Temperatura LLM e Top-p explicados: como os modelos de IA escolhem sua próxima palavra

  1. Início
  2. Blog
  3. Inteligência Artificial

Inteligência Artificial

Temperatura LLM e Top-p explicados: Como os modelos de IA escolhem sua próxima palavra

Temperatura e top-p são as duas configurações que decidem quão previsíveis ou variadas são as respostas de um modelo de IA. Simulamos a matemática por trás deles com um exemplo de brinquedo para que você possa ver exatamente o que cada configuração faz com as escolhas do modelo.

10 min de leitura
Temperatura LLM e top-p explicados: como os modelos de IA escolhem sua próxima palavra

Principais pontos

  • Um modelo produz uma probabilidade para cada próximo token possível e, em seguida, amostra um.
  • A Temperatura remodela essas probabilidades: valores baixos as acentuam, valores altos as achatam.
  • Top-p mantém apenas os tokens mais prováveis ​​que juntos atingem um limite de probabilidade.
  • Use temperatura baixa para extração e código, moderada para bate-papo e altere uma configuração de cada vez.

Faça a mesma pergunta duas vezes a um modelo de IA e você poderá obter duas respostas diferentes. Peça para extrair uma data de uma fatura e você sempre desejará a mesma resposta. Peça dez ideias de slogans e você deseja variedade. As configurações que controlam essa compensação são temperatura e top-p, e estão entre as opções mais incompreendidas em qualquer API de IA.

Não podíamos inspecionar as probabilidades internas de um modelo comercial, então construímos uma pequena simulação em Python da matemática de amostragem padrão, usando pontuações inventadas para quatro palavras candidatas. Todos os números abaixo vêm dessa simulação. Os modelos reais escolhem entre dezenas de milhares de tokens, e os provedores podem implementar detalhes de maneira diferente, mas o comportamento é o mesmo em princípio.

Como um modelo escolhe a próxima palavra

Em cada etapa, um modelo de linguagem grande gera uma pontuação, chamada logit, para cada token em seu vocabulário. Uma função chamada softmax transforma essas pontuações em probabilidades que somam 1. O modelo então amostra um token de acordo com essas probabilidades, anexa-o ao texto e repete. A temperatura e o top-p alteram as probabilidades antes dessa etapa de amostragem.

Nosso exemplo de brinquedo

Imagine o prompt “A capital da França é”. Demos a quatro palavras dos candidatos estas pontuações:

logits = {"Paris": 5.0, "Lyon": 3.0, "London": 2.5, "banana": 0.0}

Paris é claramente favorecida, Lyon e Londres são erros que parecem plausíveis e a banana não faz sentido. Um modelo real também atribuiria alguma probabilidade a milhares de outros tokens.

Temperatura: afiação ou achatamento

A temperatura divide cada pontuação antes que o softmax seja aplicado. Dividir por um número pequeno exagera as lacunas entre as pontuações; dividir por um grande número os reduz. Aqui estão as probabilidades que nossa simulação produziu:

Temperatura Paris Lyon Londres banana
0.2 1.000 0.000 0.000 0.000
0.7 0.921 0.053 0.026 0.001
1.0 0.817 0.111 0.067 0.006
1.5 0.672 0.177 0.127 0.024
2.0 0.576 0.212 0.165 0.047

Em 1,0, a distribuição do próprio modelo é usada inalterada. Com 0,2, Paris obtém essencialmente toda a probabilidade. Com 2,0, Paris cai para 58%, e até a banana sobe para quase 5%. A temperatura não acrescenta conhecimento ou criatividade em nenhum sentido profundo. Isso apenas muda a disposição do modelo em escolher opções menos prováveis, o que pode significar palavras mais recentes ou simplesmente mais erros.

Como é a amostragem

As probabilidades são abstratas, então extraímos 1.000 amostras em três temperaturas, usando uma semente aleatória fixa:

T=0.2  {'Paris': 1000, 'Lyon': 0,   'London': 0,   'banana': 0}
T=1.0  {'Paris': 810,  'Lyon': 117, 'London': 70,  'banana': 3}
T=2.0  {'Paris': 607,  'Lyon': 202, 'London': 146, 'banana': 45}

Na temperatura 2,0, cerca de 4 em 10 respostas nomearam a cidade errada e 45 em 1.000 disseram “banana”. Agora lembre-se de que uma resposta real tem centenas de tokens. Uma pequena chance de uma escolha estranha a cada passo aumenta, e um sinal ruim no início de uma frase pode enviar o restante da resposta na direção errada. Esta é uma das razões pelas quais as altas temperaturas tornam as alucinações mais prováveis.

