Artigos
Notas long-form sobre construir agentes local-first, os trade-offs que ninguém publica, e o que funcionou.
Todo time construindo IA dentro de uma empresa esbarra no mesmo muro: o modelo não sabe quem você é. Por que o vector RAG bate no teto em dados relacionais, o que a virada para grafo desbloqueia, onde o MCP entra, e o que a infraestrutura de contexto de fato resolve.
No mesmo dia em que lancei o Three-Body Agent, a Anthropic anunciou o Managed Agents. Duas soluções para o mesmo problema, um dev solo e um lab de fronteira, sem sobreposição de público. O que essa convergência significa.
Movi todo meu pipeline autônomo de coding para o GitHub Actions em dois dias, porque a Anthropic fechou a porta da configuração anterior de uma noite para outra. Notas sobre o que mudou e o que eu faria diferente.
182 PRs mergeadas em 10 dias, a maior parte enquanto eu dormia ou estava com a família. A arquitetura importa menos que a disciplina em volta dela. Aqui está o que fez funcionar.
O agente resolveu o problema e a teoria ficou no prompt. Notas sobre o que sobra quando o código está limpo e o modelo na sua cabeça não está.
A restrição costumava ser velocidade de digitação. Agora é como você dirige, revisa e orquestra. Notas sobre o que uma pessoa só consegue enviar com o setup certo de agentes.
Ticket de migração fica no backlog para sempre porque é tedioso, não porque é difícil. É exatamente o trabalho que um agente deveria fazer.