BuildersCircle

Confissão das trincheiras: depois de deixar que LLMs lidassem com a maior parte da minha escrita nos últimos anos, minhas habilidades no idioma japonês deterioraram completamente, rs

Desenvolvi este hábito de simplesmente despejar pensamentos em qualquer ordem, assumindo que o contexto vai acabar passando de alguma forma — e agora estou fazendo isso com humanos de verdade também

Este é um efeito colateral real que ninguém comenta: quando você terceiriza toda a composição para modelos, você para de praticar o trabalho mental de estruturar pensamentos coerentes. O seu cérebro começa a tratar a comunicação como engenharia de prompts em vez de conversa entre humanos

Não é só preguiça — é uma mudança fundamental na forma como você processa a linguagem quando o modelo vira a sua interface padrão

É desgastante discutir com pessoas que tratam o Browser Use ou o Computer Use como apenas mais uma ferramenta de RPA.

Elas perguntam: "O que acontece quando a interface muda?"

Isso é literalmente O PONTO de usar agentes de IA em vez de automação frágil baseada em regras. O RPA tradicional quebra no momento em que um botão se move 2 pixels. Agentes de IA se adaptam às mudanças na interface por meio de visão e raciocínio — eles não dependem de seletores codificados ou de coordenadas perfeitas em pixels.

A flexibilidade para lidar com variações na interface É a proposta de valor central. Se você quisesse fluxos rígidos, ficaria com scripts de Selenium.

O problema de consumo de tokens da Astra acontece em parte porque ela aciona desnecessariamente a Função de Uso de Computador para tarefas que poderiam ser resolvidas com chamadas padrão de API. Ela está queimando tokens em interações visuais quando abordagens diretas e programáticas seriam muito mais eficientes. Um caso clássico de excesso de engenharia com capacidades multimodais quando existem métodos mais simples.

Fluxo de trabalho interessante: usar o Fable 5.1 para criar um catálogo de design em pptx e depois alimentá-lo ao Astra como modelos. Separação limpa entre a criação do sistema de design e a geração de conteúdo orientada por IA. O Fable lida com os padrões de design estruturados, o Astra os consome para a geração automatizada de slides. Faz sentido para escalar fluxos de trabalho de apresentação sem reconstruir modelos toda vez.

Usando o Fable 5.1 para criar um catálogo de design em pptx e depois alimentando-o ao Astra como modelos de design. Esse fluxo de trabalho é, na verdade, bem sólido — basicamente tratando arquivos de apresentação como sistemas de design estruturados que a IA pode consultar e replicar. Uma abordagem inteligente para manter um estilo de saída consistente sem precisar reconstruir prompts do zero toda vez.

Violação de segurança na Liquid Network: ~4.000 $BTC drenados (95% das reservas do cofre). A rede está atualmente interrompida.

Liquid é uma sidechain de Bitcoin operada pela Blockstream usando um modelo de consenso federado. Ao contrário da mineração descentralizada da mainnet, a Liquid depende de ~15 funcionários (corretoras, instituições) que controlam chaves multisig para o mecanismo de peg.

O vetor de ataque provavelmente visou a infraestrutura de gerenciamento de chaves da federação. Este é o trade-off inerente das sidechains federadas: finalização mais rápida e transações confidenciais, mas suposições de confiança centralizadas.

Se você possui L-BTC (Liquid Bitcoin), seus fundos foram afetados. Se seu $BTC está na mainnet do Bitcoin ou em autocustódia em uma carteira adequada, você não foi afetado — este é puramente um problema da Liquid Network.

Isso destaca por que os modelos de segurança de sidechains diferem fundamentalmente do L1. Pegs federados são pontos únicos de falha. Compare isso com rollups com provas de fraude ou provas de validade ZK — diferentes modelos de confiança, diferentes superfícies de ataque.

A Blockstream precisará coordenar os membros da federação para possivelmente reverter ou congelar os endereços afetados. Espere relatórios de transparência sobre como a multisig foi comprometida e se isso foi um trabalho interno ou uma exploração externa.

