Janela de contexto do LLM explicada: Tokens, limites e como ajustar mais, medidos
Uma janela de contexto LLM é o número total de tokens que um modelo pode ler e escrever em uma solicitação. Aprenda o que o preenche, como as palavras se transformam em tokens, como orçar entradas e saídas e como cortar o histórico de bate-papo com segurança, com contagens que medimos.
- A janela de contexto do LLM é um limite de token compartilhado por tudo: prompt do sistema, histórico, documentos e a resposta.
- Tokens não são palavras. Nossa prosa em inglês usou 1,14 tokens por palavra, código Python 2.22 e texto em hindi 1,41 com um tokenizer, mas cerca de 4,6 com um mais antigo.
- O histórico do bate-papo cresce a cada passo. Corte as mensagens mais antigas, mas mantenha sempre o prompt do sistema; o corte ingênuo o deixou cair em nosso teste.
- Uma janela grande não é um passe livre. Prompts longos custam mais, são executados mais lentamente e podem ocultar os detalhes importantes.
Você cola um contrato longo em um chatbot e ele responde como se as últimas dez páginas nunca tivessem existido. Ou um bot de suporte lentamente “esquece” as regras que você deu a ele. Ambos se resumem à janela de contexto LLM: o número fixo de tokens com os quais um grande modelo de linguagem pode trabalhar em uma solicitação. Saber como ele é preenchido ajuda a criar recursos de IA que permanecem precisos e acessíveis.
Medimos os números abaixo com a biblioteca de código aberto tiktoken da OpenAI, versão 0.14.0, usando suas codificações o200k_base e anteriores cl100k_base no Python 3.13. Outras famílias de modelos usam outros tokenizadores, portanto trate nossas contagens como exemplos realistas, não como números exatos para cada modelo. Para obter informações básicas sobre tokens, consulte nosso guia de tokens LLM.
O que é uma janela de contexto?
Um modelo não se lembra de solicitações anteriores por conta própria. Cada vez que você liga, você envia uma mensagem de texto e o modelo lê tudo antes de gerar uma resposta. A janela de contexto é o tamanho máximo desse texto combinado, medido em tokens. Se a janela tiver 128.000 tokens, a entrada e a saída juntas devem caber dentro dela. Nosso guia sobre o que é um modelo de linguagem grande explica por que os modelos funcionam dessa maneira.
Os tamanhos das janelas variam de alguns milhares de tokens em modelos pequenos a centenas de milhares, ou mais de um milhão, em modelos grandes. Os tamanhos mudam a cada lançamento, portanto, verifique a documentação do seu provedor para saber o limite exato e qualquer limite separado para tokens de saída.
O que preenche a janela de contexto
- Prompt do sistema: instruções, regras e personalidade.
- Histórico de conversas: todas as mensagens anteriores do usuário e do assistente que você reenviou.
- Conteúdo recuperado ou colado: documentos, resultados de pesquisa, arquivos de código.
- Definições e resultados de ferramentas: esquemas de funções e os dados que eles retornam.
- A resposta em si: os tokens de saída saem do mesmo orçamento.
Esse último ponto surpreende muitas pessoas. Um prompt que ocupa quase toda a janela não deixa espaço para resposta, portanto a resposta é abreviada.
Palavras versus tokens: o que medimos
Repetimos três textos curtos 20 vezes cada e contamos palavras e fichas:
| Texto | Palavras | tokens o200k | Tokens por palavra | fichas cl100k |
|---|---|---|---|---|
| Prosa inglesa | 740 | 841 | 1.14 | 841 |
| Código Python | 180 | 400 | 2.22 | 400 |
| Texto em hindi | 300 | 422 | 1.41 | 1,381 |
Três lições se destacam. O inglês simples equivale a quase um token por palavra. O código usa aproximadamente o dobro de tokens por “palavra”, porque cada símbolo, recuo e nomes curtos usam tokens. E o idioma é muito importante: o mesmo texto em hindi consumiu 422 tokens com o tokenizer mais recente e 1.381 com o mais antigo, mais de três vezes mais. Uma janela que contém um documento longo em inglês pode conter muito menos em outro idioma.
import tiktoken
enc = tiktoken.get_encoding("o200k_base")
print(len(enc.encode("Your text here")))
Dica: nunca estime tokens dividindo os caracteres por quatro para determinar os limites de produção. Conte com o tokenizer do seu modelo e mantenha uma margem de segurança.
