Arquitetura

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. ...

Publiquei seis artigos esta semana. Um sobre PostgreSQL. Outro sobre agentes de IA. Outro sobre gestão de contexto. Um tutorial de automação. Uma análise de debugging. E um design de conselho adversarial para avaliar MVPs. Não foi algo planejado. Cada artigo surgiu a partir de um paper, uma palestra ou um projeto que achei interessante de forma isolada. Mas, ao vê-los juntos, há um fio condutor que eu não tinha percebido enquanto escrevia. ...

A primeira vez que usei o Claude Code para refatorar um módulo inteiro, tive uma experiência quase mística. Descrevi o que queria, fui buscar um café, e quando voltei tinha um pull request com 14 arquivos alterados, testes atualizados e uma mensagem de commit decente. “Isso é mágica”, pensei. Não é mágica. É um while loop. Michael Bolin, da OpenAI, publicou recentemente um artigo onde desvenda o funcionamento interno do Codex CLI. E acontece que o segredo por trás dos AI coding agents não é um algoritmo revolucionário nem uma rede neural misteriosa. É um loop que chama um LLM, executa ferramentas, e repete até não sobrar nada para fazer. ...