Notas de campo práticas sobre os componentes dos sistemas de AI que têm de resistir em produção: agentes, avaliação, segurança, memória, retrieval, engenharia de modelos e infraestrutura.
Recursive Harness Engineering explora sistemas que melhoram outros sistemas de AI, desde experiências controladas de configuração até abordagens como o recursive agent harnessing.
Comece por uma das séries abaixo ou explore todos os artigos por tema.
Séries · Partes: 6
Em ordem. Comece pelo ciclo.
Deslize pelas partes →
Séries · Partes: 2
Construa o harness e meça cada mudança.
Séries · Partes: 1
Melhoria recursiva controlada: um harness melhora outro.
Avaliação
Avalie o comportamento dos agentes e cada etapa de um sistema de geração aumentada por retrieval.
Retrieval e linguagem
Construa pipelines de ranking, escolha sistemas de Document AI e estruture linguagem de forma fiável.
Respostas rápidas
Está escolhendo um modelo, uma ferramenta ou uma abordagem? Veja uma recomendação breve, as condições que mudam a escolha e um link para a explicação completa.
Agentes de IA Parte 2
As mesmas tarefas de apoio ao cliente como agente, agente com aprovação, agente dentro de um fluxo de trabalho, router e fluxo de trabalho sem agente, comparadas no mesmo conjunto de testes.
· 25 min
Agentes de IA Parte 1
Como os requisitos da tarefa moldam um agent harness: escolher o fluxo de controlo, as ferramentas, a execução de código, o estado, as permissões e a evidência antes de escolher um framework.
· 31 min
Agentes de IA Parte 1
Recursive harness engineering num pequeno loop: um LLM converte uma falha da ferramenta de memória numa correção testada e um script simples verifica se era preciso.
· 22 min
Ferramentas de desenvolvimento · Agentes de IA
Mapeie pydantic para Zod, FastAPI para Hono e Celery para uma fila em Postgres e, depois, crie um serviço de agentes com streaming num monorepo TypeScript com pnpm.
· 30 min
Agentes de IA Parte 6
Como aceitar um artefacto testado, recuperar tool calls com resultado incerto, passar o trabalho a outra sessão e medir se um componente do harness ajuda.
· 24 min
Engenharia de modelos · Infraestrutura de IA
Um guia prático para escolher percursos de quantização de LLMs e de modelos de difusão com base no bottleneck, no hardware, no kernel do runtime, nos dados de calibração e nas verificações antes do deployment.
· 40 min
Agentes de IA
Porque é que os agentes AI em produção precisam de memória orientada por esquema, com validade temporal, proveniência e tratamento estruturado de conflitos, em vez de recuperação vetorial de texto em bruto.
· 20 min
Agentes de IA
Como avaliar agentes de AI em produção, transformando traces em datasets de regressão versionados, métricas de trajetória, juízes calibrados e verificações de CI.
· 31 min
Agentes de IA Parte 5
Continuar uma execução de um agente após falhas do worker, reconciliar efeitos incertos de ferramentas e escolher um runtime: queue e worker, Temporal, sandboxes ou agentes alojados.
· 36 min
Sistemas de recuperação e linguagem
Métricas de avaliação de RAG para parsing, retrieval, reranking, geração, citações e telemetria em produção, com código e modos de falha.
· 54 min
Agentes de IA Parte 4
Como autorizar a ação proposta por um agente, confinar o seu executor e testar os limites que os guardrails do modelo não conseguem impor.
· 31 min
Sistemas de recuperação e linguagem
Em 2026, NER significa escolher entre GLiNER, spaCy, Transformers e extração com LLM, conforme a latência, a precisão e o controlo do schema.
· 50 min
Agentes de IA Parte 3
Desenhe o contrato de ação e de resultado de um agente e escolha depois entre chamadas JSON, MCP, CLI ou execução de código para o trabalho que ele tem de fazer.
· 27 min
Engenharia de modelos · Infraestrutura de IA
Uma referência prática a 45 conceitos de engenharia de LLM para sistemas de produção, abrangendo inferência, treino, arquitetura, deployment e operações.
· 90 min
Sistemas de recuperação e linguagem
OCR em 2026 implica escolher entre pipelines clássicos e VLMs para texto, layout, tabelas e extração de documentos.
· 27 min
Infraestrutura de IA
Como Polars, DataFusion, Daft, Ray Data e Spark executam workloads tabulares e multimodais, com código, um benchmark em condições equivalentes e regras de decisão.
