<?xml version="1.0" encoding="utf-8"?>
<feed xmlns="http://www.w3.org/2005/Atom">
  <title type="html">a7t.ai</title>
  <subtitle>Leonardo Cardoso&apos;s AI portfolio. Local-first agents, schedulers, routers, and pipelines, plus consultancy and project work.</subtitle>
  <link href="https://a7t.ai/pt/feed.xml" rel="self" type="application/atom+xml" />
  <link href="https://a7t.ai/pt/" rel="alternate" type="text/html" />
  <updated>2026-06-18T00:00:00+02:00</updated>
  <id>https://a7t.ai/pt/feed.xml</id>
  <author>
    <name>Leonardo Cardoso</name>
  </author>
  
  <entry>
    <title type="html">A Aceleração do MoE, Medida: 50 Prompts, Dois Modelos Qwen Locais, Um Mac Studio</title>
    <link href="https://a7t.ai/pt/artigos/a-aceleracao-do-moe-medida/" rel="alternate" type="text/html" title="A Aceleração do MoE, Medida: 50 Prompts, Dois Modelos Qwen Locais, Um Mac Studio" />
    <published>2026-06-18T00:00:00+02:00</published>
    <updated>2026-06-18T00:00:00+02:00</updated>
    <id>https://a7t.ai/pt/artigos/a-aceleracao-do-moe-medida/</id>
    <summary type="html">Um comparativo de 50 prompts entre um denso de 27B (Q8) e um Mixture-of-Experts de 35B num Mac Studio de 48GB. O MoE é 4,5 vezes mais rápido com qualidade quase idêntica, e o único trade-off que apareceu em Q5 some em Q6, que é o que eu rodo hoje.</summary>
    <author>
      <name>Leonardo Cardoso</name>
    </author>
    
    <category term="local-first" />
    
    <category term="llm" />
    
    <category term="benchmarks" />
    
  </entry>
  
  <entry>
    <title type="html">O gargalo da IA corporativa não é o modelo. É a camada de contexto por baixo.</title>
    <link href="https://a7t.ai/pt/artigos/gargalo-da-camada-de-contexto/" rel="alternate" type="text/html" title="O gargalo da IA corporativa não é o modelo. É a camada de contexto por baixo." />
    <published>2026-06-09T00:00:00+02:00</published>
    <updated>2026-06-09T00:00:00+02:00</updated>
    <id>https://a7t.ai/pt/artigos/gargalo-da-camada-de-contexto/</id>
    <summary type="html">Olhar de engenheiro sobre por que o vector RAG bate no teto em dados relacionais corporativos, o que a virada para grafo desbloqueia, e onde o MCP entra.</summary>
    <author>
      <name>Leonardo Cardoso</name>
    </author>
    
    <category term="contexto" />
    
    <category term="rag" />
    
    <category term="graphrag" />
    
  </entry>
  
  <entry>
    <title type="html">Quase fui sherlocked pela Anthropic</title>
    <link href="https://a7t.ai/pt/artigos/quase-sherlocked-pela-anthropic/" rel="alternate" type="text/html" title="Quase fui sherlocked pela Anthropic" />
    <published>2026-04-09T00:00:00+02:00</published>
    <updated>2026-04-09T00:00:00+02:00</updated>
    <id>https://a7t.ai/pt/artigos/quase-sherlocked-pela-anthropic/</id>
    <summary type="html">A Anthropic resolveu o problema de infraestrutura no mesmo dia em que enviei o de workflow. O valor está subindo na stack e as duas peças compõem.</summary>
    <author>
      <name>Leonardo Cardoso</name>
    </author>
    
    <category term="agentes" />
    
    <category term="anthropic" />
    
  </entry>
  
  <entry>
    <title type="html">Orquestrando agentes com GitHub Actions</title>
    <link href="https://a7t.ai/pt/artigos/orquestrando-agentes-com-github-actions/" rel="alternate" type="text/html" title="Orquestrando agentes com GitHub Actions" />
    <published>2026-04-08T00:00:00+02:00</published>
    <updated>2026-04-08T00:00:00+02:00</updated>
    <id>https://a7t.ai/pt/artigos/orquestrando-agentes-com-github-actions/</id>
    <summary type="html">Por que GitHub Actions ganha da action oficial para agente de execução longa, como seis labels fazem o trabalho de um grafo de dependência, e os números de rodar isso em escala.</summary>
    <author>
      <name>Leonardo Cardoso</name>
    </author>
    
