IA que chega em produção.
Agentes, RAG, servidores MCP e automação com IA, com evals, controle de custo e confiabilidade de produção desde o primeiro dia.
O que eu construo
Todo o espectro de trabalho com IA, de uma única chamada de LLM a sistemas multi-agente.
Agentes de IA e workflows
Agentes de múltiplos passos que agem em sistemas reais: Claude Code, agentes sob medida com SDK e workflows autônomos ajustados para confiabilidade.
- Claude Agent SDK
- Tool use e function calling
- Orquestração multi-agente
- Workflows de longa duração
Integração com LLM
Integração em nível de produção com Claude, GPT e modelos open source, incluindo caching, streaming e controle de custo.
- SDKs da Anthropic e da OpenAI
- Prompt caching
- Respostas em streaming
- Otimização de tokens e custo
RAG e sistemas de conhecimento
Retrieval-augmented generation sobre os seus dados: embeddings, vector stores e respostas fundamentadas com citações.
- Bancos de dados vetoriais
- Busca híbrida
- Citação e grounding
- Pipelines de ingestão de documentos
Servidores MCP
Servidores Model Context Protocol sob medida, expondo suas ferramentas e seus dados ao Claude e a outros clientes compatíveis com MCP.
- Design de servidor MCP
- APIs de tools e resources
- Auth e controle de acesso
- Deploy local e remoto
Prompt engineering
Design sistemático de prompt com evals, testes A/B e controle de versão, em vez de prompt no feeling.
- Suítes de avaliação de prompt
- Padrões few-shot e CoT
- Validação de schema de saída
- Testes de regressão
Automação com IA
Substituir processos repetitivos por IA: processamento de documentos, classificação, resumo e pipelines com human-in-the-loop.
- Processamento de documentos e e-mails
- Classificação e extração
- Fluxos de aprovação
- Integrações com Slack e Notion
Stack e ferramentas
Ferramentas modernas de IA, escolhidas pelo problema, não pelo ciclo de hype.
Claude (Anthropic)
LLM principal para agentes e raciocínio: Opus, Sonnet, Haiku, com prompt caching e extended thinking.
MCP e Agent SDK
Servidores Model Context Protocol e Claude Agent SDK para sistemas autônomos em nível de produção.
Vector stores
Pinecone, Qdrant, pgvector, escolhidos por escala, latência e requisitos de operação.
TypeScript e Python
TypeScript para integração no produto, Python para pipelines de dados e trabalho próximo de ML.
Do prompt à produção
Um processo com opinião, construído em torno de evals, porque IA sem medição é teatro.
Discovery
Mapear o problema real. A maioria dos 'projetos de IA' é, na verdade, problema de dado, de workflow ou de UX com roupa de IA.
Protótipo com evals
Um protótipo funcional e um conjunto pequeno de evals, para medir qualidade desde o primeiro dia, não depois do lançamento.
Endurecer
Otimização de custo, prompt caching, fallbacks, observabilidade e guardrails para o mundo real.
Publicar e iterar
Deploy com monitoramento e iteração baseada no uso real, não em casos de teste sintéticos.
Casos de uso comuns
Onde IA realmente compensa, e onde eu já vi funcionar.
Funcionalidades de produto
Funcionalidades com IA dentro do seu produto atual: chat, resumo, classificação, geração.
Automação interna
Substituir processos manuais: triagem de tickets de suporte, processamento de documentos, rascunho de respostas, sincronização entre ferramentas.
Ferramentas para devs
Workflows de Claude Code sob medida, servidores MCP e setups de agentes que deixam seu time de engenharia mais rápido.
Estratégia e auditoria de IA
Já tem IA em produção? Reviso prompts, custos, evals e arquitetura, e digo o que precisa ser corrigido.
Tem um projeto de IA?
De uma automação pontual a um sistema completo de agentes, vamos conversar sobre a abordagem certa para o seu caso.