa, com URLs e organização temática, está em docs/references.md.

🏁 Encerramento

Se você chegou até aqui, três ideias - todas variações da mesma tese -deveriam ter ficado mais firmes:

  1. Sistemas de IA em produção não são apenas modelos. São sistemas sociotécnicos que precisam ser projetados, operados, observados, auditados e depreciados como software crítico.
  2. Controle determinístico não é mitigação probabilística. Onde o risco é real, a defesa precisa estar em código, autorização, schema e política - não em texto livre dentro de um prompt.
  3. A maior parte do valor real está no sistema, não no modelo. Trocar o modelo raramente resolve o problema certo; trabalhar o pipeline ao redor quase sempre resolve mais do que parece.

O recorte foi para o caso comum, não para o espetacular: time pequeno, orçamento real, auditoria que ainda vem aí, cliente que não aceita resposta inventada. Se o material ajudar alguém a desenhar com mais paciência, operar com mais ferramentas e parar antes de declarar "100% seguro", ele já cumpriu o que se propôs.

📌 Estado deste rascunho

Esta versão é um rascunho técnico aberto, em construção. Em particular:

  • Algumas partes estão mais maduras que outras; profundidade desigual é esperada nesta fase.
  • Os exemplos práticos referenciados ao longo do livro ainda não foram implementados. Eles estão planejados em docs/examples-map.md e serão entregues em ciclos posteriores. O texto está estruturado para que essa entrega futura encaixe de forma natural.
  • O estudo de caso "Hermes Logística" aparece apenas como narrativa, sem código associado.
  • A bibliografia é deliberadamente enxuta; uma rodada de revisão externa está prevista para depois.

Nada disso bloqueia a leitura ou o uso do material como handbook público em evolução. O que está aqui é honesto sobre o que entrega.

🛤️ Para onde este projeto vai

O caminho público planejado, em ordem:

  1. v0.1 pública. Marca o ponto em que o material pode ser compartilhado abertamente como handbook técnico em construção, sem promessa de completude. É a versão para a qual esta rodada de estabilização está apontando.
  2. Implementação dos exemplos práticos (examples/), seguindo a matriz e ordem em docs/examples-map.md.
  3. Pipeline de publicação (GitHub Actions -> PDF a cada release).
  4. Posts derivados guiados por docs/linkedin-posts-map.md.
  5. Revisão técnica externa via issues e PRs da comunidade.
  6. v1.0. Conjunto coerente de texto editado + exemplos rodáveis
  7. revisão técnica externa concluída.

Cada degrau é incremental. Nada aqui depende de um "lançamento perfeito": o material amadurece em ciclos públicos.

🤝 Como acompanhar e contribuir

  • Issues e PRs são bem-vindos: erro técnico, omissão importante, forma melhor de explicar um conceito, referência primária faltando. As regras estão em docs/contributing.md.
  • Discussões sobre direção editorial ficam melhor em issue do que em PR direto.
  • Não envie marketing. O projeto é deliberadamente neutro; PRs promocionais são recusados com explicação.

Para acompanhar a evolução fora do repositório:

🪦 Sobre o que não entrou

Este livro não cobre, deliberadamente:

  • Treinamento de modelo fundacional do zero.
  • Detalhe profundo de RLHF/DPO/KTO além do necessário para vocabulário.
  • Hardware de aceleradores em nível de microarquitetura.
  • Catálogo exaustivo de frameworks da semana.

Esses tópicos têm material específico melhor do que este livro faria. O recorte aqui é engenharia de IA em produção, não pesquisa nem manual de framework.

🧠 Lembrete final

Sistemas de IA em produção não são apenas modelos. São sistemas sociotécnicos. Trate-os como tal.

Boa leitura, boa engenharia, e cuidado com promessas absolutas.

  • Ruan Pato