#agentes-de-codigo
49 posts
2026 - outubro
2 posts2026 - setembro
10 posts- Os Limites das LLMs: Boas em reproduzir o que existe. Caras pro que não existe
- LLM Benchmark v4: Genesys PI, novo competidor brasileiro!
- LLM Benchmark v4: Opus 5.5, GPT Sol/Luna 6, Mimo 2.6, Grok 4.7
- Parem de inventar desculpas e façam mais deploy! Com a IA, a premissa mudou. Entendam.
- Falando um pouco sobre minhas Skills de IA
- Por que coisas como TypeSafe IA não me interessam
- Novo LLM Benchmark v4: retestando 39 LLMs (Parte 2)
- Novo LLM Benchmark v4: retestando TODOS os principais LLMs (Parte 1)
- Desafio pra IA: converter ROMs de NES pra Master System/SMS
- AI-MEMORY 2.0 - o melhor sistema de memória para agentes e times
2026 - agosto
2 posts2026 - julho
6 posts- Novo LLM Benchmark: refiz todos os testes!
- LLM Benchmark: Opus 5 é bom?
- Novidades no meu AI-MEMORY: cada vez melhor pra usar com suas IAs
- LLM Benchmark: Kimi K3 chegou no nível do Claude Opus?
- Como me precaver pros meus agentes não apagarem minhas coisas?
- LLM Benchmark: Sonnet 5 falha, Gemini Flash surpreende, Sakana Fugu quase chega ao Tier A
2026 - junho
3 posts2026 - maio
5 posts2026 - abril
6 posts- LLM Benchmarks: Vale a Pena ($$) Misturar 2 Modelos? (Planner + Executor)
- Benchmark de LLMs pra Coding (Maio 2026): DeepSeek v4, Kimi v2.6, Grok 4.3, GPT 5.5
- Clean Code pra Agentes de IA
- LLM Benchmarks Parte 2: Vale Combinar Múltiplos Modelos no Mesmo Projeto? Claude + GLM??
- Por que as LLMs não te dão o resultado esperado | Por que eu prefiro Claude Code hoje
- VS Code é o novo Cartão Perfurado
2026 - março
2 posts2026 - fevereiro
1 post2026 - janeiro
6 posts- AI Agents: Qual é o melhor? OpenCode, Crush, Claude Code, GPT Codex, Copilot, Cursor, Windsurf, Antigravity?
- AI Agents: GLM 4.7 Flash é realmente tão bom assim?
- AI Agents: Instalando LSPs pro Crush
- AI Agents: Comparando as principais LLM de 2026 no Desafio de Zig
- AI Agents: Garantindo a Proteção do seu Sistema
- Omarchy 3 - Um dos Melhores Agentes pra Programação: Crush
2025 - maio
2 posts2025 - abril
4 posts2026 - outubro
2 postsAuto-publiquei meu próprio Livro/e-book: Competente o Suficiente
Publiquei meu livro sobre IA, de graça, em EPUB e PDF: os 131 textos de 2026 do blog, quase meio milhão de palavras, reorganizados em 20 capítulos, 6 apêndices, glossário e quase 300 referências. Este texto é o bastidor técnico: o inventário com hash de cada post, o contrato que cada agente lia antes de escrever, os rascunhos em paralelo, a marca invisível por parágrafo que liga o livro ao blog, o verificador que reprova capítulo com erro, o que a conferência pegou de errado nos meus próprios posts, e a pipeline Quarto, Typst e Pandoc que gera tudo. É preview: abra uma issue se achar erro.
LLMs + Agentes = competente o suficiente
Uma síntese do que venho medindo e escrevendo: os LLMs convergiram. A arquitetura transformer chegou perto do teto, a guerra de parâmetros acabou, e o salto que todos sentimos em 2025 e 2026 veio do harness agêntico (tool calling, prompt caching, sessões longas), não de uma inteligência de base ordens de magnitude maior. Reconto a linha do tempo de 2019 pra cá com fontes, explico por que o agente permite um modelo menos denso, e por que isso já é competente o suficiente pra automatizar engenharia de software de verdade.
2026 - setembro
10 postsOs Limites das LLMs: Boas em reproduzir o que existe. Caras pro que não existe
Todo LLM foi treinado só no que é público, mas 81,5% da atividade no GitHub acontece em repositórios privados e o código de todo software proprietário nunca entrou no treino. Nos meus projetos de retrocomputação senti na pele onde a máquina para: sem referência e sem oráculo, ela gira em força bruta direcionada.
LLM Benchmark v4: Genesys PI, novo competidor brasileiro!
A LUA Vision me chamou pelo LinkedIn oferecendo acesso de teste ao Genesys PI, modelo brasileiro treinado do zero. Rodei os dois tiers, House e Enterprise, no meu benchmark v4 de sabotagem, comparo contra Opus, GPT-6, Grok e concorrentes chineses, e analiso preço, vantagens e onde ele faz sentido no mercado nacional.
