A Série LLM Primer

Um guia de campo em sete volumes sobre IA generativa, por Sho Shimoda — agora completo.

O que esta série é

A IA generativa está em toda parte agora, mas a maior parte do que se escreve sobre ela cai em dois extremos. De um lado, manchetes que tratam o assunto como mágica. Do outro, artigos técnicos que exigem álgebra linear pesada antes mesmo do parágrafo dois. Entre esses dois extremos sobra muito pouco — e é justamente nesse vão que profissionais reais precisam tomar decisões reais todos os dias.

A Série LLM Primer foi escrita para preencher esse vão, e agora está completa. Sete volumes, cada um pegando uma camada diferente do trabalho com grandes modelos de linguagem — dos fundamentos, à matemática por baixo, ao RAG, aos agentes com MCP, aos sistemas em produção, à escala, à segurança — abrem o capô de cada camada e mostram como aquilo funciona de um jeito que dá para usar no dia seguinte. Sem mistificação, mas também sem cair na armadilha de exigir doutorado antes do parágrafo três.

A série é escrita por Sho Shimoda — engenheiro, fundador e CTO. A voz é a mesma em todos os volumes: clara, direta, com o cuidado de explicar o porquê antes do como. Um volume puxa o outro, mas cada um se sustenta sozinho. Você pode entrar pelo Volume I e seguir a sequência, ou pular para o volume que resolve o seu problema agora. Um volume companheiro sobre Physical AI — quando os LLMs saem da tela e passam a controlar robôs, veículos autônomos e sistemas do mundo físico — acompanha a série.

Como ler esta página

Cada volume abaixo lista o seu sumário completo, organizado por Parte, junto do link para comprar na Amazon e para o passeio capítulo a capítulo publicado neste canal. Cada capítulo tem um artigo de passeio — clique para ler.

Os apêndices estão listados por transparência, mas são conteúdo exclusivo do livro — material de referência, cheat sheets, exercícios com solução, e tudo o que pertence ao fim do livro em vez de um artigo separado. Para ter os apêndices, é ler o livro mesmo.

Volume I — How Generative AI Works Um guia claro e prático para os fundamentos dos Grandes Modelos de Linguagem. A rampa de acesso, em linguagem comum, para a série inteira. Partindo do zero — tokens, treinamento, e o ato simples de prever o próximo token — ele constrói uma fotografia honesta e sem jargão do que é um LLM, como ele é treinado, e por que se comporta do jeito que se comporta, sem pressupor base anterior. É a fundação sobre a qual todos os volumes seguintes se erguem.

Introdução da série: LLM Primer I — passeio capítulo a capítulo: introdução e índice

Apêndices (apenas no livro)

Volume II — Language Models Through Mathematics Explorando o funcionamento interno da IA com olhar matemático. Um passeio matematicamente rigoroso, mas legível, pelas entranhas da IA: atenção, dinâmica de otimização, paisagem de perda, comportamento sob escala — explicados pela matemática que faz tudo aquilo funcionar. Cada equação que importa é derivada por inteiro, e cada uma vem embrulhada em uma história, uma analogia e um exemplo numérico trabalhado. Para quem quer a matemática que o primeiro volume deixou nas notas laterais.

Introdução da série: LLM Primer II — passeio capítulo a capítulo: introdução e índice

Apêndices (apenas no livro)

Volume III — Enhancing Enterprise AI with RAG Um guia prático para construir sistemas de geração aumentada por recuperação para o ambiente corporativo. RAG na prática — bancos de vetores, estratégias de chunking, e a arquitetura de ancorar o modelo nos seus próprios documentos para ter respostas corporativas confiáveis, atualizadas e rastreáveis. É o volume que se lê quando o seu trabalho é entregar funcionalidades de IA que precisam continuar atuais e precisam citar a fonte.

Introdução da série: LLM Primer III — Introdução da série e índice

Apêndices (apenas no livro)

Volume IV — Designing AI Cognition with MCP Engenharia de contexto, ferramentas e memória para agentes de IA confiáveis. Modelagem estruturada de contexto e orquestração: como dar forma ao raciocínio de um modelo desenhando o contexto e as situações que ele vê, em vez de mexer no modelo. É o volume que se lê quando se está construindo sistemas agentivos — inventários de ferramentas, loops longos, memória entre sessões, e a disciplina de desenhar com cuidado o que o modelo vai enxergar.

Introdução da série: LLM Primer IV — Introdução da série e índice

Apêndices (apenas no livro)

Volume V — Building Real-World LLM Applications Projetar, avaliar e operar sistemas LLM em produção. Um guia focado em sistema, do protótipo à produção — design de API, loops de avaliação, monitoramento e integração — transformando um modelo capaz em um produto confiável. É o volume que transforma a compreensão da arquitetura em serviços que rodam, com usuários reais em cima.

Introdução da série: LLM Primer V — Introdução da série e índice

Apêndices (apenas no livro)

Volume VI — Scaling AI Systems Arquitetando inferência de LLM com baixa latência para a escala de produção. Arquitetando inferência de alta performance: serving distribuído, otimização de latência e modelagem de custo para sistemas que precisam responder milhões de vezes por dia. É o volume que se lê quando o seu sistema de IA passou de um único servidor e agora precisa se comportar como infraestrutura de verdade.

Introdução da série: LLM Primer VI — Introdução da série e índice

Apêndices (apenas no livro)

Volume VII — AI Security Defendendo sistemas LLM contra prompt injection, jailbreaks e ameaças adversariais. Projetando IA segura e robusta: riscos adversariais, prompt injection, frameworks de governança e design defensivo para sistemas que vão para o mundo real. É o volume que se lê quando o seu sistema de IA precisa ser tratado como infraestrutura sensível à segurança.

Introdução da série: LLM Primer VII — Introdução da série e índice

Apêndices (apenas no livro)

Physical AI — um volume companheiro

Os sete volumes do LLM Primer cobrem os modelos que vivem dentro da tela — texto entrando, texto saindo, ferramentas do outro lado de uma API. Mas há uma segunda linha de trabalho que corre em paralelo: Physical AI, quando o modelo sai da caixa e passa a controlar coisas do mundo físico — braços robóticos, veículos autônomos, drones, sistemas de manufatura. Sensores como entrada, atuadores como saída, e camadas de segurança que precisam responder em tempo de latência de hardware, não de token. É um volume companheiro à série, escrito com a mesma voz e a mesma disciplina, para engenheiros que estão pisando no lado físico da IA.