Engenharia de IA aplicada · Python · Automações confiáveis
Sou graduando em Engenharia da Computação na Universidade Cruzeiro do Sul, com conclusão prevista em janeiro de 2029, e mestre em Ciências pela UFRJ. Desenvolvo projetos próprios de software com apoio de ferramentas de IA, concentrando meu aprendizado em integração de modelos, automação e verificação de resultados.
Minha experiência anterior em análise de dados de negócio, pesquisa e treinamento orienta os problemas que escolho resolver: um fluxo precisa produzir uma entrega que outra pessoa consiga conferir, reproduzir e manter.
Portfólio · Todos os repositórios · LinkedIn · Contato
Problema: acoplar uma aplicação a um único modelo ou provedor dificulta lidar com custo e indisponibilidade.
Roteador Python com fallback entre provedores e registro de modelo e custo. O exemplo de agentes organiza planejador, executor e revisor com contratos JSON, até três chamadas ao roteador e interrupção após uma revisão negativa.
Confira: demo offline e instruções · testes dos contratos · CI
Problema: uma rotina pode terminar com sucesso e não produzir nenhuma entrega útil.
Verifica arquivos, crescimento de registros e resultados de comandos. O exemplo de entregas de agentes distingue resultado recente, ausência de novas entregas e impossibilidade de verificar.
Confira: contratos e uso · teste do exemplo · CI em Linux, macOS e Windows
Problema: uma proteção pode continuar importada ou citada no código, embora o fluxo tenha deixado de chamá-la.
Analisa a AST de Python para conferir chamadas obrigatórias e restringir onde determinadas operações podem ocorrer. É uma verificação estática complementar aos testes de comportamento.
Confira: exemplos de regras · código e testes · CI
objetivo → planejamento → candidato → revisão → validação da aplicação → entrega
llm-cascade ↓ ↓
wiringguard outcome-watchdog
Os exemplos de agentes e monitoramento são demonstrações separadas e reproduzíveis. A integração em uma rede com estado persistente faz parte do roadmap. A demo offline usa respostas fixas; ela verifica os contratos do fluxo, sem medir a qualidade de um modelo real. Aprovação por um LLM também precisa de verificações próprias da aplicação.
O guia de arquitetura descreve contratos, limites e próximos passos dessa composição.
| Frente | Repositórios e finalidade |
|---|---|
| Qualidade de software | silentbugs: falhas silenciosas em scripts · pytest-sideeffects: alterações reais de arquivos durante testes |
| Operação de agentes de código | cc-worktree-ops: continuidade de sessões e integração de worktrees · cc-cost-kit: política de modelos e visibilidade de tokens |
| Qualidade e distribuição de mídia | media-gate: vídeo preto, silêncio e duplicação de imagens · tiktok-direct-post: integração com a API oficial de publicação · video-prompt-formulas: estruturas de prompts para vídeo |
| Integrações de negócio | content-ops-automation-templates: leads, e-mails e UTMs · stripe-hardening-kit: validação de integrações e referência de webhook · honest-timer: prazo persistente no navegador |
| Referência de arquitetura | awesome-ai-content-ops: mapa de ferramentas, padrões e limites para pipelines de conteúdo com IA |
- Rede de agentes e automações: integrar execução, avaliação e evidência de entrega antes de ampliar a concorrência ou a autonomia.
- Plataforma educativa Feira das Escolhas / Ludimapa: evoluir o piloto público e preparar uma extração pública de componentes reutilizáveis, com critérios de privacidade e acessibilidade. Resultados educacionais ainda não foram estabelecidos.
Os nomes de futuros repositórios no roadmap são propostas, com critérios de conclusão explícitos. Não representam projetos já publicados.
- Engenharia da Computação — Universidade Cruzeiro do Sul: em andamento, conclusão prevista em janeiro de 2029.
- Mestrado em Ciências — UFRJ: 2018.
- Tecnologia em Marketing — UNIGRANRIO: 2023.
- BAT Brasil, Trade Marketing e Key Account: análise de dados de negócio e comunicação de insights, de 2021 a 2023.
- UFRJ / FAPERJ: capacitação de alunos e apoio a projetos e experimentos, de 2018 a 2021.
Objetivo profissional: oportunidades de estágio em AI Engineering e desenvolvimento de software com IA, com espaço para aprender, construir e validar soluções em equipe.
English: I am a Computer Engineering student, graduating in January 2029, with an MSc in Science from UFRJ and previous experience in business data analysis and research support. My open-source work focuses on LLM integration, automation reliability and verifiable outcomes. Start with llm-cascade, outcome-watchdog and wiringguard. Agent examples are reproducible demonstrations; the integrated agent network and educational components remain on the roadmap.