Temperatura 0 e determinismo

Na temperatura 0, a matemática seria dividida por zero, então as APIs tratam isso como “sempre escolha o token mais provável”, chamado de decodificação gananciosa. Isso torna a saída muito mais repetível, mas na prática nem sempre é perfeitamente idêntica. Os modelos hospedados podem variar um pouco devido à forma como os cálculos são agrupados e paralelizados no hardware do provedor, e os modelos são atualizados ao longo do tempo. Algumas APIs oferecem um parâmetro inicial para melhor repetibilidade. Trate a temperatura 0 como “altamente consistente”, não como uma garantia.

Dica: A decodificação gananciosa nem sempre é a melhor, mesmo para tarefas factuais. Ele pode ficar preso repetindo frases em saídas longas. Para textos longos, uma temperatura baixa, mas diferente de zero, como 0,2 a 0,4, geralmente é lida de forma mais natural enquanto mantém o foco.

Top-p (amostragem de núcleo)

Top-p adota uma abordagem diferente. Ele classifica os tokens do mais para o menos provável, mantém o menor grupo cujas probabilidades somam pelo menos p, descarta o resto e renormaliza. Aplicado às nossas probabilidades de temperatura 1,0:

top_p=0.5   {'Paris': 1.0}
top_p=0.9   {'Paris': 0.881, 'Lyon': 0.119}
top_p=0.99  {'Paris': 0.821, 'Lyon': 0.111, 'London': 0.067}

Com 0,5, só Paris já cobria mais da metade da probabilidade, então era a única opção. Aos 0,9, o Lyon entrou. Mesmo em 0,99, a banana foi cortada. Esse é o ponto forte do top-p: ele remove a longa cauda de tokens improváveis ​​que causam absurdos, ao mesmo tempo que se adapta à situação. Quando o modelo está confiante, poucos tokens sobrevivem; quando muitas continuações são razoáveis, mais sobrevivem.

Top-k e min-p

  • Top-k mantém um número fixo de tokens mais prováveis, como 40, independentemente de suas probabilidades. É simples, mas não se adapta: 40 podem ser muito quando o modelo é seguro e poucos quando não o é.
  • Min-p mantém tokens cuja probabilidade é pelo menos uma fração da probabilidade do token superior. É popular em ferramentas de modelo de código aberto e afirma-se que funciona bem em temperaturas mais altas, embora a pesquisa seja mais recente.

Nem toda API expõe todas as opções. Verifique a documentação do seu provedor para saber quais parâmetros estão disponíveis e quais são seus padrões.

Usando temperatura e top-p juntos

Ambas as configurações moldam a mesma distribuição, portanto, alterar ambas ao mesmo tempo torna difícil prever o comportamento. Vários provedores recomendam ajustar um e deixar o outro como padrão. Uma abordagem razoável é ajustar a temperatura primeiro, já que é mais fácil raciocinar, e só alcançar o p superior se precisar eliminar estranhezas raras em uma temperatura mais alta.

Configurações sugeridas por tarefa

Tarefa Temperatura Por que
Extração de dados, classificação 0 a 0,2 Uma resposta correta; consistência é importante
Geração de código 0 a 0,3 Pequenos desvios quebram o código
Resposta a perguntas com fontes 0,1 a 0,4 Fique próximo do texto fornecido
Bate-papo geral, resumos 0,5 a 0,8 Tom natural com foco razoável
Brainstorming, escrita criativa 0,8 a 1,2 Variedade é o objetivo

Estes são pontos de partida extraídos de práticas comuns e não de regras. As famílias de modelos diferem, os padrões diferem de acordo com o provedor e alguns modelos de raciocínio mais recentes corrigem ou ignoram completamente essas configurações. Teste com seus próprios prompts. Instruções claras, abordadas em nosso guia rápido de engenharia, geralmente são mais importantes do que ajustar esses números.

Mitos comuns

  • “A temperatura mais alta torna o modelo mais inteligente ou mais criativo.” Isso apenas torna os tokens menos prováveis mais prováveis. Às vezes, essa é uma variedade bem-vinda; muitas vezes é apenas barulho.
  • “Temperatura 0 significa que a resposta está correta.” Significa a resposta mais provável. Se o modelo estiver confiantemente errado, a temperatura 0 o tornará consistentemente errado.
  • “A temperatura controla o comprimento.” O comprimento é controlado pelo prompt e pela configuração máxima de tokens, não pela temperatura.
  • “Menor é sempre mais seguro.” Configurações muito baixas podem causar texto repetitivo ou afetado em saídas longas.