· 23 min
Agentes de IA Parte 2
Escolha a memória do agente pela falha que tem de evitar e depois a ferramenta: checkpoint savers, armazenamentos chave-valor, pgvector ou Qdrant, ficheiros ou um framework de memória.
· 30 min
Sistemas de recuperação e linguagem
Como criar um stack de ranking de pesquisa com BM25, embeddings densos, RRF híbrido, reranking com cross-encoder e reranking listwise com LLM no Amazon ESCI.
· 34 min
Agentes de IA Parte 1
Escolha entre workflows fixos, ReAct, ReWOO e Plan-and-Execute perguntando quando os tool results devem alterar a ação seguinte.
· 17 min
Engenharia de modelos
Uma análise técnica das Manifold-Constrained Hyper-Connections (mHC) da DeepSeek, do aumento da largura do residual stream, do routing Sinkhorn e da estabilidade do treino.
· 15 min
Agentes de IA
O que as submissões públicas do Enterprise RAG Challenge 3 revelam sobre iteração de prompts, validação, estratégia de contexto, wrappers de ferramentas e arquitetura de agentes.
· 15 min
Engenharia de modelos
Quando fazer fine-tuning de LLMs, quando usar RAG ou prompting e como se encaixam LoRA, QLoRA, DoRA, Unsloth, Axolotl, datasets, avaliações e deployment.
· 35 min
Agentes de IA · Engenharia de modelos
Como o Schema-Guided Reasoning usa vLLM, XGrammar, schemas Pydantic e constrained decoding para impor outputs de LLM estruturalmente válidos.
· 19 min
Engenharia de modelos · Infraestrutura de IA
Avalie e implemente o LoRAX para serving de LoRA de cauda longa, com APIs atuais, reforço de segurança do chart Kubernetes, segurança dos adaptadores, encaminhamento orientado à cache e compromissos face ao vLLM.
· 20 min
Agentes de IA
Como o domain-driven design ajuda os AI agents a usarem linguagem partilhada, bounded contexts, serviços, repositórios e regras de negócio determinísticas.
· 19 min
Agentes de IA
Como conceber context engineering para AI agents: context windows, hierarquia de instruções, retrieval, memória, tools, guardrails, proveniência e compressão.
· 30 min
Agentes de IA · Ferramentas de desenvolvimento
Crie um servidor MCP personalizado com uv e FastMCP, exponha ferramentas de uma feature store de ML, teste-as localmente e ligue o servidor ao Claude Desktop.
· 11 min
Engenharia de modelos
Como ler nomes de modelos com pesos abertos, separando a função no treino, a arquitetura, o método de quantização, o formato de armazenamento, o runtime e a adequação ao hardware.
· 18 min
Ferramentas de desenvolvimento
Compare ferramentas locais de geração de imagens no macOS quanto a instalação, modelos suportados, controlo do workflow, reprodutibilidade, extensões e estado de manutenção.
· 14 min
Engenharia de modelos · Ferramentas de desenvolvimento
Compare ferramentas de LLMs locais no macOS por interface, formato do modelo, margem de memória, exposição de API e fluxo de trabalho de desenvolvimento em Apple Silicon.
· 14 min
Ferramentas de desenvolvimento
Como funciona o pyproject.toml para sistemas de build, metadados do projeto, dependências de runtime, grupos de desenvolvimento, pontos de entrada da CLI e configuração de ferramentas.
· 10 min
Ferramentas de desenvolvimento
Os ficheiros de arranque do Zsh explicados: quando é que ~/.zprofile e ~/.zshrc são carregados no macOS e no Linux, o que pertence a cada um e como diagnosticar o modo da shell em execução.
· 8 min
Infraestrutura de IA
O que os foundation models mudaram no MLOps: unidades de release, retrieval, ferramentas, avaliação, tracing, serving e as ferramentas que fazem cada tarefa.
· 19 min
Engenharia de modelos · Infraestrutura de IA
Como escalar LLMs entre GPUs e nós com paralelismo de dados, fragmentado, de tensor, de pipeline, de contexto e de especialistas, e que framework implementa cada um.
· 22 min
Ferramentas de desenvolvimento
Lista de verificação da configuração de um MacBook para AI engineering: ferramentas do Xcode, Homebrew, Python com uv, Docker, configuração do terminal e VS Code.
· 9 min
Ferramentas de desenvolvimento
Como uso o uv no macOS para instalar Python, gerir dependências de projetos, ficheiros de lock, scripts inline e ferramentas CLI de utilização pontual.
· 11 min
Ainda não há nada aqui.