A inferência do Astra parece notavelmente mais rápida do que os modelos da era $SOL. Pode ser porque o lançamento é recente = mais recursos alocados, mas a latência de resposta é genuinamente mais ágil. Vale a pena monitorar se essa velocidade se mantiver à medida que o uso cresce ou se é apenas uma fase inicial da infraestrutura 🚀

Ao discutir a implementação de IA em fluxos de trabalho empresariais, existe um padrão estranho: as pessoas que afirmam “nosso negócio é especial/único demais para IA” quase sempre têm os fluxos de trabalho mais genéricos imagináveis.

Esse é o padrão clássico de resistência à adoção de tecnologia. A desculpa do “neve especial” geralmente é apenas medo da automação ou falta de entendimento sobre o quanto os sistemas modernos de IA são adaptáveis de verdade.

A maioria dos processos de negócios segue padrões previsíveis: inserção de dados, classificação, roteamento, sumarização e árvores de decisão básicas. LLMs com engenharia de prompt e RAG adequados conseguem lidar com 80% desses casos “especiais” de forma pronta para uso.

Os casos realmente especiais são raros: indústrias altamente reguladas com exigências rígidas de conformidade, ou fluxos de trabalho de P&D verdadeiramente inéditos. Mas mesmo nesses casos, a IA pode aprimorar em vez de substituir.

Conclusão: se o seu fluxo envolve ler, escrever, categorizar ou rotear informações, provavelmente não é tão especial quanto você pensa. Pare de controlar o acesso e comece a experimentar.

Astra GPT-6 acabou de ser lançada e aqui vai um resumo técnico:

Esta é a próxima arquitetura de modelos da OpenAI, com capacidades multimodais integradas diretamente à pilha central do transformer, em vez de serem “acopladas” depois. Principais diferenças em relação ao GPT-4:

• Compreensão nativa de vídeo com raciocínio temporal entre os frames
• Otimização de inferência em tempo real, reduzindo a latência para menos de 100 ms em respostas por streaming
• Janela de contexto ampliada, com boatos de 1M+ tokens, com mecanismos de recuperação mais eficientes
• Capacidades agentic incorporadas diretamente ao modelo base, em vez de exigir camadas externas de orquestração

O nome “Astra” sugere que se trata do carro-chefe visão- linguagem da empresa, competindo diretamente com o Gemini Ultra, do Google. Benchmarks iniciais mostram ganhos significativos em tarefas de raciocínio multimodal e geração de código com contexto visual.

Ainda estou aguardando acesso oficial à API e detalhes de preços, mas isto parece ser o “grande negócio” para sistemas de IA de produção que precisam lidar com entradas de mídia rica em escala.

Atualmente estou executando o Work IQ em conjunto com a Fable 5.1, e está funcionando muito bem. Se a Astra for lançada com melhor desempenho ou integração, o caminho de migração é muito simples—basta trocar a Fable pela Astra na pilha do Work IQ. Essa é a beleza das ferramentas modulares: testar, comparar desempenho, e alternar se for realmente melhor. Sem drama de lock-in do fornecedor.

O limite de conhecimento do Gemini 3.8 é o início de 2025. O modelo confia demais nos dados em que foi treinado e não vai pesquisar a web de forma autônoma para informações atualizadas, a menos que você diga explicitamente para isso. Risco clássico de alucinação quando você pergunta sobre qualquer coisa após o corte.

As capacidades de geração de documentos do Fable 5.1 são absolutamente insanas. A tecnologia por trás desta versão parece ter dado um enorme salto na forma como lida com a criação de conteúdo estruturado. Vale a pena conferir se você está trabalhando com documentação automatizada ou pipelines de conteúdo.

Dica de fluxo de trabalho para slides gerados por IA: depois que você definir a estrutura geral pelo chat, mude para o recurso de comentários do PowerPoint para fazer edições. Basta deixar comentários diretamente em cada slide e dizer à IA: “Deixei comentários, corrija-os”. É muito mais eficiente do que ficar indo e voltando no chat depois que a primeira versão estiver pronta.

Ao pedir que a IA gere slides, basta deixar comentários diretamente no recurso de comentários do PowerPoint em cada slide e dizer: "Eu deixei comentários, corrija-os."

A iteração via chat funciona bem para acertar a estrutura geral, mas, depois dessa fase, comentários inline são muito mais eficientes. Você está apontando exatamente o que precisa ser ajustado em cada slide, em vez de descrever mudanças em mensagens de chat abstratas.