Testando recursos de IA

A amostragem torna os recursos de IA não determinísticos, o que muda a forma como você os testa:

  • Execute cada caso de teste várias vezes e meça a taxa de aprovação, em vez de depender de uma única execução.
  • Verifique as propriedades, não as strings exatas: JSON válido, campos obrigatórios presentes, números correspondentes à fonte, nenhum conteúdo banido. Essa é a mesma ideia dos testes baseados em propriedades.
  • Corrija a temperatura nos testes para corresponder à produção e registre-a com os resultados.
  • Execute novamente seu conjunto de avaliação sempre que você alterar o modelo, o prompt ou as configurações de amostragem.

Configurando-o em uma chamada de API

A maioria das APIs de chat aceita essas configurações como campos no corpo da solicitação. Uma solicitação típica para uma tarefa de extração é mais ou menos assim (uma ilustração, não executada neste artigo, e os nomes dos campos variam de acordo com o provedor):

{
  "model": "your-model-name",
  "temperature": 0.1,
  "max_tokens": 300,
  "messages": [
    {"role": "user", "content": "Extract the invoice date and total as JSON: ..."}
  ]
}

Mantenha esses valores na configuração, não espalhados pelo código, e registre-os em cada solicitação junto com o nome do modelo. Quando uma resposta parece estranha semanas depois, saber as configurações exatas que a produziram evita muitas suposições. Se você atende vários recursos de um modelo, dê a cada recurso suas próprias configurações: o resumidor e o assistente de código raramente desejam a mesma temperatura.

Considerações finais

A temperatura e o top-p não alteram o que o modelo sabe; eles mudam o quão aventureiro é ao escolher cada próximo token. Nossa simulação de brinquedo mostrou a temperatura deslizando Paris de certa para 58% e top-p cortando a cauda absurda. Comece devagar para tarefas com uma resposta certa, aumente a temperatura apenas quando quiser variedade, ajuste uma configuração de cada vez e teste com execuções repetidas.

Perguntas frequentes

O que a temperatura faz em um LLM?

Ele redimensiona as probabilidades do modelo antes da amostragem. A baixa temperatura faz com que o token mais provável domine; a alta temperatura espalha a probabilidade para tokens menos prováveis, aumentando a variedade e o risco.

O que é amostragem top-p?

Top-p mantém o menor conjunto de tokens mais prováveis ​​cuja probabilidade combinada atinge p, como 0,9, e amostras apenas deles. Remove a cauda improvável.

A temperatura 0 dá sempre a mesma resposta?

Geralmente respostas muito semelhantes, mas não garantidas. Os modelos hospedados podem variar um pouco devido à forma como são executados, e os modelos são atualizados ao longo do tempo.

Devo mudar a temperatura e o top-p juntos?

Geralmente não. Ambos remodelam a mesma distribuição, por isso muitos provedores recomendam ajustar um e deixar o outro como padrão.

Que temperatura devo usar para o código?

Um valor baixo, normalmente de 0 a 0,3, porque pequenos desvios aleatórios podem quebrar o código. Sempre teste o código gerado, independentemente da configuração.

Continue aprendendo

Trabalhe com Stack Quora

Precisa de ajuda com testes, WordPress ou SEO?

Ajudamos as equipes a fornecer software melhor e a expandir seus sites. Conte-nos no que você está trabalhando e sugeriremos um próximo passo claro.

Continue lendo

Mais guias sobre testes, IA e desenvolvimento moderno

Gostou deste artigo? Escolha um tópico e vá direto para nossos tutoriais mais recentes.

Inteligência artificial

Estratégias de chunking RAG explicadas: fixo, sobreposição, frase, recursivo e títulos, medidos

Estratégias de chunking RAG comparadas em um documento com tiktoken 0.14: tamanho fixo, sobreposição, empacotamento de frases, divisão recursiva e p…

Leia o artigo →
Desenvolvimento de software

Explicação da idempotência da API: chaves de idempotência e novas tentativas seguras, testadas

A idempotência da API explicada com um servidor e cliente Python que executamos: uma resposta perdida causava uma cobrança dupla sem uma chave e uma…

Leia o artigo →
DevOps

Git Stash explicado: salvar, aplicar, abrir e não rastrear arquivos, testado

Git stash explicado com comandos que executamos no Git 2.56: push com uma mensagem, arquivos não rastreados, listar e mostrar, aplicar vs pop, mante…

Leia o artigo →
Teste de software

Explicação do teste em pares: como todos os pares reduzem 216 testes para 13, testados

Testes em pares explicados com um gerador que executamos em Python 3.13: um checkout com 216 combinações cobertas por 13 testes, cobertura verificad…

