Neo Clone - Documentação

O Neo lê a estrutura do seu projeto, cria um plano de execução e completa tarefas reais de AI e ML diretamente dentro do VS Code. Desde workflows agentic até pipelines tradicionais de machine learning, o Neo acompanha a tarefa do início ao fim.

Recomendado

Use a extensão do VS Code para acesso completo a arquivos locais, edição de código e integração com Git.

Tarefas multi-etapas que abrangem arquivos, experimentos ou iterações são melhor gerenciadas dentro do IDE.

Passos de Instalação #

Siga estes passos para instalar o Neo e executar sua primeira tarefa.

Instale a Extensão

Abra o VS Code, vá para a aba de Extensões e procure por "Neo AI". Clique em Install.

Terminal

# Via CLI do VS Code
code --install-extension neo-ai.vsix

Configure sua API Key

Configure sua chave de API nas preferências do VS Code. Suporta OpenAI, Anthropic, Google e modelos locais.

settings.json

{
  "neo.apiKey": "sk-...",
  "neo.model": "gpt-4",
  "neo.maxIterations": 10
}

Execute sua Primeira Tarefa

Abra a paleta de comandos (Ctrl+Shift+P) e digite "Neo: New Task". Descreva o que você quer construir.

                                            Exemplo de Prompt
                                        
                                            "Analise o dataset customers.csv e crie um
                                                modelo

                                            de classificação para prever churn. Gere
                                                gráficos

                                            de importância de features e salve em
                                                results/"

Escolhendo sua Plataforma #

VS Code Extension

Recomendado

Acesso completo ao sistema de arquivos
Edição de código em tempo real
Integração nativa com Git

Web Interface

Acesso via navegador
Ideal para snippets e prototipagem rápida
Sem necessidade de instalação local

Quando Usar o Neo #

O Neo é projetado para tarefas de AI e ML que requerem múltiplos passos ou se estendem além de snippets de código isolados.

Sistemas Agentic AI

Construa sistemas de agentes autônomos que planejam, executam e se adaptam de forma independente.

Pipelines RAG

Implemente pipelines de Retrieval-Augmented Generation com componentes de recuperação, geração e avaliação.

Fine-tuning de Modelos

Fine-tune modelos de linguagem ou visão em datasets customizados com avaliação automática.

Análise de Projetos

Analise a estrutura de projetos ML desconhecidos ou repositórios complexos automaticamente.

Exemplos Comuns de Tarefas #

O Neo suporta uma ampla gama de aplicações modernas de AI e tarefas tradicionais de ML.

LLM Fine-tuning

Fine-tune um modelo de linguagem em dados de instrução customizados e avalie performance usando benchmarks específicos do domínio.

Customização de modelos e adaptação de domínio

Agentic AI Workflows

Desenvolva um agente autônomo que pesquisa tópicos, resume descobertas e acompanha progresso.

Execução autônoma de tarefas e automação de workflows

RAG Pipeline

Construa um pipeline RAG sobre documentação interna e avalie a qualidade da recuperação.

Recuperação de conhecimento e busca de documentos

Computer Vision

Fine-tune um modelo pré-treinado no CIFAR-10 e compare performance de validação.

Classificação de imagens e detecção de objetos

Regressão

Analise o dataset Boston Housing, construa um modelo baseline de regressão e reporte métricas chave.

Predição de valores contínuos

Time Series

Carregue preços históricos de ações, treine um modelo de forecasting e avalie a previsão dos próximos 30 dias.

Predições temporais e análise de tendências

Classificação

Construa e avalie um classificador de sentimento usando o dataset IMDB reviews.

Resultados categóricos e reconhecimento de padrões

Escrevendo Instruções Efetivas #

O Neo responde melhor a instruções orientadas a tarefas que especificam entradas, saídas esperadas e critérios de sucesso, especialmente para workflows multi-etapas.

Seja Específico sobre Inputs e Outputs

Inclua nomes de datasets, caminhos de arquivos, tipos de modelos e artefatos esperados.

                                        "Use customer_data.csv para construir um modelo
                                            de

                                        classificação e salve os gráficos como PNG na
                                            pasta

                                        results/"
                                    

Defina Critérios de Sucesso

Especifique thresholds de performance, métricas ou requisitos de qualidade.

                                        "Gere uma matriz de confusão e curva ROC
                                            com

                                        AUC acima de 0.85"
                                    

Quebre Workflows Complexos

Para projetos grandes, use passos sequenciais claros.

                                        "Primeiro, valide a qualidade dos dados.
                                            Depois,

                                        engenhe features. Finalmente, treine e avalie
                                            um

                                        modelo baseline."
                                    

Referencie Código e Arquivos Existentes

Aponte o Neo para locais específicos no seu codebase.

                                        "Refatore o pipeline de treinamento em
                                            src/train.py

                                        para suportar múltiplas arquiteturas de
                                            modelo"
                                    

Boas Práticas #

Comece Pequeno

Teste o Neo com tarefas simples antes de solicitar workflows complexos de múltiplas etapas.

Versione seu Código

Mantenha seu projeto em Git para poder revisar e reverter mudanças feitas pelo agente.

Revise o Plano

Antes de executar, revise o plano gerado pelo Neo para garantir que ele entendeu corretamente a tarefa.

Use Ambientes Isolados

Execute tarefas em containers ou ambientes virtuais para evitar conflitos de dependências.

Quick Start