LLM Benchmark v4: Opus 5.5, GPT Sol/Luna 6, Mimo 2.6, Grok 4.7
Cinco modelos novos entraram no meu benchmark v4 de sabotagem: Opus 5.5, GPT 6 sol e luna, MiMo V2.6 Pro e Grok 4.7. Comparo com benchmark externo, respondo se compensa migrar, e o Grok 4.7 regride feio contra o próprio antecessor.
Parem de inventar desculpas e façam mais deploy! Com a IA, a premissa mudou. Entendam.
Com LLM de fronteira errando menos que a maioria dos devs humanos, a única desculpa real pra segurar deploy é a burocracia do seu próprio processo de review. Uso meus projetos open source, CI/CD multiplataforma e números reais de contribuição pra mostrar como faço isso desde fevereiro.
Falando um pouco sobre minhas Skills de IA
Skills de agente são só prompts em arquivos de texto. Eu mantenho 25 no meu my-skills, de pr-audit a fact-check, e elas já fecharam mais de mil PRs e issues nos meus projetos. A recomendação: não copie skill de terceiro, construa a sua.
Por que coisas como TypeSafe IA não me interessam
Um punhado de gente apareceu nos comentários perguntando 'você já testou o TypeSafe?'. Uso isso como gancho pra explicar minha regra sobre ferramenta de IA nova, investigar o caso de verdade, e explicar por que não perco tempo economizando token.
Novo LLM Benchmark v4: retestando 39 LLMs (Parte 2)
A tabela completa do v4, quase quarenta modelos ranqueados por vigilância, não por completude: seis empates no topo, um modelo de graça batendo metade do Claude, GLM ganhando num plano flat-rate, e o teste que fiz pra saber se Kimi ou DeepSeek escondem uma ligação secreta com Claude por baixo do capô.
Novo LLM Benchmark v4: retestando TODOS os principais LLMs (Parte 1)
Refiz meu benchmark do zero pela terceira vez. Rejeitei uma versão inteira, construí um app Rails sabotado com CVEs reais e gastei mais de 4 mil dólares em 9 dias. Nesta Parte 1, o processo, o custo e o porquê.
Desafio pra IA: converter ROMs de NES pra Master System/SMS
Tentei usar LLMs de fronteira pra converter ROMs de NES em jogos de Master System. Explico a arquitetura, por que traduzir 6502 pra Z80 sai lento, o emulador como oráculo de feedback e onde os mappers travam.
AI-MEMORY 2.0 - o melhor sistema de memória para agentes e times
O ai-memory chegou na versão 2.0 com formato aberto OKF, embeddings locais por padrão e suporte a times trabalhando em paralelo. Comparo com a concorrência e mostro o que só o ai-memory entrega.
2026 - agosto
2 postsLLM Benchmarks: Os últimos Deepseek v4, parem de perguntar
Rodei os snapshots novos do Deepseek v4 no benchmark: Flash saltou de 80 pra 90 e o Pro de 82 pra 91, ambos Tier A, os mais baratos do pelotão. Continuo preferindo Kimi K3 e GLM 5.3, e explico por que nota parecida não significa modelo equivalente.
LLM Benchmarks: Qwen 3.8, GLM 5.3, Gemini 3.7, Grok 4.6
GLM 5.3 fez 94 e encostou no trio da liderança. Qwen 3.8 Max saltou de 51 pra 92 ao parar de alucinar a API do RubyLLM. Gemini 3.7 Flash fez 93 — depois de ter a primeira rodada anulada por cola. E o Qwen 27B local mostrou que o gargalo agora é contexto.
2026 - julho
6 postsNovo LLM Benchmark: refiz todos os testes!
Refiz o LLM Coding Benchmark com uma prova mais difícil, três fases, harnesses nativos e tiers novos. Fable liderou, Terra empatou com Sol como melhor GPT e 24 modelos ficaram aptos para programação.
LLM Benchmark: Opus 5 é bom?
Opus 5 fez 95/100 no benchmark Rails, empatou com Opus 4.8 e passou o Fable 5 por um ponto. A tarifa é metade da do Fable, mas o teste estreito não define o melhor LLM.
Novidades no meu AI-MEMORY: cada vez melhor pra usar com suas IAs
ai-memory run mantém a mesma sessão de programação ao alternar entre Claude Code, Codex e outros harnesses, com workstreams pesquisáveis e integração com ai-jail e ai-usagebar.
LLM Benchmark: Kimi K3 chegou no nível do Claude Opus?
Coloquei o Kimi K3 para criar sozinho um chat em Rails 8: fez 89/A, superou o Opus 4.6 e foi uma alternativa mais barata ao Opus 4.8. Ainda ficou atrás dele em arquitetura, hardening e testes.
