Ultra-aprendizado em um mercado de trabalho polarizado
Um ensaio sobre educação, autoestudo e aprendizado deliberado como resposta técnica e humana a um mercado de trabalho cada vez mais polarizado.
Blog
28 posts sobre sistemas, arquitetura, confiabilidade e liderança.
2026 26 posts
abril 2
março 3
-
LangGraph, CrewAI e Agno: primeiros passos com agentes de IA em Python
Guia prático para quem quer começar com agentes de IA. Três frameworks, o mesmo problema, exemplos reais e uma comparação honesta.
-
Quando a IA deixa de ser ferramenta e se torna superfície de ataque
Quando IA vira superfície de ataque: prompt injection, cadeias de ataque reais, arquiteturas em risco e defesas práticas para engenharia.
-
Fackel: um framework autônomo de pentest baseado em agentes ReAct
Fackel: framework multi-agente de pentest onde LLMs decidem a estratégia. Arquitetura, decisões de design e lições aprendidas.
fevereiro 10
-
O estado da arte em agentes de IA (2026): o que 'moderno' realmente significa
Visão prática dos agentes de IA modernos: uso de ferramentas, recuperação, memória, verificação, padrões multi-agente e segurança.
-
Device Code Phishing + Vishing: como atacantes comprometem contas Microsoft Entra usando páginas de login legítimas
Device code phishing combinado com vishing contra Microsoft Entra: como o fluxo OAuth é abusado, o que monitorar e como mitigar.
-
A regra da cadeia por trás dos modelos autorregressivos
Modelos autorregressivos são a regra da cadeia da probabilidade mais um modelo condicional. O modelo mental, a matemática e o treinamento.
-
As habilidades necessárias para realmente aprender
Um ensaio reflexivo sobre aprender como resistência disciplinada à incerteza, revisão e silêncio.
-
Memos de decisão que evitam debates circulares
Um formato leve de memo que esclarece a decisão, expõe trade-offs e acelera a execução.
-
Implicações de segurança do raciocínio probabilístico em IA generativa
Uma análise rigorosa de como o raciocínio probabilístico em modelos generativos molda o risco de segurança, modos de falha e robustez.
-
Separação de responsabilidades em sistemas Spring: o que Kotlin torna explícito
Como o sistema de tipos de Kotlin torna mais nítidas as fronteiras de responsabilidade em arquiteturas Spring.
-
O custo da abstração: quando camadas escondem riscos de segurança e confiabilidade
Camadas de abstração podem obscurecer modos de falha, transferir risco entre fronteiras e enfraquecer garantias de sistemas.
-
Amazon Bedrock: fundamentos, sistemas e escalabilidade
Um artigo altamente técnico sobre Amazon Bedrock com fundamentos matemáticos e exemplos numéricos.
-
O que o SICP realmente ensina sobre abstração — e por que ainda importa
A lição central do SICP: separação disciplinada entre significado e mecanismo, pré-requisito para sistemas confiáveis e escaláveis.
janeiro 11
-
Episódio de podcast
Um post com um episódio do Spotify incorporado no topo.
-
Cálculo, IA e álgebra linear: um guia de campo compacto
Uma revisão rápida e baseada em código sobre gradientes, Jacobianos e a álgebra linear que impulsiona o ML moderno.
-
Streaming de logs em Rust com Tokio
Construa um pequeno streamer de logs assíncrono que acompanha um arquivo e envia linhas JSON.
-
Publique rápido, itere depois
Como publicar mais rápido sem perder qualidade: escopo, salvaguardas e um checklist mínimo.
-
Retentativas elegantes em Python com backoff
Um helper de retentativa pequeno e pronto para produção usando backoff exponencial e logging.
-
Corte o excesso
Uma revisão rápida para deixar qualquer post mais curto e mais claro.
-
Liderando com trade-offs
Um método repetível para expor opções, trade-offs e uma decisão clara em times pequenos.
-
1:1s que não viram reunião de status
Uma estrutura simples para manter 1:1s focadas em pessoas, não em status de projetos.
-
Retrospectiva 2025: menos, melhor e consistente
Três lições práticas que tornaram o ano mais sustentável e eficaz.
-
Por que a modelagem de ameaças tradicional falha em sistemas de IA generativa
Comportamento probabilístico, risco distribucional e composabilidade invalidam premissas da modelagem de ameaças para IA generativa.
-
Por que a maioria dos postmortems não identifica o verdadeiro modo de falha
Postmortems frequentemente confundem gatilhos proximais com causas reais, obscurecendo dinâmicas de sistema e condições latentes.
2025 2 posts