Posts

Eu tenho um agente de código —Claude Code— que interage com o Linear, meu gerenciador de incidentes, cerca de 800 vezes por mês: lista tarefas, cria incidentes, altera estados, comenta. Eu revisei 165 de suas sessões e contei mais de 500 erros e mais de 370 tentativas de correção. Nenhum desses casos foi causado por falhas na API do Linear. Todos foram erros de interface: o agente conversava com a linha de comando e a linha de comando não entendia. ...

Na semana passada, ao auditar os tokens de API da minha conta na Cloudflare, encontrei um que eu nunca tinha criado: “Cloudflare Agent Token - 2026-04-28”, criado pelo assistente de IA do painel da Cloudflare (“Ask AI”). O próprio tooltip da Cloudflare explica que o token existe para que a IA possa “entender seu ambiente e agir em seu nome”. O que isso realmente significa, de acordo com a página de resumo do token: acesso de leitura sobre todas as contas, todas as zonas e todos os usuários — com mais de 160 permissões. Todas terminam em :Read: ele não pode modificar nada. Mas “somente leitura” subestima o impacto. A lista inclui Secrets Store:Read, Access: Keys:Read, Access: Service Tokens:Read, Zero Trust: PII:Read, Logs:Read, Account Audit Logs:Read, Billing:Read, API Tokens:Read, e toda a configuração de DNS, Access e provedores de identidade que você tenha. ...

Um aluno faz o teste psicométrico do KeepCoding usando o navegador Brave e relata um erro que nunca chega ao Sentry. A equipe de suporte verifica o painel, não encontra nada e pede para ele repetir o teste. Enquanto isso, os testes automáticos com Playwright contra o ambiente de produção passam sem problemas: o SDK carrega, os eventos são processados, os Sentry.flush() retornam true. Tudo parecia correto. As decisões de produto baseadas em dados parciais são piores do que as baseadas em intuição, porque são tomadas com uma falsa sensação de segurança. ...

O usuário mais frequente do meu CLI não sou eu lql é um CLI em Rust para gerenciar issues do Linear. Escrevi porque nenhuma das alternativas existentes funcionava para meu caso de uso real: um agente de IA que gerencia issues de forma autônoma. Por que tive que escrever meu próprio CLI O MCP do Linear foi a primeira tentativa. A ideia é elegante: um servidor MCP que expõe a API do Linear diretamente ao agente. Na prática, era lento, instável, e o agente tinha que construir queries GraphQL do zero a cada chamada. Cada chamada era uma oportunidade de inventar um campo que não existe. Desinstalei em duas semanas. ...

Nos dois posts anteriores (sobre hashes perceptuais no contexto do Chat Control e sobre suas colisões adversas) vimos como 40 linhas de Python resolvem um problema que a indústria posteriormente implementa em escala global. Os hashes perceptuais são o exemplo clássico de camada determinística barata: sem modelo, sem GPU, sem dependências pesadas. Os hashes resolvem detecção de duplicatas e similaridades. Mas, em um pipeline real para processamento de imagens, há tarefas que não podem ser realizadas com algoritmos clássicos: detectar bounding boxes de uma marca d’água arbitrária, preencher o espaço com um inpainting que respeite o contexto visual, classificar se um rosto é adulto, extrair atributos semânticos. Esses trabalhos exigem redes neurais grandes. ...

Este post é a continuação técnica de “64 bits decidem o que você pode subir na internet”. Se você não leu esse post, leia primeiro. Aqui assumimos que você entende o que é um hash perceptual e por que PhotoDNA, PDQ e NeuralHash são parentes próximos. No dia 5 de agosto de 2021, a Apple anunciou o NeuralHash. No dia 18 de agosto —treze dias depois—, um pesquisador sob o pseudônimo Asuhariet Ygvar publicou no GitHub a engenharia reversa completa do modelo extraído de binários do iOS. Poucos dias depois, dois pesquisadores independentes —Brad Dwyer e outros— publicaram colisões: duas imagens visualmente distintas com o mesmo hash. O sistema que a Apple prometia com uma taxa de falsos positivos de “um por trilhão de contas por ano” provou ser vulnerável usando hardware comum. ...

Em agosto de 2021, a Apple anunciou que iria escanear cada foto do seu iPhone antes de enviá-la para o iCloud. Em setembro do mesmo ano, após duas semanas de polêmica, retirou a proposta. Em dezembro de 2022, declarou oficialmente que o projeto estava morto. Em 2022, a Comissão Europeia propôs um regulamento que obriga WhatsApp, Signal e Telegram a fazer exatamente o que a Apple se recusou a implementar. Esse regulamento — conhecido como Chat Control — ainda está em pauta no Conselho Europeu. ...

Você pede ao seu copiloto de IA para capturar uma janela. O copiloto digita peek app "Xcode". A ferramenta procura uma janela cujo nome do proprietário seja exatamente Xcode. Não encontra, porque o processo se chama Xcode-16.3. A ferramenta imprime Erro: aplicativo não encontrado. O copiloto, que é um LLM e tem a memória emocional de um peixe dourado, tenta peek app "Xcode-16.3". Funciona. Mas custou uma interação, tokens de entrada, tokens de saída e a paciência de quem paga a conta. ...

Passo semanas fazendo stress-test do modelo on-device da Apple — o de ~3B parâmetros que roda no Neural Engine de qualquer Mac com Apple Silicon. Para testá-lo a fundo, construí o Think Local, um app macOS que exercita cada capacidade do modelo: chat, geração de imagens, structured output, tool calling e comparação de parâmetros. Minha conclusão: como chatbot, o modelo é terrível. Mas como motor de structured output e tool calling, é surpreendentemente bom. ...

NLTagger é a API da Apple para análise de sentimento. Está integrada no iOS e macOS, roda on-device, não precisa de servidor, e está a três linhas de código de distância. É a primeira coisa que você encontra quando busca “sentiment analysis Swift”. Isso é o que ela retorna para texto que qualquer desenvolvedor escreveria num dia normal: Mensagem NLTagger Realidade “delete the temp file” -0.8 Instrução neutra “ok” -0.8 Confirmação neutra “run make test” -0.6 Instrução neutra “commit and push” -0.4 Instrução neutra “great job, thanks!” +1.0 Positivo (correto) “this is fucking broken” -1.0 Negativo (correto) A escala vai de -1.0 (muito negativo) a +1.0 (muito positivo). Segundo a Apple, “delete the temp file” tem quase a mesma carga emocional que “this is fucking broken”. E “ok” – a resposta mais neutra da língua inglesa – pontua -0.8. ...