Como penso sobre arquitetura
Antes de escrever a primeira linha de código, sempre parto de 3 perguntas fundamentais. Toda decisão técnica tem um tradeoff, e o meu trabalho é deixá-lo claro.
Como o sistema vai crescer?
Escala horizontal vs vertical. Design de banco de dados para evitar gargalos.
Qual é o ponto crítico?
Onde focar performance e otimização para garantir a melhor experiência.
Quanto custa errar aqui?
Que camadas de segurança e tolerância a falhas precisam estar no lugar.
Toda decisão tem tradeoff. Veja isso na prática nos meus case studies ↓
Estudos de Caso
Mais do que código que funciona, foco no "porquê" de cada decisão técnica e no impacto real para o negócio.
Sistema de Recrutamento com IA
O Problema: Triagem manual de currículos consumia mais de 10 horas semanais por vaga. A análise de centenas de PDFs era propensa a erros humanos, fadiga e vieses inconscientes na seleção.
A Solução
- Sistema automático com LLM para ranqueamento por relevância em menos de 2 minutos.
- Busca híbrida avançada (BM25 + embeddings vetoriais) para capturar o contexto exato das vagas.
- Camada de sanitização de dados sensíveis via GLiNER para garantir privacidade (LGPD).
- Integração transparente com o pipeline de recrutamento já existente da empresa.
Decisões Técnicas (Tradeoffs)
Mistral 7B local vs GPT-4?
- →Privacidade garantida (dados de candidatos não saem do servidor local).
- →Custo marginal de inferência comparado a milhares de chamadas GPT-4 mensais.
BM25 + Vetorial vs Só embeddings?
- →BM25 captura keywords exatas exigidas nas vagas (ex: "Postgres", "SQL").
- →Embeddings capturam similaridade semântica para skills relacionadas.
- →Juntos: alcançaram 95% de recall, contra 78% usando apenas uma abordagem.
FastAPI + Vue 3?
- →FastAPI suporta picos de carga (1k+ CVs/segundo) com excelente performance assíncrona.
- →Type safety ponta a ponta (Pydantic + TypeScript) reduz bugs drásticamente.
Resultados (ROI)
- Triagem completa em 2 minutos (antes: 10+ horas).
- Redução de viés em 40% nas fases iniciais.
- ROI: O sistema pagou seus custos de desenvolvimento em apenas 2 meses.
Learnings
Se tivesse feito de novo: teria usado Jina AI hybrid search desde o início em vez de implementar e manter o core BM25 manualmente.
Valores Inegociáveis
Em cada projeto, o objetivo não é apenas entregar funcionando, mas entregar com excelência técnica e preparo para o futuro.
Código Escalável e Limpo
Foco em Performance e SEO
Arquitetura Desacoplada
Comunicação Clara e Transparente
Entrega de Valor Contínua
Sobre mim
Sou dev fullstack com formação em design (Escola SAGA, animação e VFX).
Essa combinação rara significa que:
- -Entendo de código profundo (Go, Python, distributed systems).
- -Entendo de usuário (design não é cosmético, é arquitetura de experiência).
- -Entendo de negócio (trabalhei em ENGECONSULT automatizando processos reais).
Trabalho com sistemas AI (RAG, LLMs), automação complexa (ETL, pipelines) e código que precisa escalar e ser mantido por 5+ anos.
Passo meu tempo pensando em decisões arquiteturais, tradeoffs de tecnologia e como transformar ideias confusas em sistemas elegantes.
No meu tempo livre: exploro história de early gaming e CRT hardware, para entender como construir sistemas interativos desde os primeiros princípios.
Estou aberto a projetos onde posso aprender algo novo
Tem um projeto em mente?
Sou aberto para: