Construo ferramentas para trabalhar com IA — e o padrão que mantém isso sustentável.
felixo.com.br · blog · Volta Redonda, Brasil
Desenvolvedor full-stack com foco em backend e automação. Hoje meu trabalho gira em torno de uma pergunta: como fazer agentes de IA produzirem software que continue bom depois que eles saem de cena?
A resposta que venho construindo tem três partes, e cada uma virou repositório aqui: um ambiente para orquestrar vários agentes ao mesmo tempo, um padrão de qualidade escrito para ser lido por modelo, e ferramentas de linha de comando que dão aos agentes acesso real às coisas — sem interface no meio.
Trabalho na Vitis Souls, cuidando da parte interna dos sistemas e coordenando o time de desenvolvimento: auditoria de código, padronização de projetos e a arquitetura dos serviços que o resto do time consome.
Estão agrupados por família, porque é assim que eles se relacionam de verdade.
Felixo AI Core — um canvas onde vários agentes de IA trabalham em paralelo, cada um no seu terminal, coordenando-se por arquivos .md compartilhados. Electron + React + TypeScript. Tem passagem de contexto entre agentes, biblioteca de skills no padrão Agent Skills, sincronização de repositórios embutida e um catálogo de prompts prontos.
É o projeto onde mais aprendi, porque quase todo problema dele é de produto, não de código: como um agente sabe o que já foi feito? Como você passa contexto sem perder o fio? O que acontece quando dois agentes mexem no mesmo arquivo?
Felixo System Design — os padrões que todos os meus projetos seguem: design system de frontend e backend, política de git, guia mínimo de qualidade, e o template de IA.md — um arquivo de memória operacional que permite a outra IA (ou outra pessoa) retomar um projeto sem reler tudo.
Foi escrito para ser consumido por modelo, não só lido por gente. É o repositório que melhor explica como eu trabalho.
Automações do Notion — o hub de um ecossistema de quatro repositórios que transforma o Notion em base de trabalho para agentes:
| Repositório | Papel |
|---|---|
| notion-starter | Biblioteca Python: cliente resiliente, schema, conteúdo, relatórios |
| notion-tasks-cli | CLI escrita para IAs — um "MCP via CLI" |
| notion-workspace-app | API Django + SPA React + servidor MCP |
O CLI é a peça que eu mais uso: qualquer modelo com acesso a terminal opera o workspace inteiro, e o --help foi escrito para ser lido por ele.
Audiofy Content AI — transforma qualquer conteúdo escrito em podcast ou audiolivro, com pipeline verificável e custo aparecendo em tempo real enquanto gera. Python + Electron + OpenRouter.
openia — launcher de CLIs de IA: escolhe, instala e abre a ferramenta já configurada com a chave do OpenRouter. A escolha do modelo fica dentro de cada CLI; o openia cuida do que ninguém quer fazer duas vezes — instalar e configurar.
Fetch All — sincroniza todos os repositórios git da máquina de uma vez, mas conservador por princípio: varre, classifica e mostra o plano; pull é sempre --ff-only, e push ou commit exigem confirmação explícita. Cada passada gera relatório auditável.
SoundScraper — coleta e baixa faixas do SoundCloud (Selenium para navegar, yt-dlp para baixar). É o repositório onde a arquitetura em camadas fica mais visível: core com a regra pura, backend e frontend separados, testes próprios, e três portas de entrada para o mesmo domínio — CLI, web e o menu do start_app.py.
A lição que ele carrega: quando o núcleo não sabe se está sendo chamado por um terminal, por uma página ou por um menu, acrescentar a terceira interface custa quase nada.
Blog (blog.felixo.com.br) — Astro + Tailwind, e um editor desktop que publica direto de uma database do Notion, com gate de qualidade antes do commit.
Se você olhar meus repositórios, vai encontrar quatro arquivos se repetindo. Eles não são burocracia — cada um resolve um problema que já me custou caro:
-
IA.md— memória operacional em linha do tempo. Decisão tomada, com o motivo e a alternativa descartada; bug cuja causa não era óbvia; número medido; validação real (o comando rodado e a saída observada). É append-only: registro antigo não é reescrito, porque é ele que impede alguém de refazer um caminho já descartado. -
AGENTS.md— as regras de trabalho daquele repositório, endereçadas a quem chega. Um agente que lê isso primeiro erra menos do que um agente mais inteligente que não leu. -
start_app.py— porta de entrada única. Um menu interativo onde se instala, configura e roda, sem decorar comando. -
Gate de qualidade — lint e testes, verdes antes do commit, com CI.
Três princípios que aplico com teimosia:
Prefiro script a mudança manual. Toda vez que preciso manipular dados, escrevo uma ferramenta reutilizável em vez de fazer na mão. Script vira patrimônio: modelos cada vez melhores podem lê-lo, melhorá-lo e estendê-lo. Clique manual não deixa rastro.
Regra em documento não segura quem não leu. Quando uma regra importa de verdade, ela vira comportamento da ferramenta. Se escrever no lugar errado é um erro comum, o comando recusa e explica o caminho certo — em vez de existir só um aviso no README que ninguém abriu.
Medir antes de opinar. "Está grande", "está lento" e "está bagunçado" não são diagnósticos. Número é.
Aprendo em hiperfocos: janelas em que a atenção trava num assunto e absorver custa quase nada. Em vez de brigar com isso, organizei meu trabalho em volta — minha lista de tarefas tem literalmente uma prioridade chamada Hiperfoco, para o momento em que o contexto está fresco e existe urgência real de terminar antes que a vontade passe.
O efeito colateral bom: como assuntos diferentes entram fundo, eles acabam se conectando. Boa parte do que faço nasce de ligar duas coisas que aprendi em hiperfocos separados.
Sem medo de stack nova. A programação está mais perto de uma arte mosaica do que de uma prova com uma resposta certa por questão: existem peças disponíveis e a composição que você faz com elas.
Isso não é desculpa para bagunça — o limite é o que quebra o jogo: segurança, dado de usuário, e dívida que outra pessoa vai pagar. Dentro disso, se a ferramenta existe e resolve, ela é jogável.
Backend Python · Django · FastAPI · Node.js Frontend React · TypeScript · Astro · Tailwind · Electron Dados PostgreSQL · SQLite · Prisma IA OpenRouter · Claude · MCP · Agent Skills Infra Railway · Vercel · GitHub Actions