Leia o artigo →
Automação de testes

Duplas de teste explicadas: Dummy, Stub, Spy, Mock e Fake, com código Python testado

O teste duplo é explicado com um exemplo de Python executado no pytest 9.2: dummy, stub, spy, mock e fake, quando usar cada um, verificações de esta…

Leia o artigo →
Bancos de dados e SQL

SQL COALESCE explicado: padrões, NULLIF, IFNULL vs ISNULL e traps, testados

SQL COALESCE explicado com consultas que executamos no SQLite 3.50: primeiros valores não nulos, strings vazias, NULL em matemática, NULLIF para div…

Leia o artigo →
Bancos de dados e SQL

SQL Self Join explicado: funcionário-gerente, comparações de pares e linhas, testado

Auto-junção SQL explicada com consultas que executamos no SQLite 3.50: funcionário e gerente, ganhando mais que o gerente, pares únicos, alterações …

Leia o artigo →
Desenvolvimento de software

Explicação do operador JavaScript Spread: Spread vs Rest, cópias e pegadinhas, testado

O operador de propagação JavaScript explicado com o código que executamos no Nó 24: arrays, objetos, cópias superficiais, parâmetros restantes, o li…

Leia o artigo →
Desenvolvimento de software

Módulo de coleções Python explicado: contador, defaultdict, deque e mais, testado

Coleções Python explicadas com código que executamos em Python 3.13: Counter, defaultdict, deque, nomeadotuple, OrderedDict e ChainMap, além de um t…

Leia o artigo →
Inteligência artificial

Janela de contexto LLM explicada: tokens, limites e como ajustar mais, medidos

A janela de contexto do LLM explicada com contagens de tokens que medimos usando tiktoken: palavras versus tokens para prosa, código e hindi, orçame…

Leia o artigo →
Desenvolvimento de software

Webhooks explicados: como funcionam e como recebê-los com segurança

Webhooks explicados com um receptor e remetente que executamos em Python: push vs polling, assinaturas HMAC-SHA256, rejeição de solicitações adulter…

Leia o artigo →
DevOps

Git Cherry-Pick explicado: copie o commit que você precisa, com segurança e testado

Git cherry-pick explicado com comandos que executamos no Git 2.56: copiar um hotfix para um branch de lançamento, novos hashes e patch-ids, -x, -n, …

Leia o artigo →
Automação de testes

Explicação do teste instantâneo: como funciona, quando ajuda e quando dói

O teste de instantâneo foi explicado com uma demonstração pytest e xaroposa que executamos: criação de instantâneos, leitura da diferença após uma a…

Leia o artigo →
Teste de software

Explicação do teste de mutação: por que a cobertura de 100% ainda não percebeu nosso bug

Os testes de mutação explicados com uma pequena ferramenta de mutação que construímos e executamos: 14 mutantes, um conjunto de testes com 100% de c…

Leia o artigo →
Inteligência artificial

Explicação da injeção imediata: como os aplicativos de IA são enganados e como defendê-los

Injeção imediata explicada para construtores: ataques diretos e indiretos, por que os filtros de palavras-chave falham (nosso teste bloqueou 1 de 4)…

Leia o artigo →
DevOps

Registros DNS explicados: A, AAAA, CNAME, MX, TXT e TTL com pesquisas reais

Registros DNS explicados com pesquisas que executamos: como funciona a resolução, A e AAAA, regras CNAME, MX e MX nulo, TXT para SPF e verificação, …

Leia o artigo →
DevOps

Sinalizadores de recursos explicados: lançamentos seguros, lançamentos graduais e higiene de sinalizadores

Sinalizadores de recursos explicados com uma simulação de implementação que executamos: tipos de sinalizadores, implementações percentuais com hashi…

Leia o artigo →
Automação de testes

Geração de dados de teste com Python Faker: dados realistas, repetíveis e seguros

Teste a geração de dados com Python Faker, execute e meça: propagação de dados repetíveis, localidades, valores exclusivos, registros em formato de …

Leia o artigo →
Teste de software

Explicação do teste Shift-Left: Encontre bugs mais cedo, sem atrasar a equipe

O teste shift-left explicou: o que significa, por que os defeitos iniciais são mais baratos, práticas desde revisões de requisitos até verificações …

Leia o artigo →
Bancos de dados e SQL

Funções de string SQL explicadas: TRIM, SUBSTR, REPLACE, CONCAT e limpeza de dados

Funções de string SQL explicadas com consultas que executamos: concatenação e NULL, TRIM, UPPER e LOWER, SUBSTR e INSTR, REPLACE, preenchimento, com…

