Atividade em sala: guiar a IA por diálogo para realizar uma tarefa no EvoX

Esta página é uma atividade prática em sala: use um breve prompt de diálogo para que a IA gere e execute uma tarefa básica de otimização no EvoX e, em seguida, verifique os resultados como um engenheiro faria. O foco não está em “fazer rodar”, mas em validar“o humano dá a direção, a IA entrega a implementação, o humano faz a validação”o ciclo de trabalho AI Native.

Objetivo da atividade

Concluir o ciclo mínimo “prompt → geração → execução → validação” em um ambiente real do EvoX, e não apenas obter um trecho de código legível. Você precisa vivenciar como guiar a IA por diálogo para realizar uma tarefa básica de otimização e verificar sua saída como um engenheiro.

Elementos de construção do prompt (todos indispensáveis)

• Problema de otimização e função objetivo: por exemplo, minimização da função Rastrigin.
• Espaço de busca e dimensões: por exemplo, 10 dimensões e o intervalo de valores de cada dimensão.
• Escolha do algoritmo/operadores: por exemplo, algoritmo DE, operadores de cruzamento e mutação.
• Tamanho da população e número de gerações: por exemplo, população de 128, 200 gerações.
• Backend de computação: CPU ou tensorização em GPU.
• Saída esperada: melhor valor, curva de convergência, log de execução.

Escolha do nível de detalhe do prompt

Prompts muito vagos acionam as configurações padrão da IA, dificultando avaliar se a intenção foi atendida; prompts muito detalhados acabam se tornando codificação manual. Recomenda-se explicitar“as restrições e os critérios de validação”, deixando os detalhes de implementação para a IA. Por exemplo, especifique o problema, o algoritmo, o tamanho da população e o número de iterações, mas não é necessário especificar como chamar a API.

Lista de verificação dos resultados da execução

• Foi realmente executado ou apenas forneceu o código? — Verifique o log do terminal e o tempo de execução.
• A curva de convergência melhora de forma monotônica e sem oscilações anômalas? — A curva deve cair de forma constante.
• O melhor valor confere com a ordem de grandeza conhecida do problema? — Como o ótimo global da função Rastrigin, que é 0.
• A seed aleatória e a configuração são reprodutíveis? — Ao fixar a seed e repetir a execução, deve-se obter resultados iguais ou próximos.

Perguntas de acompanhamento na perspectiva de validação

Quando os resultados não atenderem às expectativas, adicione restrições por diálogo, por exemplo: “fixe seed=42, execute novamente e informe a média e a variância de três repetições”. Observe se a IA consegue corrigir por iteração em vez de reescrever. Isso treina sua capacidade de descrever com precisão o problema e os critérios de validação.

Divisão de tarefas entre humano e IA

O humano é responsável pela definição do problema, pelos critérios das métricas e pelo julgamento dos resultados; a IA é responsável pela escolha de APIs, pela organização do código e pela depuração e execução. Com esta atividade, você posicionará com mais clareza o seu papel no fluxo de trabalho AI Native.

Limites com os conteúdos adjacentes

Esta página faz apenas a validação do fluxo de uma tarefa básica, sem aprofundar a evolução de dois níveis do MetaDE, o trade-off multiobjetivo ou temas posteriores como o multiagente do Genesis.

Exemplo de prompt de referência

“Use o EvoX para encontrar o mínimo da função Rastrigin (10 dimensões), com o algoritmo DE, população de 128, 200 gerações, backend de tensorização em GPU e seed=42 fixada; execute diretamente e retorne a melhor aptidão, o gráfico da curva de convergência e o log de execução.”

Na validação, confira quatro pontos: se houve execução real, se o formato da curva de convergência é razoável, se o melhor valor se aproxima de 0 e se os resultados se mantêm consistentes em execuções repetidas.