Por que desisti de publicar as transcrições dos vídeos que uso como fonte
A dúvida sobre direito autoral que me levou a separar os materiais usados durante a pesquisa daquilo que realmente publico no gpupo.com.
Explore os posts agrupados por trimestre. Use a lista para uma leitura mais compacta ou a grade para navegar visualmente pelos temas.
A dúvida sobre direito autoral que me levou a separar os materiais usados durante a pesquisa daquilo que realmente publico no gpupo.com.
Por que permiti busca e agentes, selecionei Disallow AI Training e o que uma verificação do DNS revelou sobre o alcance real dessa configuração.
Como transformei trechos das minhas notas de inglês em material de revisão, o que encontrei no vault e as limitações desse experimento.
A função no meu .bashrc que sobrecarrega o comando codex com acesso pleno e sem pedidos de aprovação.
Meu uso do Obsidian para capturar anotações, fichar fontes e relacionar ideias, com exemplos de música, cinema, inventários e organização assistida por IA.
No Personal Competency Graph, a intenção pode iniciar o trabalho; a interface estruturada entra para mostrar o que o agente entendeu e manter a decisão humana.
Um experimento para iniciar conversas no ChatGPT a partir do corpus do gpupo.com, com llms.txt, Markdown e regras explícitas para síntese, atribuição e lacunas.
Agentes aceleram a produção de código, mas não substituem a atenção sobre coerência, complexidade e direção. O trabalho de engenharia muda de lugar.
Ctrl+s abre ações de sessão; Ctrl+g abre ferramentas. O agrupamento reduz combinações globais, mas cria novos estados e conflitos a observar.
Quando uma primeira versão fica mais fácil de reproduzir, a vantagem competitiva pode depender da combinação entre processo, domínio, dados, distribuição e operação.
Uma demonstração de IA mostra uma possibilidade. Inovação exige escolher um problema, encaixar a tecnologia no processo e observar um resultado que importe.
O conceito de destruição criativa ajuda a entender o que a IA desloca e cria, mas ainda não sei se explica bem a velocidade e a abrangência dessa mudança.
Como testar caminhos negativos, limites, interrupções, permissões e fluxos críticos — e quando trazer uma pessoa de qualidade para o processo.
Deploy bem-sucedido não garante operação. O mínimo inclui rollback, restore testado, monitoramento, alertas, credenciais separadas e infraestrutura reproduzível.
Um caminho prático para mapear dados e acessos, testar autorização, proteger credenciais, verificar dependências e criar barreiras automáticas.
Código gerado por IA pode parecer pronto antes de arquitetura, segurança, operação e QA existirem. A diferença entre protótipo e produto continua sendo engenharia.
Como estou usando objetivos, autoavaliação e relações entre competências para projetar um Caminho de estudo sem transformar o Obsidian ou o Personal Competency Graph em gerenciadores de tarefas.
Recebi a proposta de representar uma equipe estrangeira diante dos clientes enquanto outras pessoas fariam o trabalho técnico. O principal risco não estava no código, mas no uso da minha identidade e reputação.
Uma auditoria de agent readiness levou a corrigir acesso e redirects e a gerar representações Markdown no build, sem adicionar API, backend ou negociação de conteúdo ao blog.
Um atalho curto transformou o Neovim num runner de scripts, mas dois mapeamentos quase iguais preservaram uma inconsistência real.
Detectores de texto por IA produzem classificações probabilísticas, não provas de autoria; falsos positivos exigem contexto e revisão humana.
Uma leitura da configuração real do meu vault: menos recursos visíveis, arquivos locais e navegação suficiente para escrever.
Um CTA no final dos posts usa prompts pré-preenchidos para ajudar o leitor a criar três formas de compartilhar o artigo com ChatGPT ou Claude.
Uma reflexão sobre aprender IA com ritmo sustentável, separando fatos observáveis de previsões sobre o futuro.
Uma tradução bem-humorada dos nomes e funções dos principais serviços da AWS para português claro.
Como deixar o modelo interpretar a intenção e delegar soma, contagem, datas e invariantes a software verificável.
Como usar Flow para controlar o processo, Agents para interpretar e Crew apenas quando existe colaboração dinâmica.
Uma mensagem para esperar ou trocar de modelo expõe que qualidade, latência, custo e disponibilidade já são decisões de arquitetura e produto em sistemas de IA.