Leia o artigo →
Bancos de dados e SQL

Explicação dos gatilhos SQL: gatilhos ANTES e DEPOIS, registros de auditoria e armadilhas

Gatilhos SQL explicados com gatilhos que executamos: ANTES vs DEPOIS, ANTIGO e NOVO, logs de auditoria, validação, atualizações de estoque, condiçõe…

Leia o artigo →
Desenvolvimento de software

Módulo JSON Python explicado: dumps, carregamentos, tipos personalizados e erros comuns

O módulo Python JSON explicado com o código que executamos: dumps e carregamentos, arquivos, conversões de tipo, datas e decimais, codificadores per…

Leia o artigo →
Desenvolvimento de software

Módulos ES vs CommonJS: como funcionam as importações de JavaScript em Node.js, testado

Módulos ES vs CommonJS explicados com código que executamos em Node.js: sintaxe de importação e exportação, require, vinculações ativas, cache, espe…

Leia o artigo →
Desenvolvimento de software

Python Regex explicado: padrões, grupos, antecipações e armadilhas, testados

Regex Python explicado com padrões que executamos: pesquisa vs correspondência, findall, grupos e grupos nomeados, ganancioso vs preguiçoso, sub, lo…

Leia o artigo →
Inteligência artificial

Explicação da saída estruturada do LLM: obtendo JSON confiável de modelos de IA

Saída estruturada do LLM explicada com validação que executamos no Pydantic: modo JSON e esquemas, decodificação restrita, formas de quebra de saída…

Leia o artigo →
DevOps

Chaves SSH explicadas: como funcionam, ssh-keygen, Ed25519 e hábitos seguros

Chaves SSH explicadas com chaves que geramos: chaves públicas versus privadas, ssh-keygen, Ed25519 versus RSA, impressões digitais, senhas, agente s…

Leia o artigo →
DevOps

Cache HTTP explicado: controle de cache, ETag e respostas 304, com um teste ao vivo

Cache HTTP explicado com um pequeno servidor que executamos: diretivas Cache-Control, idade máxima, sem cache vs sem armazenamento, revalidação de E…

Leia o artigo →
Automação de testes

Teste de contrato de API explicado: detecte alterações importantes antes de serem enviadas

O teste de contrato de API foi explicado com uma verificação de esquema que executamos: o que é um contrato, contratos orientados ao consumidor, Pac…

Leia o artigo →
Teste de software

Testes baseados em riscos explicados: avalie os riscos, construa uma matriz e teste o que é importante

Testes baseados em riscos explicados passo a passo: identificação de riscos, pontuação de probabilidade e impacto, construção de uma matriz de risco…

Leia o artigo →
Bancos de dados e SQL

Restrições SQL explicadas: NOT NULL, UNIQUE, CHECK e FOREIGN KEY, testadas

Restrições SQL explicadas com testes que executamos: NOT NULL, UNIQUE, CHECK, DEFAULT, PRIMARY e FOREIGN KEY, as lacunas NULL, configuração de chave…

Leia o artigo →
Bancos de dados e SQL

Funções de data SQL explicadas: adicionando, comparando e agrupando datas sem bugs

Funções de data SQL explicadas com consultas que executamos: adição de intervalos, surpresas de final de mês, diferenças de data, armadilha BETWEEN,…

Leia o artigo →
Desenvolvimento de software

Python assíncio explicado: assíncrono, espera, coleta e TaskGroup com Real Timings

Python asyncio explicado com código que cronometramos: corrotinas, espera, coleta, TaskGroup, tratamento de erros, tempos limite, limitação de simul…

Leia o artigo →
Desenvolvimento de software

Debounce vs Throttle em JavaScript: como funcionam, quando usar cada um, testado

Debounce vs. acelerador em JavaScript explicado com tempos que medimos em Node.js: como cada um funciona, implementações simples, chamadas iniciais …

Leia o artigo →
Desenvolvimento de software

Gerenciadores de contexto Python explicados: a instrução with, contextlib e usos reais

Os gerenciadores de contexto Python explicados com o código que executamos: como funciona, __enter__ e __exit__, contextlib.contextmanager, supressã…

Leia o artigo →
Inteligência artificial

Temperatura LLM e Top-p explicados: como os modelos de IA escolhem sua próxima palavra

Temperatura LLM e top-p explicados com uma simulação que executamos: como as probabilidades são remodeladas, o que top-p mantém, configurações recom…

Leia o artigo →
DevOps

YAML explicado: sintaxe, o problema da Noruega e outras armadilhas que testamos

YAML explicado com um teste de analisador: sintaxe básica, listas e mapas, o problema da Noruega, versões que se transformam em carros flutuantes, c…