Como me precaver pros meus agentes não apagarem minhas coisas?
LLMs apagando arquivos de gente famosa viraram manchete essa semana. Em cinco meses de uso pesado, em YOLO mode, nunca aconteceu comigo. Mas eu também não confio: snapshots BTRFS, backups restic, sandbox e disciplina.
LLM Benchmark: Sonnet 5 falha, Gemini Flash surpreende, Sakana Fugu quase chega ao Tier A
No benchmark de coding, Sonnet 5 marcou 58/100 porque chamou uma API inexistente, enquanto Gemini 3.5 Flash fez 93/100. Sakana Fugu Ultra ficou em 79/100, perto do Tier A.
2026 - junho
3 postsai-memory: memória de longo prazo (Karpathy Wiki) e auto-aprendizado (Hermes) pros seus projetos
O ai-memory transforma sessões de agentes em uma wiki Markdown consultável, com hooks, MCP e handoff entre ferramentas. Um loop inspirado no Hermes promove memórias com validação, evidência e revisão opcional.
Controvérsia de IA em contribuições de projetos de código aberto - minha opinião
IA em contribuições open source veio para ficar, mesmo trazendo AI slop, regressões e falsos bugs. A saída prática é automatizar triagem e auditoria, sem tirar do humano a decisão final.
LLM Benchmarks - Atualizando sobre Grok 4.3, MiniMax v3 e Opus 4.8
No benchmark Rails 8, Opus 4.8 mantém a liderança com 95/100, enquanto Grok 4.3 e MiniMax M3 enfim ficam usáveis, mas seguem no Tier B e atrás de GPT e Opus.
2026 - maio
5 postsPrimeiras Impressões usando Oh-My-Pi e OpenCode
Oh-My-Pi é mais flexível para projetos com arquivos e artefatos variados, enquanto OpenCode é mais polido no código comum. O teste mostrou que nenhum harness audita tudo, e Codex segue atrás.
Criei um Sistema de Memória pra Agentes de Código: ai-memory
Após encontrar reindexações, perda de dados e hooks defeituosos no agentmemory, Akita criou o ai-memory em Rust, com Markdown, SQLite/FTS5, captura automática e handoff entre agentes. O projeto ainda é beta.
Memória de Agentes IA: Karpathy LLM Wiki e agentmemory na Prática
Akita compara a compaction de Claude Code, Codex e opencode, explica a LLM Wiki de Karpathy e testa o agentmemory antes de retirar a recomendação por bugs estruturais e apontar o ai-memory.
Terminando Minha Maratona de IA: Sucesso ou Fracasso?
Após mais de 500 horas em 24 repositórios, Akita ranqueia seus experimentos e conclui que Codex e Claude Code sustentam programação diária, mas sem revisão e XP a produtividade vira slop.
LLM Benchmarks: DeepSeek Destravado! Use DeepClaude
Troquei o harness do opencode pelo loop do Claude Code via DeepClaude e o DeepSeek V4 Pro subiu de 69/B para 89/A em 18 minutos e $3,14. O bug de multi-turn no controller continua.
2026 - abril
6 postsLLM Benchmarks: Vale a Pena ($$) Misturar 2 Modelos? (Planner + Executor)
Três rodadas mostram que multi-agente não supera o Opus 4.7 solo no opencode, que fez 97/100 em 18 minutos por cerca de $4. GPT 5.4 xHigh com executor medium economiza, mas perde 3 pontos.
Benchmark de LLMs pra Coding (Maio 2026): DeepSeek v4, Kimi v2.6, Grok 4.3, GPT 5.5
Reauditei 24 LLMs na mesma aplicação Rails com RubyLLM: Opus 4.7 e GPT 5.4 empatam em 97, GPT 5.5 chega a 96, Kimi e Gemini viram Tier A, e DeepSeek V4 Pro só atinge Tier A via DeepClaude.
Clean Code pra Agentes de IA
Clean Code muda de peso quando o leitor primário é um agente: código pequeno, nomes greppáveis, contexto de proveniência, testes headless e regras explícitas reduzem navegação, custo e erros.
LLM Benchmarks Parte 2: Vale Combinar Múltiplos Modelos no Mesmo Projeto? Claude + GLM??
Testei sete combinações em Claude Code, opencode e Codex, mas nenhum sub-agente foi chamado. A variância entre runs e harnesses mantém Opus sozinho como padrão para projetos greenfield.
Por que as LLMs não te dão o resultado esperado | Por que eu prefiro Claude Code hoje
Toda semana alguém me diz 'cancelei o Claude, não performa tanto quanto o GPT'. Eu estou com 500+ horas no Claude Code e no Codex, 400 mil linhas geradas, e os dois entregam. A diferença não é o modelo. É como a pessoa está conversando com ele.