Um vocabulário prático para separar autonomia, colaboração e orquestração em sistemas com agentes de IA.
Um share guest bloqueado pelo diretório-pai e um servidor invisível sem WS-Discovery pareciam uma falha única. Eram problemas diferentes, com testes diferentes.
Como combinar tracing, scores, datasets, experiments e revisão humana para transformar execuções de IA em evidência para o próximo release.
Uma hipótese sobre agentes de IA: parte do trabalho pode estar migrando da execução de tarefas para o projeto dos sistemas que as executam.
A adoção de agentes e novas integrações pode ampliar o trabalho de segurança. A questão é se esse esforço chegará cedo o bastante para limitar os incidentes.
O que uma liderança técnica pode aprender quando um profissional experiente diz que trabalhar com IA está reduzindo propósito, autonomia e conexão com o código.
Architecture as Code mostra por que gerar um artefato com IA é apenas o começo: a operação exige fontes de verdade, regras verificáveis e responsabilidade humana.
Um almoço com CEOs e CTOs mostrou empresas em momentos muito diferentes no uso de IA — e tornou mais difícil falar em um único estágio.
Por que o AGENTS.md pode orientar agentes dentro de um repositório, conectar fontes canônicas e tornar limites, validações e critérios de conclusão operacionais.
Técnicas de IA não deixam de funcionar quando envelhecem. O que muda é a camada da solução que elas ocupam — e o contexto em que ainda fazem sentido.
No BP Stack e no Caderno Clínico, uso Langfuse e LLM-as-a-judge com limites diferentes. O Judge ajuda a revisar saídas, mas não aprova nada sozinho.
Relato de um conflito entre o shell-init do Lowfat e um alias existente no meu Zsh, e da configuração que mantive depois dele.
Um número pode estar correto e ainda contar uma história errada. Em tecnologia, contexto, recorte e custo dos erros importam tanto quanto a métrica.
Age of Empires II me ajudou a enxergar um limite do trabalho com vários agentes: aumentar a capacidade de execução também aumenta o custo de coordenação.
Uma conversa sobre o e-mail do Marvin, cinco contas e a decisão de instalar localmente a versão oficial do Thunderbird no Ubuntu.
Um bookmarklet que pega a URL aberta, monta um pedido de resumo e prepara uma conversa no ChatGPT, além da versão usada nos meus sites Jekyll.
Um experimento com agentes de código questiona o valor de reproduzir TDD dentro do loop e reforça a diferença entre seguir um processo e verificar o resultado.
Como revisar skills antigas para preservar contexto, restrições e critérios de conclusão sem microgerenciar a estratégia do agente.
Como registrar problema, público, escopo e critérios de aceitação no repositório para orientar agentes de IA sem transformar o PRD em especificação técnica.
Uma conversa com meu filho sobre IA, arte 3D e a distância entre gerar código executável e construir um objeto convincente.
Como registrar tokens, princípios e restrições visuais no repositório para reduzir a inconsistência de interfaces geradas por agentes de IA.
Como uso IA local para transformar vídeos e podcasts em transcrições, referências e artefatos pesquisáveis.
Uma arquitetura planejada para manter backups do Proxmox offline, criptografados e com restore verificável.
Quando um texto produzido por inteligência artificial parece artificial, a correção costuma começar pela superfície.
Uma experiência com Ventoy, autounattend.xml e duas imagens oficiais do Windows 11 25H2.
Como uso Forgejo Actions, uv, Nomad, Consul e Traefik para publicar aplicações Python em um homelab sem manter um registry de imagens.
Um experimento de curadoria, automação editorial e produção multimídia para acompanhar a evolução das notícias de tecnologia e IA em 2025.
Como versionar agentes, contratos, comportamentos e o grafo completo de uma plataforma de chatbots e automações.
Um upgrade do Langfuse mostra como combino Ansible, Nomad, backups testados, documentação e agentes para operar meu homelab.
Como uso o Qwen 3.5 para limpar transcrições do OpenWhispr sem perder a voz, os termos técnicos e os comandos.
Como remapear globalmente o Caps Lock para F8 no Ubuntu 26.04 com GNOME e Wayland usando o keyd.
Como combinar os resultados do DeepSWE, o custo por execução e o contexto do projeto para escolher um perfil no Codex.