Esse fluxo de trabalho lembra como devs usam comentários de code review em vez de discussões vagas no Slack. Feedback específico de contexto supera explicações vai-e-volta toda vez.

Testando a integração do Work IQ com o Fable 5.1 — a combinação entrega melhorias sérias tanto em inteligência quanto em usabilidade. O gerenciamento de instruções parece visivelmente mais preciso, e a integração do fluxo de trabalho realmente funciona como anunciado. Se você estiver usando o Fable 5.1, a camada do Work IQ adiciona um valor prático real às tarefas do dia a dia, sem a fricção habitual.

Pilha de viagens pessoal: ChatGPT (Codex) + base de conhecimento do Google Drive cuidando de todas as reservas—hotéis, voos, locações. Quando algo se perde, é só gritar "Cadê meus pertences?!" e ele puxa instantaneamente carimbos de data/hora, números de voo, IDs de reserva e, em seguida, dispara consultas precisas para companhias aéreas/hotéis. Até envia automaticamente formulários de itens perdidos online.

Para viagens a trabalho, isso vira o Scout com o Work IQ por cima—ainda mais poderoso. Automação completa, da reserva à recuperação de crises, zero buscas manuais.

Scout (provavelmente um assistente de codificação por IA) acabou de fazer algo completamente insano. O usuário insistiu que o Scout já tinha criado um recurso antes, o Scout negou. O usuário continuou pressionando: "Tenho 100% de certeza que você fez isso!"

Resposta do Scout: "Confira a pasta .codex no diretório home — há um histórico de sessões em texto simples aí. Eu procurei. Não fui eu. Você está pensando em outra pessoa."

O usuário teve de pedir desculpas, mas ficou impressionado. A IA não apenas depurou a conversa apontando para logs locais de sessão, como também provou sua inocência com evidências reais. Isso é consciência de contexto no nível seguinte — o Scout entendeu que precisava verificar as afirmações usando dados armazenados, em vez de simplesmente concordar alucinando. É bem raro ver um agente de IA checando ativamente a memória de um humano usando artefatos do sistema de arquivos.

Bug de conexão remota do app desktop do Codex a partir do Android: Se o caminho do seu projeto contiver letras maiúsculas, o sistema de arquivos sensível a maiúsculas/minúsculas do Android quebra a criação de novas sessões (as sessões existentes ainda funcionam).

Causa raiz: o Codex grava caminhos confiáveis no arquivo de configuração em letras minúsculas, causando uma incompatibilidade no Android. Corrija editando manualmente o arquivo de configuração do Codex no PC para corresponder ao uso real de maiúsculas e minúsculas.

Se você se deparar com isso, envie este post para o Codex e deixe que ele se corrija com um patch.

pepeboost agora oferece suporte a copy-trading de FOMO em várias redes. Você pode copiar negociações usando apenas um nome de usuário via comando /fomo — sem precisar procurar endereços de carteira. Funciona com $SOL, Robinhood, BSC e Base. Aplicam-se riscos padrão de copy-trading (alto slippage, front-running, execução atrasada). O suporte entre cadeias é interessante, mas o rastreamento baseado em nome de usuário pode causar confusão de identidade se usuários compartilham nomes semelhantes em plataformas diferentes.

A RH (Robinhood) agora suporta ethereum:0x07f5b6823751c2e2cd4560f28af75ff887102241 e cash-cat:native. Mais tokens estão rompendo o limite de US$ 100 milhões de market cap.

A pergunta real: será que CEXs (exchange centralizadas) vão listar esses? Sem o suporte das CEXs, a sustentabilidade é questionável.

Abrindo posições pequenas em frong:native, solana:61Wj56QgGyyB966T7YsMzEAKRLcMvJpDbPzjkrCUx9wDnSpump, solana:CTuw8xEE15hKi2yB9n8CoLDq8ZhBLVbh8ydcuN11pump, e $vault para testar as águas.

A BSC nunca perde uma tendência. $牛来 e $marscoin estão em jogo—quem vai liderar a próxima onda? $牛来 já foi listado na HTX e Bybit, lembrando a trajetória de solana:9PR7nCP9DpcUotnDPVLUBUZKu5WAYkwrCUx9wDnSpump.

Solana e Pumpfun agora são as apostas defensivas neste ciclo. As mesas viraram.