    <category term="agentes" />
    
    <category term="github-actions" />
    
  </entry>
  
  <entry>
    <title type="html">Como montei uma fábrica de agentes que entrega código enquanto eu durmo</title>
    <link href="https://a7t.ai/pt/artigos/como-montei-uma-fabrica-de-agentes/" rel="alternate" type="text/html" title="Como montei uma fábrica de agentes que entrega código enquanto eu durmo" />
    <published>2026-04-01T00:00:00+02:00</published>
    <updated>2026-04-01T00:00:00+02:00</updated>
    <id>https://a7t.ai/pt/artigos/como-montei-uma-fabrica-de-agentes/</id>
    <summary type="html">Princípios para rodar pipeline autônomo de coding: mantém o setup chato, separa pesquisa de execução, deixa &apos;pronto&apos; verificável, trata o arquivo de regras como o sistema operacional.</summary>
    <author>
      <name>Leonardo Cardoso</name>
    </author>
    
    <category term="agentes" />
    
    <category term="processo" />
    
  </entry>
  
  <entry>
    <title type="html">Dívida cognitiva: o custo real do código gerado por IA</title>
    <link href="https://a7t.ai/pt/artigos/divida-cognitiva/" rel="alternate" type="text/html" title="Dívida cognitiva: o custo real do código gerado por IA" />
    <published>2026-03-23T00:00:00+01:00</published>
    <updated>2026-03-23T00:00:00+01:00</updated>
    <id>https://a7t.ai/pt/artigos/divida-cognitiva/</id>
    <summary type="html">Por que código limpo vindo de agentes autônomos ainda pode te deixar no escuro, e o que fazer a respeito.</summary>
    <author>
      <name>Leonardo Cardoso</name>
    </author>
    
    <category term="agentes" />
    
    <category term="processo" />
    
  </entry>
  
  <entry>
    <title type="html">Como agentes autônomos de código estão mudando a produtividade do dev solo</title>
    <link href="https://a7t.ai/pt/artigos/agentes-autonomos-e-a-produtividade-do-dev-solo/" rel="alternate" type="text/html" title="Como agentes autônomos de código estão mudando a produtividade do dev solo" />
    <published>2026-03-20T00:00:00+01:00</published>
    <updated>2026-03-20T00:00:00+01:00</updated>
    <id>https://a7t.ai/pt/artigos/agentes-autonomos-e-a-produtividade-do-dev-solo/</id>
    <summary type="html">Por que produtos que precisavam de três engenheiros hoje saem com um. E o caso de uso que mudou minha cabeça: revisão de segurança feita por agente.</summary>
    <author>
      <name>Leonardo Cardoso</name>
    </author>
    
    <category term="agentes" />
    
    <category term="indie" />
    
  </entry>
  
  <entry>
    <title type="html">Deixa os agentes de IA cuidarem do refactoring que ninguém quer fazer</title>
    <link href="https://a7t.ai/pt/artigos/agentes-fazem-o-refactoring/" rel="alternate" type="text/html" title="Deixa os agentes de IA cuidarem do refactoring que ninguém quer fazer" />
    <published>2026-03-19T00:00:00+01:00</published>
    <updated>2026-03-19T00:00:00+01:00</updated>
    <id>https://a7t.ai/pt/artigos/agentes-fazem-o-refactoring/</id>
    <summary type="html">Se você só usa IA para feature nova, está perdendo o maior superpoder dela. Três migrações de iOS que um agente conduziu enquanto eu revisava.</summary>
    <author>
      <name>Leonardo Cardoso</name>
    </author>
    
    <category term="agentes" />
    
    <category term="refactoring" />
    
  </entry>
  
</feed>