Orçamentando uma solicitação
Planejamos uma solicitação com um prompt de sistema de 600 tokens, 4.200 tokens de histórico de bate-papo e 25.000 tokens de documentos e, em seguida, verificamos em três tamanhos de janela, reservando 2.000 tokens para a resposta:
window 8000: input 29800 tokens, left -21800, room for 2,000-token answer: False
window 32000: input 29800 tokens, left 2200, room for 2,000-token answer: True
window 128000: input 29800 tokens, left 98200, room for 2,000-token answer: True
A janela de 8K não atendeu a solicitação. A janela de 32K cabe, mas com apenas 2.200 tokens sobrando, então mais um documento comprimiria a resposta. Escreva esta verificação em seu código antes de cada chamada: conte as partes, subtraia um orçamento de produção reservado e decida o que cortar se não couber.
O que acontece quando você passa
O comportamento depende da API e do aplicativo. Algumas APIs rejeitam a solicitação com erro. Alguns aplicativos de bate-papo descartam silenciosamente as mensagens mais antigas. Alguns documentos truncados. E se a entrada couber, mas deixar pouco espaço, a resposta para no meio da frase quando atinge o limite de saída. Nada disso é óbvio para os usuários, e é por isso que o modelo pode parecer “esquecer” ou ignorar parte de um documento.
O histórico de bate-papo cresce a cada passo
Os aplicativos de bate-papo reenviam toda a conversa a cada turno para que a modelo possa vê-la. Com cerca de 350 fichas por turno:
chat of 10 turns x 350 tokens = 3500 tokens
chat of 50 turns x 350 tokens = 17500 tokens
chat of 200 turns x 350 tokens = 70000 tokens
Um longo bate-papo de suporte pode atingir silenciosamente dezenas de milhares de tokens, e cada nova mensagem paga novamente por todas as antigas.
Cortando o histórico sem perder as regras
Construímos um bate-papo de 31 mensagens com 1.455 tokens e reduzimos para um limite de 800 tokens de duas maneiras. A maneira inteligente manteve o sistema alerta e, em seguida, adicionou mensagens da mais recente à mais antiga até que o orçamento estivesse cheio. A forma ingênua apenas manteve os últimos 800 tokens do texto unido.
history: 31 messages, 1455 tokens -> kept 17 (783 tokens), system kept: True, oldest kept: 'message 14'
naive tail-truncation keeps system prompt: False
A versão ingênua abandonou o prompt do sistema, que continha a instrução “Sempre responder em inglês”. É exatamente assim que um bot perde suas regras em longos chats. Melhores estratégias, aproximadamente em ordem de esforço:
- Sempre fixe o prompt do sistema e a mensagem mais recente do usuário.
- Elimine ou resuma primeiro os turnos mais antigos.
- Substitua curvas antigas por um breve resumo escrito pelo modelo.
- Armazene fatos fora do chat e recupere apenas o que a pergunta atual precisa.
Uma janela de contexto maior é sempre melhor?
Uma janela grande permite incluir mais, mas pesquisas como o estudo “Lost in the Middle” de 2023, realizado por Liu e colegas, descobriram que os modelos usavam informações no início e no final de entradas longas de forma mais confiável do que informações intermediárias. Nós mesmos não testamos isso. Na prática, enviar apenas as partes relevantes geralmente é melhor do que enviar tudo e reduz as alucinações causadas por textos perturbadores ou conflitantes. Coloque as instruções principais perto do início e reformule a pergunta real no final.
Chunking e recuperação (RAG)
A geração com recuperação aumentada mantém os documentos fora do prompt. Você os divide em partes, encontra as partes relacionadas a uma pergunta e envia apenas elas. Dividimos um documento de 4.201 tokens em pedaços de no máximo 500 tokens com uma sobreposição de 50 tokens e obtivemos 10 pedaços. A sobreposição mantém as sentenças que cruzam um limite legíveis em pelo menos um pedaço.
def chunks(text, size, overlap):
ids = enc.encode(text)
step = size - overlap
return [enc.decode(ids[i:i + size]) for i in range(0, max(1, len(ids) - overlap), step)]
Os pedaços são combinados com perguntas usando embeddings armazenados em um índice vetorial. Nosso guia RAG percorre todo o pipeline.
Custo e velocidade
A maioria das APIs cobra por token de entrada e saída, e prompts mais longos demoram mais para serem processados. Um prompt de 100.000 tokens enviado 1.000 vezes por dia equivale a 100.000.000 tokens de entrada diariamente, mesmo que as respostas sejam curtas. Cortar o histórico, recuperar em vez de colar e armazenar em cache prefixos de prompt repetidos onde o provedor oferece suporte pode reduzir drasticamente os custos e a latência. Verifique os preços atuais na página de preços do seu provedor, pois eles mudam frequentemente.
