Notas sobre IA aplicada, engenharia de software e tecnologia.
Quanto o mesmo texto custa a mais em português do que em inglês, medido em 31 artigos deste site com nove tokenizers, e o que fazer com isso em prompts, orçamentos e RAG.
15 min de leitura
Todas as formas de rodar um agente Claude sem ninguém olhando, do claude --bg ao Managed Agents, e um setup noturno testado com permissões, hooks, orçamento e um relatório confiável.
29 min de leitura
O PageIndex troca o banco vetorial por uma árvore do documento e um agente LLM que a navega. Comparei com dois pipelines de RAG vetorial no FinanceBench: respostas melhores, 40 vezes o custo.
25 min de leitura
Construí um filtro de phishing funcional com o Laya, o modelo de decisão de pesos abertos: cinco perguntas tipadas numa única passada, verificações determinísticas nos cabeçalhos e uma política que exige evidência antes da quarentena.
8 min de leitura
Como construí um pipeline orientado a eventos na AWS que transcreve, indexa e consulta vídeos longos, e por que o modelo nunca escreve as próprias citações.
9 min de leitura
Como construí um MVP de RAG com FastAPI, Celery, Qdrant, Azure AI Foundry e streaming, e o que falta para produção.
7 min de leitura
Instrumente um loop de agente com as convenções GenAI do OpenTelemetry, mascare o conteúdo antes da exportação e transforme contagem de tokens em custo por feature e por tenant.
38 min de leitura
Como o treino contrastivo molda um modelo de embedding, e os detalhes de prefixo, pooling, normalização e truncamento que decidem se ele recupera bem nos seus dados.
31 min de leitura
Decida com evals quando o fine-tuning compensa, depois construa LoRA do zero em PyTorch e treine um modelo de 135M para fazer a triagem de tickets de suporte.
35 min de leitura
O que a quantização faz com os pesos, as ativações e o KV cache de um LLM, e como medir o que você perdeu antes de colocar em produção.
40 min de leitura