Engenharia de Software
Universidade de Brasília
Construo sistemas de IA que rodam em produção.
Agentes, RAG, voz, mídia generativa e MCP.
Construí quinze sistemas de IA de sete tipos diferentes, numa empresa de IA, na faculdade onde cuido da tecnologia e no meu próprio estúdio. Também ensino como eles funcionam por dentro.
Sou estudante de Engenharia de Software na UnB, desenvolvedor no time de IA e Inovação da CrazyTechLabs, responsável pelos sistemas da Faculdade Brasília e fundador da ForgeX Core.
Ver casos
Casos em detalhe
Cinco sistemas: dois da empresa, um do meu estúdio, um da faculdade e um pessoal. Abra cada um para ver o problema, a arquitetura e os números.
-
SaaS de gestão de redes sociais para várias marcas por cliente. O assistente conversa com a pessoa e trabalha na própria interface: destaca o próximo passo, move um cursor visível que clica e preenche os campos, ou executa a ação no servidor e mostra onde o resultado apareceu.
Python, FastAPI, LiteLLM, streaming por SSE, Next.js 16, .NET 9, Azure Functions, Service Bus, Realtime API.
- Três modos sobre o mesmo catálogo de ações: guiar, mostrar e fazer. São 14 ferramentas, de rascunhar, agendar e publicar posts a ler o que está aberto na tela.
- Age com o papel de quem pediu, entre 46 permissões e papéis customizados. O que a pessoa não pode fazer, o agente nem oferece e o servidor bloqueia. Ação irreversível só roda com confirmação de uso único.
- Por baixo: Instagram, Facebook, LinkedIn e X, mais YouTube e áudio, com OAuth e renovação de token. Agendamento por filas, calendário, campanhas com métricas e respostas automáticas a palavras-chave em comentários e DMs.
- Um segundo agente, de voz em tempo real, faz o onboarding da marca e entrega o contexto ao assistente. Cada turno é cobrado em créditos antes de chamar o modelo.
- 86% dos commits do serviço do assistente. Maior contribuidor da API (711 de 1.582 commits) e do app web (429 de 865).
-
Na mesma plataforma, um coordenador delega a especialistas de pesquisa web, roteiro cena a cena, geração de imagem com referências da marca e vídeo com narração, até a proposta de post que uma pessoa aprova.
Python, Google ADK, Gemini, Azure Durable Functions, Cosmos DB, Service Bus, LiteLLM, .NET 9.
- A troca da arquitetura antiga pela de agentes foi decidida por A/B com usuário simulado, LLM como juiz, revisão cega e regra de corte definida antes.
- Atualização de framework validada por regressão com teto de gasto em cada execução.
- Créditos checados antes de cada chamada cara; custo de LLM por cliente, marca e funcionalidade.
- 53% dos commits do serviço de agentes de conteúdo.
-
App de finanças para casais, feito inteiro por mim: web, app nativo, cobrança e infraestrutura. O assistente responde sobre o próprio dinheiro com cerca de 31 ferramentas e lê faturas, extratos e fotos de notinha.
Next.js 16, Vercel AI SDK, Azure OpenAI, PostgreSQL com pgvector, Expo, Bicep.
Abrir sccela.com.br- Ações com efeito viram proposta que a pessoa confirma; o servidor não executa sozinho.
- Suíte de 32 cenários contra modelos reais confere ferramenta e números contra SQL. Fatura 12 de 12, notinha 22 de 22.
- Roteamento de modelo por tarefa e cota de IA por casal calculada a partir da receita.
- 689 commits, todos meus. Cerca de 80 cadastros na campanha de lançamento.
O assistente consulta os lançamentos e responde com gráfico. 
A foto da notinha preenche o lançamento para a pessoa conferir. 
Painel do casal, com dados de demonstração. -
O professor preenche o plano, a coordenação aprova e o curso é montado sozinho no Moodle por um plugin PHP que eu escrevi, com banco de questões, provas, notas e salas do Google Meet. Antes era planilha e CSV a cada semestre.
NestJS, Next.js 16, PostgreSQL, Redis, PHP, Google Workspace, Docker. cursos.fbr.edu.br
- Quando uma resposta vazia do sistema acadêmico removeu cerca de 1.460 matrículas, escrevi o postmortem e criei travas que abortam a sincronização antes do estrago.
- Vestibular online, leads, Pix e medição de conversão (Meta CAPI, GA4) com LGPD.
- Auditoria de R$208 mil em anúncios usando o servidor MCP oficial da Meta.
- 94% dos commits do sistema e todos os 369 do site.
-
Conversa por voz em francês, inglês e japonês com uma professora em 2D ou 3D que mexe a boca no ritmo da fala. Enquanto explica, ela escreve num quadro ao lado, sincronizado com o áudio. Depois de cada sessão o LLM consolida uma memória de longo prazo, e a trilha avança pelo nível CEFR do aluno.
TypeScript, Fastify, WebSocket, React, three.js, Azure Speech, Azure OpenAI, sqlite-vec.
- O quadro é um contrato de 13 operações validadas por schema: título, fórmula, tabela, linha do tempo, lacuna, correção, ditado e frase para ler em voz alta. O modelo escreve os blocos no meio da fala e o servidor os separa do que vai virar voz.
