TLDR;

O curso diferencia modelos de chat, que são de pergunta-resposta, de AI agents, que transformam objetivos em resultados por meio de um loop de observar, pensar e agir até completar a tarefa. Um AI agent é composto por LLM como cérebro, loop contínuo, ferramentas, contexto e uma agent harness como Claude Code ou Codeex que facilita o processo. Iniciantes podem configurar pastas locais com prompts, contexto e instruções personalizadas em plataformas como Claude Code para criar agents que gerenciam departamentos como assistente executivo ou head de marketing.

Resumo

No episódio do podcast, Greg Eisenberg entrevista Remy Gasill para desmistificar conceitos confusos de IA, focando em agentes de IA para iniciantes. Remy explica que, enquanto modelos de chat são apenas "pergunta-resposta" (como pingue-pongue), agentes de IA transformam "objetivo em resultado": recebem uma tarefa, planejam e executam autonomamente. O coração é o "agent loop": observar (ver contexto e arquivos), pensar (planejar próximos passos) e agir (usar ferramentas), repetindo até concluir, baseado em parâmetros do prompt. Usando o exemplo de criar um site minimalista de portfólio para Greg Eisenberg, o agente pesquisa sobre ele, elabora um plano, escreve código e publica uma prévia online. Os componentes incluem LLM (cérebro, como Claude ou GPT), o loop contínuo (sem babysitting), ferramentas integradas, contexto (arquivos MD e pastas locais simulando "projetos" de chat) e "agent harness" (plataformas como Claude Code, Cursor, OpenClaw ou Manus que facilitam isso). Remy enfatiza que fundadores usando agentes são 10-20x mais produtivos, gerenciando departamentos inteiros como assistente executivo ou CFO. O episódio promete ensinar a replicar isso em qualquer plataforma, com demos práticas em pastas locais, elevando todos ao estágio atual da IA. (198 palavras)