Leia o artigo →
DevOps

Cron Jobs explicado: sintaxe, programações reais e os erros que os quebram

Cron jobs explicados com cronogramas que verificamos: os cinco campos, operadores, exemplos reais, a armadilha do dia do mês OU do dia da semana, pr…

Leia o artigo →
Inteligência artificial

Explicação das alucinações de IA: por que os modelos de linguagem inventam as coisas e como reduzi-las

Explicação das alucinações de IA: o que são, por que os modelos de linguagem as produzem, tipos comuns, como reduzi-las com aterramento e instruções…

Leia o artigo →
DevOps

Variáveis de ambiente explicadas: arquivos .env, segredos e configuração bem feitos

Variáveis de ambiente explicadas com exemplos de Python que executamos: leitura e configuração, por que cada valor é uma string, arquivos .env, hera…

Leia o artigo →
Desenvolvimento de software

Explicação da limitação de taxa de API: algoritmos, cabeçalhos e tratamento de erros 429

Limitação de taxa de API explicada com uma simulação que executamos: token bucket, janela fixa, janela deslizante, 429 respostas, cabeçalhos de limi…

Leia o artigo →
Automação de testes

Zombando em Python: unittest.mock, patch e os erros que fazem os testes mentirem

Zombaria em Python com unittest.mock, testado: Mock e return_value, side_effect, patch onde um nome é usado, especificação e autospec, zombaria de d…

Leia o artigo →
Teste de software

Cobertura de código explicada: cobertura de linha versus filial e o que 100% realmente significa

Cobertura de código explicada com uma execução cobertura.py real: cobertura de linha, ramal e condição, leitura de um relatório, por que 100% de cob…

Leia o artigo →
Bancos de dados e SQL

DELETE vs TRUNCATE vs DROP em SQL: diferenças, reversão e quando usar cada um

DELETE vs TRUNCATE vs DROP explicado com SQL testado: o que cada um remove, rollback, aciona, redefinição de identidade, velocidade e como PostgreSQ…

Leia o artigo →
Bancos de dados e SQL

Exibições SQL explicadas: crie, use e evite as armadilhas, com exemplos

Visualizações SQL explicadas com consultas que executamos: criação de uma visualização, resultados ao vivo, ocultação de colunas, desempenho, visual…

Leia o artigo →
Desenvolvimento de software

Interface TypeScript vs tipo: diferenças reais, testadas com o compilador

Interface TypeScript versus tipo, verificada com o compilador real: o que ambos podem fazer, o que apenas um pode fazer, mesclagem de declarações, e…

Leia o artigo →
Desenvolvimento de software

Python *args e **kwargs explicados: funções flexíveis com exemplos claros

Python *args e **kwargs explicados com o código que executamos: empacotamento e descompactação, ordem dos parâmetros, argumentos somente de palavras…

Leia o artigo →
Desenvolvimento de software

Funções Python Lambda: sintaxe, usos reais e quando não usá-los

Funções lambda do Python explicadas com o código que executamos: sintaxe, classificação com chave, mapa e filtro, fechamentos, armadilha de ligação …

Leia o artigo →
Inteligência artificial

O que são agentes de IA? Como eles funcionam, com um loop de agente simples que você pode executar

O que são agentes de IA? Um guia simples para o loop do agente, ferramentas, memória e proteções, com um pequeno loop Python que executamos, riscos …

Leia o artigo →
DevOps

Monitoramento versus observabilidade: a verdadeira diferença, com logs, métricas e rastreamentos

Explicação do monitoramento versus observabilidade: falhas conhecidas e desconhecidas, logs, métricas e rastreamentos, um passo a passo do incidente…

Leia o artigo →
DevOps

Docker Volumes vs Bind Mounts: persista os dados do contêiner da maneira certa

Volumes Docker versus montagens de ligação explicadas: por que os dados do contêiner desaparecem, volumes nomeados, montagens de ligação, tmpfs, exe…

Leia o artigo →
Automação de testes

TDD vs BDD: principais diferenças, um recurso criado de ambas as maneiras e quando usar cada um

TDD vs BDD explicado com um recurso de desconto construído em ambos os sentidos: refatoração vermelho-verde com o código que executamos, cenários da…

Leia o artigo →
Teste de software

Teste de aceitação do usuário (UAT): processo, lista de verificação e exemplos reais

Explicação do teste de aceitação do usuário: quem o executa, como ele difere do controle de qualidade, um processo de sete etapas, um modelo de caso…

