Notas

Tenho montado agentes de IA na minha própria máquina há alguns meses. Comecei pelo OpenClaw, usei bastante no dia a dia, fui aprendendo todos os potenciais e falhas. Testei os dois lado a lado e o que tem dado menos problema por agora é o Hermes (Nous Research). Depois desses aprendizados achei que valia compartilhar o caminho. Escrevi um tutorial básico pra quem nunca abriu um terminal. O caminho, resumido em cinco passos: 1 - Decidir onde o agente vai morar (sua máquina ou um servidor) 2 - Instalar com um comando 3 - Escolher o cérebro (o modelo por trás, onde economizar sai caro) 4 -Conectar no Telegram pra mandar tarefa de qualquer lugar 5 - Dar identidade e memória ao agente e começar a usar Cada comando foi testado na minha máquina antes de entrar no texto. O passo do Telegram que trava quase todo mundo está lá, explicado. No fim do caminho você tem um agente de funcionando na sua máquina, lembra do que aprende e responde no seu celular. Conversa com ele como se tivesse conversando com uma pessoa. O guia que fiz é aberto. Espero que ajude quem tá começando.… more

O Claude lançou o novo modelo Fable 5 e junto veio um aviso que deve virar regra no mercado: depois do dia 22 o modelo será só pela API, pago por uso. A era da assinatura subsidiada está com os dias contados. Sim, vamos pagar por token. Faz sentido esse movimento. Empresa de IA queimando dinheiro pra te entregar o melhor modelo por vinte dólares no mês não fecha conta, ainda mais quem está mirando IPO e precisa mostrar margem. A Anthropic precisa de lucro e o caminho é cobrar pelo uso de verdade. Eu já testei usar os agentes via API com modelos frontier (como OPUS) e posso afirmar que sai caro! O efeito colateral é um gap de acesso. Modelo frontier mais caro significa quem tem capital com acesso ao melhor e quem não tem correndo atrás usando o que está mais acessível. Dá pra reclamar ou dá pra se posicionar agora. O que eu faria hoje: - Assinar enquanto está subsidiado e usar pra valer. Não tem $20? Acha espaço no orçamento cortando o que não te dá retorno (Netlix, spotify, etc). - Começar dar atenção para modelos locais. Usar uma máquina velha ou com comprar uma nova se tiver condições. Seu custo deixa de ser token e passa ser a energia com seu PC ligado 24h. - Construir memória e skills portáteis, que migram de uma LLM pra outra. Vc fica mais independente na briga dos modelos, quem troca fácil não fica refém de ninguém. - Usar o modelo certo pro tamanho da tarefa. Frontier model pra tudo é facão de coco pra cortar pizza. No fim é investimento na sua relevância nesse mundo novo. Sai do chat, começa a construir, e vai trazendo agente pro teu dia a dia. - Usar IA! Isto é um investimento na sua relevância nessa nova era … more

Agent Loops a nova onda… Começou com um post do Peter Steinberger (OpenClaw, agora na OpenAI) e um vídeo do Boris Cherny, head do Claude Code na Anthropic. A tese é que você para de “promptar” agentes e passa a desenhar loops que “promptam” os agentes por você. Quem trabalha com produto conhece growth loops. A novidade aqui é o loop que se auto-desenvolve com o tempo. Tem algumas pessoas chamando de um cron (agendador) refinado quando tem bastante coisa acontecendo ali dentro. A parte que viralizou é a empolgação de rodar agente sozinho e a que me pegou foi outra. Você pode chegar hoje numa IA e pedir pra desenvolver produtos que resolvam problemas e jogar tudo num loop que roda e te entrega uma pilha de coisa sem valor relevante ou ainda o outro grande desafio: sem canal de distribuição. A escolha da dor é humana é julgamento e o loop só fica bom quando as suas escolhas já estão representadas dentro dele (skills cada vez mais importantes). Tem também a questão do custo, que pouca gente comenta. Quem está empolgado rodando esses loops costuma ter fôlego pra gastar token à vontade (o pessoal da Anthropic, o próprio Steinberger na OpenAI). Pra maioria não é assim, e isso faz parte do jogo, então quem tem orçamento curto precisa ser muito mais certeiro no que escolhe rodar: as skills certas lá dentro, o processo bem definido, o caminho que já provou funcionar em várias rodadas. Construir o loop é fácil (digite /loop no seu Claude). Criar um loop de valor consistente e com ROI é o desafio. … more