- Três motores de voz trocáveis: cadeia STT, LLM e TTS com visemas; Realtime via WebRTC; ou tudo local.
- Avaliação de pronúncia e provas corrigidas por LLM com rubrica e JSON validado.
- RAG sobre a memória do aluno e teto rígido de gasto de US$10.
- 316 commits em duas semanas, 97 arquivos de teste.
A aula sobe no quadro enquanto ela fala. 
No celular. 
Lacunas corrigidas, correção e frase para ler em voz alta.
Quinze sistemas, sete tipos
Escolha um tipo para ver onde ele aparece.
| Sistema | Onde | Agentes | RAG | Voz | Mídia | MCP | Avaliação | Custo | Estado |
|---|---|---|---|---|---|---|---|---|---|
| Criação de conteúdo multiagenteCoordenador e especialistas de pesquisa, roteiro, imagem e vídeo | CrazyTechLabs | Em produção | |||||||
| Assistente que opera a plataformaGuia, clica na tela ou executa, nas permissões de quem pediu | CrazyTechLabs | Em produção | |||||||
| Agente de voz para onboardingConversa em tempo real com chamadas de função | CrazyTechLabs | Em produção | |||||||
| Episódios de vídeo autônomosDa pesquisa ao post agendado, sem passo manual | CrazyTechLabs | Uso interno | |||||||
| GPU compartilhada e MCP de mídiaComfyUI sob demanda para agentes remotos | CrazyTechLabs | Uso interno | |||||||
| Estúdio de voz e podcastVozes clonadas com controle de qualidade automático | CrazyTechLabs | Uso interno | |||||||
| Radar de demanda de conteúdoBuscas reais agrupadas por embeddings | CrazyTechLabs | Uso interno | |||||||
| Landing pages com saída estruturadaEtapas com schema, laço de reparo e avaliações | CrazyTechLabs | Prova de conceito | |||||||
| Sccela, assistente financeiro31 ferramentas, RAG e leitura de faturas | ForgeX Core | Em produção | |||||||
| Auditoria de anúncios com MCPR$208 mil em mídia cruzados com matrículas | Faculdade Brasília | Entregue | |||||||
| Tutor de idiomas por vozAvatar 2D e 3D, quadro de aula e memória longa | Pessoal | Em uso | |||||||
| Estudo com citações verificadasRAG híbrido e avaliação de três modelos | Pessoal | Em uso | |||||||
| Monitor de passagens aéreasAgente com MCP próprio e confirmação humana | Pessoal | Em uso | |||||||
| Vídeo narrado 100% localLLM, difusão, vídeo e voz numa GPU de 10 GB | Pessoal | Uso pessoal | |||||||
| MCP do WhatsAppLer, buscar, transcrever e enviar com confirmação | Pessoal | Em uso |
Como eu trabalho com IA
Modelo e arquitetura se trocam com avaliação, não com opinião.
Contexto é o recurso mais escasso.
Prompt é pedido. Código é garantia.
Custo é requisito de produto.
Fundamentos de IA e sistemas agênticos
Palestra na SEMUNI, Universidade de Brasília, com demonstração ao vivo. Do token ao agente em produção, em 32 slides.
Palcos e certificações
- Palestrante no MVP Conf 2025Maior encontro de especialistas Microsoft do Brasil2025
- Palestrante na SEMUNIFundamentos de IA e sistemas agênticos, UnB2026
- Google Cloud Summit BrasilParticipante, Agentspace, ADK e A2A2025
- Azure Cosmos DB Developer SpecialtyMicrosoft, DP-4202026
- Deploy AgentspaceGoogle Cloud2025
- Extend Agentspace assistant capabilitiesGoogle Cloud2025
- Foundational C# with MicrosoftfreeCodeCamp2025
Outros sistemas
- Agente de voz para onboardingTempo real com chamadas de função e limite pelo planoCrazyTechLabs
- Episódios de vídeo autônomosDa pesquisa ao post agendado, via ferramentas MCP na GPUCrazyTechLabs
- GPU compartilhada e MCP de mídiaModelos pesados sob demanda numa GPU de 12 GBCrazyTechLabs
- Estúdio de voz e podcastVozes clonadas com WER, similaridade e MOS automáticosCrazyTechLabs
- Radar de demanda de conteúdoEmbeddings e benchmark que levou a um pipeline 9B + 27BCrazyTechLabs
- Landing pages com saída estruturadaEtapas com schema, laço de reparo e avaliaçõesCrazyTechLabs
- Estudo com citações verificadasRAG híbrido e avaliação de três modelosPessoal
- Monitor de passagens aéreasAgente com MCP próprio e confirmação humanaPessoal
- Vídeo narrado 100% localLLM, difusão, vídeo e voz numa GPU de 10 GBPessoal
- MCP do WhatsAppDezesseis ferramentas, envio só com confirmaçãoPessoal
- Ponto de estagiários em três diasDo zero ao ar com agentes de códigoForgeX Core
- Interpretador de Python em CFlex, Bison e CPython como oráculo dos testesUnB