VS Code é o novo Cartão Perfurado
Na era dos agentes de código, digitar tudo manualmente no VS Code virou o equivalente moderno do cartão perfurado. O que não virou legado foi fundamento.
2026 - março
2 postsO código fonte do Claude Code vazou. O que achamos dentro.
Analisei o source map que vazou do Claude Code e encontrei features escondidas, memória em camadas, multiagentes e um DRM baseado em xxHash64. O código também expôs um produto difícil de manter.
ai-jail: Sandbox para Agentes de IA — De Shell Script a Ferramenta Real
Transformei um script Bash de bubblewrap no ai-jail, uma ferramenta Rust com configuração TOML por projeto, lockdown e bootstrap de permissões. Ela cobre Linux e macOS, mas a paridade entre plataformas é aproximada.
2026 - fevereiro
1 postAI Agents: Qual seria a melhor Linguagem de Programação para LLMs?
Claude e GPT imaginaram uma linguagem mais adequada a LLMs, com AST tipada, efeitos e proveniência. A partir da ideia, Claude gerou em Rust o protótipo PACT, ainda não testado.
2026 - janeiro
6 postsAI Agents: Qual é o melhor? OpenCode, Crush, Claude Code, GPT Codex, Copilot, Cursor, Windsurf, Antigravity?
Comparei agentes como Crush, OpenCode, Claude Code e Codex e concluí que os harnesses proprietários ainda influenciam o resultado. Mesmo assim, continuo preferindo o Crush e uso Claude Code pontualmente.
AI Agents: GLM 4.7 Flash é realmente tão bom assim?
Rodei o GLM 4.7 Flash localmente numa RTX 5090 e ele foi o único modelo open source a compilar o desafio de Zig. O comportamento foi bom, mas ampliar o contexto o deixou até 20 vezes mais lento.
AI Agents: Instalando LSPs pro Crush
Documentei meu Crush com Claude, Ollama e LM Studio e criei um script para Arch Linux que usa o Mise para detectar linguagens e instalar automaticamente os LSPs correspondentes.
AI Agents: Comparando as principais LLM de 2026 no Desafio de Zig
Testei LLMs comerciais e open source numa migração difícil de Zig 0.15 com llama.cpp. Só as comerciais concluíram, e Claude Opus venceu por resolver tudo mais rápido e com menos insistência.
AI Agents: Garantindo a Proteção do seu Sistema
Mostro como isolar agentes de programação com Bubblewrap: o jail deixa apenas o projeto gravável, oculta o restante do sistema e monta só os diretórios necessários, reduzindo riscos de comandos destrutivos.
Omarchy 3 - Um dos Melhores Agentes pra Programação: Crush
Usei o Crush com Claude Opus 4.5 num blog Hugo e num chat em Zig com llama.cpp, CUDA e Qwen3. Ele refatorou scripts, atualizou APIs, corrigiu um segmentation fault e entregou um binário funcional por quase US$ 8.
2025 - maio
2 postsRANT - LLMs são LOOT BOXES!
Depois de gastar quase USD 150 em testes, concluí que LLMs ajudam em tarefas pequenas, mas programação real continua parecendo uma loot box cara: mais tokens e agentes não garantem código correto.
Quando LLMs não Funcionam pra Programar? Um caso de uso mais real.
Tentei criar um chat em Zig com llama.cpp, CUDA e Qwen3 usando o Gemini 2.5 Pro. Ele resolveu scripts comuns, mas travou na API C++ e consumiu mais de USD 50 em tentativas.
2025 - abril
4 postsTestando o Recém Lançado LLM Open Source - Qwen3 (com Aider e Ollama)
Testei o Qwen3 com Aider, localmente e via OpenRouter, em refatorações e testes. O 14B foi muito mais rápido e competente que o Qwen2.5, embora o Gemini ainda tenha levado vantagem.
Testando LLMs com Aider na RunPod - qual usar pra código?
Comparei modelos de código com Aider na RTX 4090, A40 e H100. O Qwen2.5-Coder 32B foi lento e frustrante, enquanto o 7B se saiu melhor, mas Claude e Gemini venceram.
Seu Próprio Co-Pilot Gratuito Universal que funciona Local: AIDER-OLLAMA-QWEN
Configurei o Aider com APIs comerciais e Ollama, mostrando watch-files, modo arquiteto e prompts. O fluxo local funciona bem para mudanças pequenas, desde que alguém revise tudo e evite commits automáticos.
Hello World de LLM: criando seu próprio chat de I.A. que roda local
Construí o Tiny Qwen CLI para explicar, na prática, como um LLM tokeniza contexto, gera o próximo token e usa parsers e scripts externos para ler arquivos e buscar páginas, formando agentes.