Build for agents? Anteontem pedi pro Codex preencher meu imposto de renda. Ele abriu o navegador, foi no site do IRS e preencheu tudo sozinho. Na mesma semana voltando da academia pedi pra ele repetir meu pedido no Chipotle. Tudo por voz (literalmente) enquanto eu dirigia. Isso fez eu entrar nos momentos de reflexão: Eu sou só uma pessoa fazendo isso, outras pessoas estão fazendo agora e vão ter muitas outras amanhã. Cada vez mais quem chega no seu produto são agentes, não só pessoas. Jensen Huang, da NVIDIA, disse no GTC que o usuário primário da próxima geração de computadores são os agentes de IA. O agente não liga pra sua interface bonita. Ele quer pegar o que precisa e resolver a tarefa. O humano precisa de uma interface boa. No fim, nossos produtos deveriam estar otimizados pros dois. Um exemplo prático é o Proof, da Every: um editor de documento onde o agente entra e edita junto com você (como mais um colaborador no mesmo texto). O valor do seu produto nunca esteve no usuário preencher o campo de endereço. Está no que você entrega depois. 𝗤𝘂𝗮𝗻𝗱𝗼 𝗼 𝗮𝗴𝗲𝗻𝘁𝗲 𝘁𝗶𝘃𝗲𝗿 𝗱𝘂𝗮𝘀 𝗼𝗽çõ𝗲𝘀, 𝘂𝗺𝗮 𝗼𝘁𝗶𝗺𝗶𝘇𝗮𝗱𝗮 𝗽𝗿𝗮 𝗲𝗹𝗲 𝗲 𝗼𝘂𝘁𝗿𝗮 𝗻ã𝗼, 𝗾𝘂𝗮𝗹 𝘃𝗼𝗰ê 𝗮𝗰𝗵𝗮 𝗾𝘂𝗲 𝘃𝗮𝗶 𝗴𝗮𝗻𝗵𝗮𝗿?… more

𝗔́𝘂𝗱𝗶𝗼 𝗱𝗲 𝟯 𝗺𝗶𝗻𝘂𝘁𝗼𝘀 𝗻𝗼 𝗺𝗲𝗶𝗼 𝗱𝗮 𝗿𝗲𝘂𝗻𝗶𝗮̃𝗼… 𝗲 𝘃𝗰 𝗻𝗮̃𝗼 𝘀𝗮𝗯𝗲 𝘀𝗲 𝗲́ 𝘂𝗿𝗴𝗲𝗻𝘁𝗲 Pode ser uma resposta curta que a pessoa preferiu mandar em áudio, alguma resposta urgente que estava esperando, alguma urgência com ente querido. Vc também não consegue sair da reunião naquele momento e se vc tivesse aquilo por escrito já resolveria. Isto foi mais uma coisa que passou a fazer parte do meu second brain. O second brain vai melhorando a cada novo input. Pensa em tudo que alimenta tua cabeça no dia a dia (reunião, conversa, leitura, sessão de Claude, mensagem de WhatsApp) e imagina levar esses mesmos inputs pro second brain, esse segundo cérebro que estou construindo. Conectar o WhatsApp (com os áudios transcritos) foi mais um input. Hoje os áudios são transcritos com Whisper rodando local, custo zero, texto completo entrando no arquivo md do contato junto das outras mensagens. Quando algo cai e pode ser urgente, leio a transcrição em segundos em vez de bloquear três minutos no áudio. A parte interessante é que esse ganho não estava no plano. Eu queria capturar contexto e recebi de bônus uma fricção a menos no dia. Esse brain e os Agentes de IA continuam vivendo no Mac Mini e me ajudando a continuar indo mais longe. Pra quem é builder, é difícil descrever o que é estar vivendo esse momento! 𝗦𝗲𝗰𝗼𝗻𝗱 𝗯𝗿𝗮𝗶𝗻 𝘁𝗲𝗺 𝗲𝗳𝗲𝗶𝘁𝗼 𝗰𝗼𝗺𝗽𝗼𝘀𝘁𝗼: 𝗾𝘂𝗮𝗻𝘁𝗼 𝗺𝗮𝗶𝘀 𝗶𝗻𝗽𝘂𝘁𝘀 𝗺𝗮𝗶𝗼𝗿 𝗽𝗼𝘁𝗲𝗻𝗰𝗶𝗮𝗹 𝗱𝗲 𝗿𝗲𝘀𝘂𝗹𝘁𝗮𝗱𝗼… more

