TDD com agente: o teste vale, o ritual não
Testes de IA detectam 69% das falhas contra 17,2% dos humanos, com cobertura menor. Já o fluxo TDD no agente não fez diferença e custou até 8,5× mais.
- tdd
- testes
Engenharia de IA
Engenharia de agentes que aguentam produção: ferramentas, loops de verificação, contexto, guardrails e telemetria, com cada número rastreado até a fonte.
O que muda quando o agente ganha browser
O melhor modelo resolve 80% das tarefas em navegador. Declarar a ferramenta custa 6.600 tokens, e a checklist de segurança da doc é maior que a de uso.
- browser use
- agentes de ia
Orquestração multi-agente: quando vale e quando é peso morto
A Anthropic mediu 90,2% de ganho com multi-agente e, no mesmo texto, desaconselhou para programação. A regra que decide, e o custo de 15×.
- multi agente
- orquestração
Modelo local em 2026: o que cabe no seu laptop
Três coisas disputam a memória, não uma. A fórmula do cache KV, o orçamento por faixa de RAM e por que quantizar não resolve contexto longo.
- rodar LLM local
- modelo open weight
Identidade de agente: o privilégio que ninguém revoga
Só 37% das organizações conseguem revogar as credenciais de um agente de IA. E 88% tiveram incidente com agente no último ano.
- identidade de agente
- segurança de agentes
Economia de tokens: onde o dinheiro vaza em produção
O cache de 1 hora usado duas vezes ainda dá prejuízo. A conta do ponto de equilíbrio, os multiplicadores oficiais e os vazamentos que não aparecem no dashboard.
- custo de tokens
- otimizar custo LLM
RAG morreu? O que a medição diz sobre contexto longo e recuperação
Contexto longo acertou 73,1% contra 65,4% do RAG, a 26 vezes o custo por consulta. A fronteira medida, e por que a resposta certa é rotear.
- rag
- contexto longo
MCP, A2A e WebMCP: o mapa dos protocolos de agente em 2026
MCP conecta a ferramenta, A2A conecta agentes, WebMCP conecta o site. O que cada um resolve, o estado real de cada um e o que nenhum expressa.
- mcp
- a2a
Context engineering: os quatro pilares e por que a janela cheia atrapalha
Em 18 modelos testados, o desempenho cai conforme a entrada cresce, antes de a janela encher. Os quatro pilares para manter o contexto pequeno.
- context engineering
- context rot
Memória de agente: o que guardar, o que esquecer e como não repetir o erro
Memória cortou os passos de 20 para 5 num estudo da Databricks. E fez o agente repetir o próprio erro com mais confiança. O que guardar e o que apagar.
- memória de agente
- context engineering
Evals para agentes: como testar o que não tem resposta certa
89% das equipes instrumentaram os agentes e só 52% avaliam. Como montar conjunto de teste, escolher limiar e colocar o portão no CI sem falso alarme.
- evals
- avaliação de llm
LLM como juiz: quando a nota merece confiança
Juiz LLM concorda com humanos tanto quanto humanos entre si. E erra de formas medidas: só o rótulo de autoria move a nota em 0,43 ponto.
- llm as a judge
- avaliação de llm
Guardrails para agentes: onde travar antes de ele agir
Das falhas documentadas de agentes, 40 em 52 eram evitáveis por camadas do harness. Onde colocar a trava e por que classificador não basta.
- guardrails
- segurança de agentes
Observabilidade de agente: como instrumentar o que não se reproduz
Bug de agente não se reproduz: o rastro precisa existir antes do erro. A árvore de spans, os atributos do OpenTelemetry e o que ainda muda.
- observabilidade
- opentelemetry
Design de ferramentas para agentes: o que ele consegue usar de verdade
Com 10 ferramentas o agente acerta tudo; com 107 ele falha por completo. Como desenhar ferramentas que um agente usa bem, com antes e depois.
- design de ferramentas
- mcp
Loop de verificação: por que o agente não consegue revisar o próprio trabalho
Perguntar "tem certeza?" faz o modelo trocar de resposta em 46% dos casos e perder 17 pontos. O gargalo é achar o erro, não consertar.
- loop de verificação
- autocorreção
Harness engineering: o que separa um agente de demo de um agente de produção
Harness engineering explicado: por que a LangChain subiu 25 posições sem trocar de modelo, as cinco camadas e o que decide numa tarefa longa.
- harness engineering
- agentes de ia
OWASP Top 10 para agentes: as dez ameaças de 2026, e o que já aconteceu com cada uma
A lista oficial do OWASP Top 10 para agentes de IA, de ASI01 a ASI10, com o incidente real e datado que já explorou cada um dos dez riscos.
- owasp
- segurança de agentes
Prompt injection: por que não existe correção definitiva, e o que fazer mesmo assim
Doze defesas contra prompt injection que reportavam taxa quase zero foram quebradas acima de 90%. Por que o problema é estrutural e o que reduz risco.
- prompt injection
- segurança de agentes