Leia o artigo →
Bancos de dados e SQL

Valores SQL NULL explicados: IS NULL, COALESCE, NULLIF e as armadilhas a serem evitadas

Valores SQL NULL explicados com consultas que executamos: lógica de três valores, IS NULL, COALESCE, NULLIF, como agregações, junções e classificaçã…

Leia o artigo →
Bancos de dados e SQL

Instrução SQL CASE WHEN: sintaxe, exemplos reais e erros comuns

SQL CASE WHEN explicado com consultas que executamos: formulários simples e pesquisados, ordem de condição, pivôs com SUM, truques COUNT, classifica…

Leia o artigo →
Desenvolvimento de software

O que é JWT? JSON Web Tokens explicados com um exemplo prático

O que é JWT? JSON Web Tokens explicados: as três partes, um token construído e adulterado no código que executamos, JWT vs sessões, armazenamento, t…

Leia o artigo →
Desenvolvimento de software

Loop de eventos JavaScript explicado: pilha de chamadas, microtarefas e temporizadores com exemplos

O loop de eventos JavaScript explicado com o código que executamos: pilha de chamadas, filas de tarefas e microtarefas, por que setTimeout 0 não é i…

Leia o artigo →
Desenvolvimento de software

Geradores Python e rendimento explicado: economize memória com exemplos reais

Geradores Python e rendimento explicados com o código que executamos: como eles pausam e reiniciam, medem economia de memória, pipelines, sequências…

Leia o artigo →
Inteligência artificial

O que são incorporações? Similaridade de vetores e cossenos explicada de forma simples

O que são incorporações? Um guia em linguagem simples para vetores, similaridade de cossenos e pesquisa semântica, com um pequeno exemplo que execut…

Leia o artigo →
DevOps

Implantação azul-verde vs canário: diferenças, compensações e como escolher

Explicação da implantação azul-verde versus canário: como cada um funciona, custo, risco e reversão, agrupamento estável de usuários que testamos, m…

Leia o artigo →
Automação de testes

Testes instáveis: o que os causa e como corrigi-los para sempre

Testes instáveis explicados com demonstrações que executamos: as principais causas, como confirmar e diagnosticar uma, soluções adequadas para tempo…

Leia o artigo →
Teste de software

Teste de carga versus teste de estresse: diferenças, métricas e exemplos k6

Teste de carga versus teste de estresse explicado: o que cada um prova, testes de pico e absorção, as métricas que importam, por que as médias engan…

Leia o artigo →
Teste de software

Caso de teste versus cenário de teste: principais diferenças, exemplos e quando usar cada um

Caso de teste vs cenário de teste explicado: definições claras, uma tabela lado a lado, um recurso de redefinição de senha retirado de cenários para…

Leia o artigo →
Bancos de dados e SQL

Otimização de consultas SQL: leia planos de execução e corrija consultas lentas, com intervalos

Otimização de consulta SQL testada em um milhão de linhas: leia planos de execução, adicione os índices corretos, corrija filtros não sargáveis, use…

Leia o artigo →
Bancos de dados e SQL

SQL UNION vs UNION ALL: diferenças, exemplos e desempenho testado

SQL UNION vs UNION ALL explicado com consultas que executamos: duplicatas, as regras que ambos seguem, um bug de dados real, desempenho medido, INTE…

Leia o artigo →
Desenvolvimento de software

Tutorial da API JavaScript Fetch: GET, POST, tratamento de erros e tempos limite

Um tutorial da API JavaScript Fetch testado em um servidor local: GET e POST, por que 404 não lança, um auxiliar reutilizável, strings de consulta, …

Leia o artigo →
Desenvolvimento de software

Manipulação de arquivos Python: leitura, gravação, CSV, JSON e pathlib com exemplos

Manipulação de arquivos Python explicada com código que executamos: modos abertos, com, leitura de arquivos grandes, CSV, JSON, pathlib, arquivos bi…

Leia o artigo →
Desenvolvimento de software

Classes e objetos Python: tutorial OOP com exemplos reais

Classes e objetos Python explicados com código que executamos: __init__, métodos, atributos de classe vs instância, herança, propriedades, métodos d…

Leia o artigo →
Inteligência artificial

O que é um modelo de linguagem grande? Como funcionam os LLMs, explicado sem exageros

O que é um modelo de linguagem grande? LLMs explicados em linguagem simples: tokens, incorporações, atenção, treinamento, temperatura e janelas de c…

Leia o artigo →
DevOps

Comandos Linux para iniciantes: o guia essencial do terminal com exemplos

Comandos Linux para iniciantes, agrupados por tarefa: navegação, arquivos, visualização de logs, grep, pipes, permissões, processos e arquivos, com …