𝗤𝘂𝗮𝗻𝘁𝗼 𝗺𝗮𝗶𝘀 𝘁𝗿𝗮𝗯𝗮𝗹𝗵𝗼 𝗰𝗼𝗺 𝗮𝗴𝗲𝗻𝘁𝗲𝘀, 𝗺𝗮𝗶𝘀 𝗽𝗮𝗿𝗮𝗹𝗲𝗹𝗼 𝗲𝗻𝗰𝗼𝗻𝘁𝗿𝗼 𝗰𝗼𝗺 𝗰𝗼𝗺𝗼 𝗳𝘂𝗻𝗰𝗶𝗼𝗻𝗮 𝗲𝗺 𝗵𝘂𝗺𝗮𝗻𝗼. Memória é só mais um desses paralelos. Memória continua sendo o problema não resolvido em IA, segundo o próprio Demis Hassabis (CEO do Google DeepMind, Nobel de Química em 2024) em entrevista recente. A solução que vi rodando no meu agente imita de perto como o cérebro humano resolveu isso. Toda noite o agente entra num processo de três fases: 𝗟𝗜𝗚𝗛𝗧 𝗦𝗟𝗘𝗘𝗣: coleta tudo que entrou durante o dia, organiza por contexto e remove duplicatas (faxina inicial). 𝗥𝗘𝗠: procura padrões e conexões entre o que foi coletado. Liga conversa de hoje com decisão de semanas atrás. Nesta fase o material bruto vira insight. 𝗗𝗘𝗘𝗣 𝗦𝗟𝗘𝗘𝗣: roda um scoring com critérios e decide o que vira memória permanente. O resto é descartado. Memória é decidir o que fica e o que descarta. O filtro é importante para diminuir ruído e custo de processamento. O cérebro humano gasta cerca de 20% da energia do corpo apesar de ser só 2% da massa. Descartar o que não importa é uma necessidade biológica de economizar espaço e energia. Agentes tem as mesmas necessidades. 𝗔 𝗲𝗻𝗴𝗲𝗻𝗵𝗮𝗿𝗶𝗮 𝘁𝗲𝗺 𝗶𝗺𝗶𝘁𝗮𝗱𝗼 𝗯𝗶𝗼𝗹𝗼𝗴𝗶𝗮 𝗲𝗺 𝗺𝗮𝗶𝘀 𝗰𝗼𝗶𝘀𝗮𝘀 𝗱𝗼 𝗾𝘂𝗲 𝗽𝗮𝗿𝗲𝗰𝗲.… more

Quando troquei do ChatGPT pro Claude, percebi que tinha perdido meses de contexto. Tentei gerar um arquivo enorme exportando tudo que a IA "sabia" sobre mim antes de migrar e ficou incompleto. Decisões, planejamentos, brainstormings, projetos e conversas importantes de meses acabaram vindo sem os detalhes importantes. A conclusão que tirei dali não foi sobre qual IA é melhor e sim sobre quem é dono da memória. Toda hora aparece um modelo mais avançado e você vai querer usar. Memória presa num serviço específico transforma cada migração em perda. Sua memória é o ativo mais valioso que você constrói e deixar ela espalhada por serviços que você não controla é risco desnecessário (principalmente nessa corrida de IA que toda hora aparecce um modelo/serviço melhor) A IA que você usa importa cada vez menos. A memória que você alimenta nela importa cada vez mais. … more

