Blog
Artigos sobre sistemas, integração entre programas, automação e uso de IA para criar software.
Laya, JEV e Clef contra as minhas regras: um benchmark de decisão
Três modelos que escolhem um label e devolvem probabilidades, testados em dois trabalhos reais meus. O fine-tune pequeno ganhou onde foi treinado, o de 27B ganhou onde ninguém treinou nada, e no esforço de PR as regras venceram todos.
Treinei um classificador no Mac com MPS e deixei um portão decidir se ele entra
Ajustei o Laya num M3 Max para servir de fallback de intenção na voz da casa: 2,5 horas por rodada, memória MPS sem limite e um portão que barrou a rodada com a maior nota.
Sistema sob medida ou SaaS: quando cada um compensa
Um guia para donos de pequena empresa: quando um SaaS resolve, quando um sistema próprio compensa e como combinar os dois.
Ollama no Mac: a memória mente
Rodar modelo local no Mac é fácil. Saber quanta memória ele usa de verdade não é: em 4 de outubro o RSS dizia 15 GB e o footprint físico passava de 62 GB.
Por que seu site não aparece no Google (auditei o meu e descobri)
Auditei o hmdeveloper.com.br e descobri por que o Google não indexava nada: três h1 na home, páginas que nunca chegaram à produção e zero Search Console.
Checklist antes de contratar uma integração de pagamento
O que pode falhar quando pagamentos são tratados como um projeto de uma semana.
Cinco escolhas que definem o custo de um agente de atendimento
O custo de um agente de IA depende de cinco escolhas feitas antes da primeira linha de código.
Skills de front-end contra a cara de IA
O visual padrão de IA vem das escolhas do modelo. Skills de design ajudam antes do CSS, mas não detectam o erro que o build deixa passar.
Teste de segurança mostra evidências; o revisor decide
As orientações entram quando necessário e os resultados ajudam o revisor. Mais o dia em que um modelo inventou um processo inteiro.
O revisor do PR não pode ser quem o escreveu
Agentes abrem PR como rascunho e marcam como pronto sozinhos. Um único agente revisa, e o merge continua comigo. O que quebrou até isso funcionar.
O problema do RAG é saber quando não encontrou nada
A busca vetorial sempre retorna um primeiro resultado. Um bom sistema sabe quando ele não ajuda.
Um script na frente de todo modelo que não é Claude
Toda chamada a um modelo fora do Claude passa por um roteador e uma classe de tarefa. A classe escolhe o destino, e só uma delas pode alterar o repositório.
Seu fallback provavelmente não é um fallback
Uma lista ordenada de modelos parece resiliência, mas só vira fallback quando o próximo degrau consegue fazer o mesmo trabalho.
Pare de escolher modelo pela posição no ranking
Os testes comparam tarefas médias. Na prática, o que importa é combinar cada modelo com o tipo de trabalho.
Modelo, contexto, skill, ferramenta, agente, squad
Seis palavras parecem sinônimos quando você sai do chat comum. Separar cada uma evita pedir ao modelo uma coisa que deveria morar em outro lugar.
Um mapa do código vale mais que ler o código
Abrir a pasta inteira para responder onde algo acontece parece completo, mas vira um custo fixo. Um mapa pequeno por escopo responde melhor.
Seis agentes, cada um com nome, função e modelo
Comecei com 14 agentes e reduzi a equipe a seis papéis. Só um deles revisa pedidos de mudança no código.
Por que separo instruções do conhecimento do projeto
Separar as instruções do agente do conhecimento do projeto evita pagar o mesmo custo em toda sessão.
