GPT-5.6 Luna: o modelo que virou meu padrão no Codex
Depois de quase 10 bilhões de tokens no Codex, por que o GPT-5.6 Luna virou meu modelo padrão: custo, desempenho, contexto e limites.
Developer Experience @ PicPay
Leo Cavalcante
Anotações pessoais sobre engenharia de software, developer experience, Go, PHP, infraestrutura e IA.
Posts recentes
Go 1.27: as novidades que melhoram a experiência de desenvolvimento
O Go 1.27 chega com métodos genéricos, ferramentas mais inteligentes para teste e manutenção, JSON v2, detecção de goroutines vazando e uma experiência de desenvolvimento mais fluida.
A produtividade da IA não é um número: por que os ganhos são reais, mas desiguais
A IA escreve código mais rápido. A pergunta difícil é se ficou mais fácil entregar software que alguém consegue entender, revisar e manter.
O próximo salto do desenvolvimento com IA: da assistência à orquestração
A próxima onda não é apenas escrever código com um copiloto. É coordenar agentes supervisionados, contexto, testes e limites ao longo de todo o ciclo de desenvolvimento.
Ontologias para agentes de IA: o contrato que falta entre modelo, memória e ferramentas
LLMs sabem conversar, mas não compartilham um modelo estável do domínio. Ontologias, grafos de conhecimento e validação semântica podem dar aos agentes um vocabulário comum, ações mais seguras e memória verificável.
Excesso de agência é bug de confiabilidade, não só risco de segurança
Quando um agente pode agir demais, o risco não é apenas vazamento ou abuso. Ele também fica ruim de operar: executa trabalho fora de escopo, repete ações, gasta orçamento e falha sem caminho claro de volta.
Quando commits escalam mais rápido que reviews
O volume de código está crescendo mais rápido do que a capacidade humana de revisar. O problema não é usar IA, é fingir que review continua com o mesmo custo.
Meta Harness: a camada que falta na engenharia de agentes
O agente deixou de ser o produto inteiro. O próximo salto está na camada acima: memória entre sessões, coordenação entre agentes, contexto entre repositórios e otimização automática do próprio harness.