O Qwen 3.5 9B completou minha suíte standard em 7,48 segundos, com aprovação nos três testes que possuem validação automática.
Um balanço do segundo trimestre de 2026 sobre agentes, modelos, observabilidade, segurança e custos para operar IA em produção.
Como usar o Lewis Model para compreender preferências de interação em equipes de tecnologia sem transformar cultura em estereótipo.
Planejamento, testes, implementação e revisão podem ser separados em etapas, com um único agente ou vários, conforme o contexto.
Uma auditoria com uv mostrou por que lockfiles, atualização controlada, testes e CI precisam fazer parte da segurança de uma aplicação Python.
Como combinei Miniflux, um modelo local e Mattermost para classificar notícias técnicas antes que elas ocupem minha atenção.
Um pipeline combina OCR, regras determinísticas, modelo local e Markdown para classificar documentos sem remover a revisão humana.
Como expor o whisper.cpp em uma API local compatível com /audio/transcriptions e manter clientes como o OpenWhispr independentes da implementação.
Um workflow de feedback rápido usa Ansible, SSH e um agente de IA para ajustar logs e dashboards, com limites para reduzir o risco operacional.
Como um gateway compatível com OpenAI reduz o acoplamento entre aplicações, modelos locais, provedores cloud e políticas de custo.
A tokenização pode produzir custos diferentes entre idiomas, mas a decisão precisa ser medida no modelo e no fluxo reais.
Medir o tamanho real do contexto ajuda a controlar custos de LLM e decidir quando compactar ou reiniciar uma sessão de trabalho.
Como separei serviços persistentes de capacidade temporária de desenvolvimento em um homelab com Proxmox e Nomad.
Como definir contexto, ferramentas, limites e critérios de conclusão em workflows reutilizáveis para agentes de IA.
Workflows com LLMs precisam limitar o espaço de solução com contexto, templates, ferramentas e critérios de validação sem eliminar a exploração.
Um fluxo com metadados, Bash e Git para manter o Vault privado como fonte de verdade e publicar apenas notas selecionadas.
A busca online delegou parte da memória; a IA generativa agora delega síntese e estrutura inicial. O diferencial passa a ser julgamento.
Como usar especificações, regras de repositório, planos e tarefas para manter projetos com agentes de IA verificáveis entre sessões e mudanças de contexto.
Entregar rápido não exige ignorar testes e manutenção; maturidade é saber quando acelerar e qual custo futuro uma decisão cria.
Estratégia, papéis claros e consistência ajudam times de tecnologia a trocar protagonismo individual por resultado coletivo.
Um critério prático para escolher entre ferramentas visuais, frameworks de código, plataformas de automação, agentes e pipelines de dados.
Uma arquitetura adequada equilibra complexidade operacional, tolerância a falhas e custo total em vez de seguir a tecnologia mais chamativa.
A diferença prática entre um copiloto e um agente está no ciclo de decisão, uso de ferramentas, estado e limites de autonomia.
Alfabetização em IA envolve entender limites, aplicar ferramentas, verificar resultados e avaliar as consequências do uso da tecnologia.
Recomeçar depois de um erro exige separar frustração de evidência, preservar aprendizados e mudar o plano de forma deliberada.
A hipótese de que modelos de linguagem aprendem com rastros da cognição humana, o que ela ajuda a pensar e o que ainda não demonstra.
O que o Model Context Protocol padroniza, como host, cliente e servidor se relacionam e quais decisões de segurança continuam fora do protocolo.
Uma revisão das previsões feitas em 2023 e dos temas que orientaram a tecnologia em 2025.
Gist ID: 4bf43c9e0ab47b6afc845dcb1312eedd
A digitalização industrial ganha valor quando conecta sensores, decisões e ações ao processo físico, começando por um gargalo observável.
A abstração da nuvem acelera o trabalho, mas entender CPU, memória, rede, armazenamento e falhas continua importante para decidir infraestrutura.
Como avaliar uma iniciativa Lean pelo problema, pelo fluxo e pela capacidade de aprender, sem transformar ferramentas de melhoria em um programa burocrático.
Como conectar entregas a resultados sem tratar prazo e orçamento como métricas obsoletas nem declarar valor antes de os benefícios aparecerem.