Testando limites de contexto no seu aplicativo
- Teste com a entrada realista mais longa, não com uma amostra curta.
- Teste chats longos: o bot ainda segue o prompt do sistema após 50 turnos?
- Teste a entrada em outro idioma que não o inglês, que pode usar muito mais tokens.
- Afirme que seu código reserva tokens de saída e lida com erros acima do limite normalmente.
- Verifique se o corte nunca elimina as regras de segurança, o que também é importante para as defesas de injeção imediata.
Considerações finais
A janela de contexto do LLM é um orçamento de token compartilhado, não uma memória. Conte tokens com o tokenizer correto, reserve espaço para a resposta, fixe o prompt do sistema ao cortar o histórico e recupere pedaços relevantes em vez de colar tudo. Faça isso e até mesmo uma janela modesta terá um longo caminho, enquanto uma janela enorme permanecerá rápida e acessível. Prompts claros também ajudam, como mostra nosso guia de engenharia de prompts.
Perguntas frequentes
O que é uma janela de contexto em um LLM?
É o número máximo de tokens que um modelo pode manipular em uma solicitação, abrangendo juntos o prompt do sistema, o histórico de conversas, os documentos adicionados e a resposta gerada.
Quantas palavras cabem em uma janela de contexto?
Depende do texto e do tokenizer. Nossa prosa em inglês usava cerca de 1,14 tokens por palavra, então 100.000 tokens equivalem a aproximadamente 88.000 palavras, mas o código e muitas outras linguagens usam mais tokens por palavra.
O que acontece quando você excede a janela de contexto?
A API pode rejeitar a solicitação, o aplicativo pode descartar mensagens antigas ou truncar documentos, ou a resposta pode ser cortada porque não sobraram tokens de saída.
A saída conta para a janela de contexto?
Sim. A entrada e a saída compartilham a mesma janela, portanto sempre reserve tokens suficientes para a resposta. Muitas APIs também possuem um máximo separado para tokens de saída.
Uma janela de contexto maior é melhor que o RAG?
Nem sempre. Janelas grandes custam mais e os modelos podem perder detalhes no meio de entradas longas. Recuperar apenas pedaços relevantes costuma ser mais barato e mais preciso.
Continue aprendendo
Precisa de ajuda com testes, WordPress ou SEO?
Ajudamos as equipes a fornecer software melhor e a expandir seus sites. Diga-nos no que você está trabalhando e sugeriremos um próximo passo claro.
Mais guias sobre testes, IA e desenvolvimento moderno
Gostou deste artigo? Escolha um tópico e vá direto para nossos tutoriais mais recentes.
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 softwareExplicação 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 →DevOpsGit 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 softwareExplicação 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 testesDuplas 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 SQLSQL 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 SQLSQL 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 softwareExplicação 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 softwareMódulo 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 artificialJanela 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 softwareWebhooks 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 →DevOpsGit 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 testesExplicação 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 softwareExplicação 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 artificialExplicação 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 →DevOpsRegistros 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 →DevOpsSinalizadores 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 testesGeração 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 softwareExplicação 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 SQLFunções 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 SQLExplicação 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 softwareMódulo 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 softwareMódulos 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 softwarePython 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 artificialExplicação 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 →DevOpsChaves 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 →DevOpsCache 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 testesTeste 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 softwareTestes 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 SQLRestrições 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 SQLFunções 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 softwarePython 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 softwareDebounce 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 softwareGerenciadores 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 artificialTemperatura 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 →DevOpsYAML 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 →DevOpsCron 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 artificialExplicação 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 →DevOpsVariáveis 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 softwareExplicação 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 testesZombando 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 softwareCobertura 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 SQLDELETE 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 SQLExibições 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 softwareInterface 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 softwarePython *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 softwareFunções 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 artificialO 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 →DevOpsMonitoramento 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 →DevOpsDocker 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 testesTDD 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 softwareTeste 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 SQLValores 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 SQLInstrução 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 softwareO 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 softwareLoop 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 softwareGeradores 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 artificialO 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 →DevOpsImplantação 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 testesTestes 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 softwareTeste 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 softwareCaso 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 SQLOtimização 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 SQLSQL 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 softwareTutorial 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 softwareManipulação 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 softwareClasses 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 artificialO 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 →DevOpsComandos 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 testesSelenium 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 softwareParticionamento 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 softwareGravidade 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 SQLTutorial 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 SQLTransações 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 softwareFolha 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 softwareExplicação 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 softwareTutorial 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 artificialO 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 →DevOpsTutorial 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 →DevOpsDocker 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 testesTutorial 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 softwareCiclo 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 softwareGit 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 softwareList 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 SQLSQL 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 →