𝗧𝗿𝗼𝗾𝘂𝗲𝗶 𝗼 𝗰𝗲́𝗿𝗲𝗯𝗿𝗼 𝗱𝗼 𝗺𝗲𝘂 𝗮𝗴𝗲𝗻𝘁𝗲 𝗱𝗲 𝗜𝗔. 𝗢 𝗰𝗼𝗺𝗽𝗼𝗿𝘁𝗮𝗺𝗲𝗻𝘁𝗼 𝗺𝘂𝗱𝗼𝘂 𝗰𝗼𝗺𝗽𝗹𝗲𝘁𝗮𝗺𝗲𝗻𝘁𝗲. Nas últimas semanas tenho construído agentes autônomos no OpenClaw, rodando no meu próprio hardware. Parte do processo é testar modelos diferentes pra ver qual funciona melhor como cérebro do agente. Rodei o mesmo agente com Claude Opus 4.6 e depois com GPT-5.4. Mesma configuração, mesma tarefa. Com o Opus eu dava o direcionamento e ele voltava com a solução. Escolhia o melhor caminho, executava, me avisava o que tinha feito. Quando faltava informação ele tomava uma decisão razoável e seguia em frente. Era como trabalhar com aquele colega que você dá o direcionamento e ele volta com uma solução boa pronta. Com o GPT-5.4 o processo travava. Em vez de executar, ele trazia de volta uma lista de caminhos possíveis pra eu decidir e às vezes parava no meio da execução sem terminar. Mandava uma tarefa e ele devolvia metade feita com dúvidas sobre o resto. O GPT-5.4 é um modelo excelente pra muita coisa (e todos os modelos estão evoluindo numa velocidade absurda). Porém pra rodar um agente autônomo, o que importa não é inteligência geral. É como ele se comporta quando precisa agir sozinho. Se eu pensar como gestor, a diferença fica clara. Todo mundo quer trabalhar com aquela pessoa proativa que resolve problemas e não te traz mais problemas de volta. Que recebe um direcionamento e chega na solução sem travar o processo. Escolher modelo pra agente autônomo é igual montar time: pessoas que sabem quando e o que perguntar. … more

Tem alguém morando no meu Mac Mini. Existe muita explicação sobre agentes de IA hoje mas eu não consegui encontrar nenhuma analogia que fizesse esses conceitos fixarem facilmente na minha cabeça. Identidade, soul, modelo, heartbeat, etc. Para sair da abstração fui colocar a mão na massa. Depois de montar o meu primeiro agente, encontrei uma analogia que organizou melhor na minha cabeça. Talvez funcione pra você também. A analogia começa de uma casa com alguém morando dentro: A casa: COMPUTADOR: o lugar onde tudo acontece (no meu caso, um Mac Mini dedicado). A pessoa que mora dentro: AGENTE: a pessoa que vai trabalhar pra você. IDENTITY: o nome dela, quem ela é. SOUL: a personalidade dela, como ela se comporta. HEARTBEAT: o coração dela batendo. A cada intervalo ela acorda sozinha, olha se tem algo pra fazer e age. MODELO: o cérebro dela (trocável). Você pode trocar Claude por GPT por Qwen (rodando local ou não). Como você se relaciona com ela: TERMINAL: a conversa presencial quando você está em casa. MENSAGEIRO (Telegram, WhatsApp, Discord): a conversa à distância. ACESSOS: as chaves que você entrega aos poucos (calendário, internet, execução de comandos). Talvez a próxima onda de tecnologia não seja sobre usar ferramentas e sim sobre conviver com colegas que não são humanos. … more

Openclaw é mindblowimg

@LTASul essa música florescer espiritual é incrivelmente ruim! Por favor pare de tocar isso!!!