EN/PT

← Antonio Leblanc

Agentes de IA em Produção

Construo as ferramentas, regras e integrações para colocar modelos de IA trabalhando de verdade em produção — onde errar custa caro.

  • 450+ PRs em produção mergeadas por tech leads em menos de 4 meses (>83% de aprovação humana) em 10 repositórios.
  • 9 agentes de IA em produção — um orquestrador central e oito perfis especializados em engenharia e operações.
  • Self-hosted sobre o Hermes — o runtime de agentes open-source da Nous Research.
pantera-bot — agente de engenharia Atividade real no GitHub
Feed de atividade do GitHub do agente de engenharia pantera-bot, mostrando um pull request aberto por ele que recebeu 17 comentários de revisão do time.
450+ PRs mergeadas em <4 meses · >83% aprovação 10 repositórios · limite de 2 PRs · 0 pushes diretos

Os agentes

Orquestrador Central

Control plane da frota. Executa auditorias diárias de sanidade cognitiva, integridade de skills e garante isolamento estrito entre domínios.

Engenharia e FinOps

Resolve issues no GitHub, executa testes locais e abre PRs em 10 repositórios sob revisão humana, além de manter a higiene de custos na AWS.

Operações do Negócio

Sete perfis dedicados em vendas, CS, suporte, marketing, projetos, inteligência e liderança, processando mais de 3.000 mensagens humanas por mês.

450+
PRs Mergeadas
>83% de aprovação humana em <4 meses
310
PRs de Código e Infra
10 repositórios sob limite de 2 PRs WIP
15%
Redução AWS
Poda automatizada de recursos e disco
<$140/mês
Teto de Tokens
Custo mensal controlado por perfil
Distribuição de Carga (450 PRs Mergeadas em <4 Meses) Auditoria API GitHub (Mai–Set 2026)
69% Código e Infra (310 PRs)
123 feat · 65 fix · 49 chore/ci · 25 refactor · 48 test/release
15% Arquitetura (66 PRs)
Contratos de API, schemas, topologias, code health
16% Governança (74 PRs)
Snapshots de estado, cron mirrors, sincronização

O que faz a delegação ser real

Repositórios de produção precisam de mais que um bom modelo. Isso é o que precisou existir antes.

01 // Revisão humana

Nenhum código entra direto

No máximo 2 PRs abertas por repositório pra não afogar o time. O agente roda testes locais, o CI precisa passar 100% e um engenheiro sempre revisa antes do merge.

02 // Escopo real

Problemas reais, zero perfumaria

O bot não fica mudando espaçamento ou inventando refatoração boba. Ele resolve issues reais: bugs de concorrência assíncrona, migração de componentes e testes ponta a ponta.

03 // Isolamento

Cada agente na sua área

Cada perfil roda isolado com suas próprias ferramentas e regras. O agente de vendas não encosta no código da engenharia, e o contexto de um nunca se mistura com o do outro.

04 // Custo e segurança

Scripts antes de inteligência artificial

O que dá pra resolver com script, Bash ou Git não chama LLM. Isso evita alucinações, roda checagens de segurança em silêncio e mantém o gasto de tokens estritamente abaixo de $140 por mês por perfil.

Como é construído

Self-hosted de ponta a ponta — o runtime do agente, o estado em SQLite e cada integração rodam em infraestrutura própria, desacoplados dos provedores de inferência. Trocar o modelo é mudar uma configuração; as salvaguardas e a revisão humana continuam iguais.

Hermes Agent Runtime Python Playwright SQLite GitHub CLI & API Linux / Systemd Bash AWS

Fale comigo

Se você está construindo algo ambicioso com sistemas agênticos, me escreva.