Leia o artigo →
Automação de testes

Selenium vs Playwright: principais diferenças, código comparado e qual escolher

Selenium vs Playwright comparado: arquitetura, espera, suporte a navegador e linguagem, depuração, o mesmo teste em ambas as ferramentas, conselhos …

Leia o artigo →
Teste de software

Particionamento de equivalência: técnica de design de teste explicada com exemplos resolvidos

Explicação do particionamento de equivalência: como encontrar partições válidas e inválidas, exemplos resolvidos para idades, senhas e cupons, teste…

Leia o artigo →
Teste de software

Gravidade vs Prioridade em Testes de Software: Diferenças, Matriz e Exemplos Reais

Explicação da gravidade versus prioridade em testes de software: definições claras, uma matriz de quatro vias com exemplos, escalas de nível, quem d…

Leia o artigo →
Bancos de dados e SQL

Tutorial de subconsultas SQL: tipos, subconsultas correlacionadas e EXISTS com exemplos

Um tutorial de subconsultas SQL com consultas que executamos: subconsultas escalares, IN, FROM e SELECT, subconsultas correlacionadas, EXISTS, a arm…

Leia o artigo →
Bancos de dados e SQL

Transações SQL e ACID explicados: COMMIT, ROLLBACK e níveis de isolamento

Transações SQL e ACID explicadas com uma transferência bancária que executamos: COMMIT, ROLLBACK, savepoints, locks, níveis de isolamento, leituras …

Leia o artigo →
Desenvolvimento de software

Folha de dicas dos comandos do Git: os comandos que você realmente usa, com exemplos

Uma folha de dicas de comandos Git agrupada por tarefa: configuração, preparação, ramificações, controles remotos, stash, histórico e desfazer erros…

Leia o artigo →
Desenvolvimento de software

Explicação das promessas de JavaScript: então, catch, Promise.all e erros comuns

Promessas JavaScript explicadas com o código que executamos: estados, cadeias then e catch, tratamento de erros, Promise.all, allSettled, race e any…

Leia o artigo →
Desenvolvimento de software

Tutorial do dicionário Python: métodos, exemplos e padrões comuns

Um tutorial de dicionário Python com código que executamos: criar, ler e atualizar dictos, métodos-chave, mesclagem, compreensão, padrões de contage…

Leia o artigo →
Inteligência artificial

O que é RAG? Geração aumentada de recuperação explicada com um exemplo prático

O que é RAG? Geração aumentada de recuperação explicada passo a passo: indexação, chunking, embeddings, recuperação, um pequeno exemplo funcional de…

Leia o artigo →
DevOps

Tutorial Terraform para iniciantes: infraestrutura como código do primeiro arquivo aos módulos

Um tutorial do Terraform para iniciantes: comece sem conta na nuvem, aprenda como iniciar, planejar e aplicar, depois variáveis, saídas, estado, mód…

Leia o artigo →
DevOps

Docker vs Kubernetes: principais diferenças, como eles funcionam juntos e o que você precisa

Docker vs Kubernetes explicado: o que cada um faz, o mesmo aplicativo rodando com ambos, Docker Compose e Swarm comparados, a mudança do dockershim …

Leia o artigo →
Automação de testes

Tutorial Pytest para iniciantes: luminárias, parametrização e exemplos reais

Um tutorial pytest para iniciantes com testes que executamos no pytest 9.2: asserções, fixtures, parametrizar, conftest, marcadores, tmp_path, monke…

Leia o artigo →
Teste de software

Ciclo de vida de teste de software (STLC): 6 fases, critérios de entrada e saída, exemplo

O ciclo de vida de teste de software explicou: seis fases do STLC com critérios de entrada e saída, resultados, um exemplo de recurso de login funci…

Leia o artigo →
Desenvolvimento de software

Git merge vs rebase: diferenças, exemplos e quando usar cada um

Git merge vs rebase explicado com saída real do log, uma tabela comparativa, a regra de ouro do rebase e um fluxo de trabalho seguro para equipes.

Leia o artigo →
Desenvolvimento de software

List comprehension em Python: sintaxe, exemplos e quando evitar

List comprehension em Python explicada: sintaxe, filtros, if-else, laços aninhados, tempos medidos e quando um laço for comum é a melhor escolha.

Leia o artigo →
Bancos de dados e SQL

SQL JOIN explicado com exemplos (Inner, Left, Right, Full)

Entenda os joins SQL passo a passo com tabelas e consultas de exemplo: INNER, LEFT, RIGHT, FULL, CROSS e SELF, além de erros comuns e dicas de desem…

Leia o artigo →