Gist ID: 7e934be8ddfbe7642a9ce43182f34684
Palestra sobre responsabilidade profissional, limites de controle e a busca de opções diante de um problema.
Gist ID: 15d7634f81ced00d26423841bac9efc3
Um script Python com reservoir sampling para selecionar registros em uma passagem, preservar o cabeçalho e permitir amostras reproduzíveis.
Como discutir legibilidade, design e refatoração sem confundir preferência estética com qualidade nem opor código sustentável a valor para o usuário.
Como usar o princípio do mínimo conhecimento para localizar acoplamento, com um exemplo JavaScript executável e critérios para não aplicar a regra mecanicamente.
Como combinar métricas DORA e dimensões SPACE sem transformar indicadores de entrega e produtividade em metas isoladas ou avaliações individuais.
Um roteiro para usar a entrevista como investigação da vaga, da gestão e das condições de trabalho, escolhendo perguntas conforme a decisão que você precisa tomar.
Uma introdução prática a Bash com variáveis, expansão, funções, source, permissões e um script de backup validável.
O caso específico do Prime Video e um conjunto de critérios para decidir entre monólito modular, serviços distribuídos e extrações graduais.
Como priorizar hipóteses, entregas e evidências antes do product-market fit sem transformar velocidade, pesquisa ou documentação em fins por si mesmos.
Um roteiro para avaliar tecnologias por finalidade, desenho, distribuição de benefícios e riscos, sem reduzir a decisão a aceitar ou rejeitar o novo.
Como avaliar comunicação, notificações, automação e monitoramento pelo efeito sobre carga, autonomia, privacidade e capacidade de realizar o trabalho.
Como formular um problema de empacotamento tridimensional, entender o papel do BRKGA e avaliar uma solução heurística sem confundi-la com um resultado ótimo.
Como avaliar e reduzir a exposição de dados em etiquetas de entrega, DANFEs e comprovantes, sem confundir documentos fiscais com instrumentos de pagamento.
Como observar mudanças no trabalho, conversar sem diagnosticar a pessoa e testar melhorias em prioridades, autonomia, carga, suporte e feedback.
Como transformar uma preocupação com etarismo em critérios verificáveis para recrutamento, desenvolvimento e gestão de pessoas em tecnologia.
Como combinar autonomia, limites, evidência e escalonamento sem aplicar o mesmo processo a decisões reversíveis e escolhas de alto impacto.
Como escolher pesquisa, prototipação, analytics e testes de UX a partir da decisão que o time precisa tomar.
Como avaliar uma proposta de UX sem confundir preferência visual, necessidade do usuário e resultado de negócio.
Colocar uma pessoa no fluxo não garante qualidade ou conformidade. O resultado depende de autoridade, contexto, tempo, competência e registro da decisão.
Como usar complexidade ciclomática como sinal para testes e revisão sem transformá-la em uma medida universal de qualidade.
Sono, movimento, vínculos, pensamentos recorrentes e direção pessoal podem oferecer sinais sobre o bem-estar, mas não explicam sozinhos o sofrimento mental.
Como distinguir estratégia, compromisso de resultado e descoberta de produto ao usar Balanced Scorecard, OKRs e Opportunity Solution Trees.
Uma retrospectiva sobre IA generativa, interfaces, segurança, computação quântica, automação e sustentabilidade — e sobre como escrever previsões verificáveis.
Cinco anos antes da publicação deste texto, Ricardo Cabianca e eu fundamos a NVPC. A empresa começou com a proposta de aplicar inteligência, gestão e…
Como estruturar experimentos de crescimento sem confundir velocidade, causalidade e manipulação de usuários.
Um prompt útil define tarefa, contexto, restrições e critérios de aceitação, mas a qualidade final depende de verificação.
Whisper é um modelo de reconhecimento de fala, não uma tecnologia de privacidade. A execução local reduz a circulação do áudio, mas ainda exige controles de segurança.
Um exemplo de PySpark que separa execução local, paralelismo e distribuição, com os custos e limites de operar um cluster.
Um roteiro para distinguir previsão de causalidade, definir a decisão apoiada pelo modelo e avaliar se machine learning melhora o produto em produção.
Um roteiro para avaliar Pentaho em projetos de dados considerando componentes, operação, licenças e custo total, sem confundir código aberto com solução gratuita.