Visão geral
Eu lanço funcionalidades de IA e depois provo que elas funcionam. Esta documentação é a versão honesta e completa do que eu construo, de como os projetos funcionam e do método por trás da prova.
#A tese
Lançar uma funcionalidade de IA é os 80% fáceis. Os 20% difíceis — a parte que decide se ela sobrevive ao contato com usuários reais — é provar que ela se comporta: que uma mudança de prompt não gerou uma regressão silenciosa, que ela não vai vazar dados nem sofrer jailbreak, que ela permanece na sua faixa. Eu construo as duas metades, e trato a prova como um entregável de primeira classe, não como um detalhe posterior.
O fio condutor de tudo aqui é prova, não achismo: cada capacidade tem um link para um artefato real — um repositório público, uma execução de teste literal ou um screenshot ao vivo — e este próprio site roda sua própria suíte de QA a cada deploy.
#Para quem é isso
Equipes lançando funcionalidades LLM
Você tem um chatbot, agente, sistema RAG ou gerador em produção (ou quase), e uma resposta errada ou insegura tem um custo real.
Equipes cujos lançamentos continuam quebrando
Você precisa de uma suíte de regressão e de um gate de CI em que um release manager realmente possa confiar.
Equipes afogadas em trabalho manual
Você tem um fluxo de entrada, triagem ou roteamento que uma automação bem construída poderia executar — com segurança.
#Como esta documentação está organizada
- O que eu construo — as capacidades, documentadas: o que cada uma é, o que você recebe e como funciona.
- O método de avaliação — a filosofia e a mecânica de provar funcionalidades de IA (com guias animados de aprofundamento).
- Trabalhando juntos — como os projetos funcionam, como seus dados são tratados e como funcionam os preços.
- Referência — perguntas frequentes, um glossário em linguagem simples e um índice de cada artefato de prova.