Software Engineer · IA generativa e backend · São Paulo, SP

Construo software que coloca IA generativa em produção: agentes, times multi-agente, RAG e as ferramentas para operar tudo isso com segurança, versionamento e custo à vista. Trabalho com Python/FastAPI e TypeScript/Next.js.

Antes de escrever software, passei mais de uma década sustentando infraestrutura, redes e segurança. Por isso deploy, observabilidade e dado sensível entram no primeiro commit, não na última etapa.

LinkedIn · weslleygoncalves18@gmail.com

Quem não programa cria, testa e publica agentes, times multi-agente e workflows. Cada mudança vira uma versão imutável com rollback, sai aos poucos para uma parte das conversas (canário) e fica numa trilha de auditoria, e a API recusa na escrita o que quebraria em produção. Cada agente tem uma suíte de testes, com juiz por LLM, que pode travar a publicação e roda agendada, avisando no canal do time quando algo regride. Por cima disso vêm bases de conhecimento (RAG) sincronizadas com GitHub, S3, SharePoint e Google Drive, ferramentas via MCP com confirmação humana, guardrails de dado pessoal e injeção de prompt, controle de custo por run e por usuário, os direitos do titular da LGPD (exportar e apagar os dados de uma pessoa) e login por SSO com o provedor de identidade da empresa.

• Multi-agente: times que coordenam, roteiam (handoff) ou consultam especialistas, e workflows com etapas em paralelo, condições, roteador, repetição e revisão humana com edição da saída.
• Qualidade do agente: suíte por agente com checagem de texto, de tools e de juiz por LLM, gate de publicação por suíte verde, regressão entre versões e caso de teste criado a partir de uma conversa real, com dados pessoais mascarados.
• RAG: pgvector no próprio Postgres, corte e estratégia de busca por base (MMR, recência, HyDE, cross-encoder), filtros por metadados escolhidos pelo modelo, conectores com webhook da origem e worker de ingestão separado.
• Operação: liberação gradual por sessão com comparação de erro, latência, custo e suíte entre as versões, trilha de auditoria com o antes e o depois das ações de produção e SSO por OIDC com o papel vindo do grupo.
• Engenharia: 42 ADRs, ~1.240 testes contra Postgres real com testcontainers, evals de guardrails, workflows, recuperação, custo e SSO no CI, fila durável para runs em background, rotação de chaves sem derrubar sessão e mypy strict.

Python · FastAPI · Agno · PostgreSQL · pgvector · MCP · Next.js · TypeScript

Plataforma que cota o mesmo risco em várias seguradoras e compara os resultados. Cada seguradora entra como adapter isolado atrás de um contrato único, então integrar a próxima não toca o domínio. A integração foi exercitada contra a API real de uma seguradora: JWT ES256, fila de trabalho no próprio Postgres, RLS por corretora e auditoria append-only.

Python · FastAPI · PostgreSQL · React · TypeScript · Docker

Reconhecimento facial com detecção de vivacidade por piscar, rodando 100% local. Sobe com um docker compose up e nenhum frame sai da máquina. Dado biométrico é dado sensível, e tratar assim é requisito, não enfeite.

Python · FastAPI · DeepFace/ArcFace · MediaPipe · Docker

Servidor TTS próprio para tirar da ElevenLabs um agente de voz que atende ligações (LiveKit/SIP) e as mensagens de áudio do WhatsApp. Roda o Qwen3-TTS, modelo aberto com licença comercial, atrás de uma interface única de motor: trocar de modelo não mexe em API, roteamento nem normalização. A fala começa antes de a frase terminar de ser gerada, e com a fila do motor cheia o roteador cai para a ElevenLabs em vez de atrasar a ligação. O serviço está pronto e testado; a troca espera o teste cego e a medição de latência em GPU.

• Streaming: texto chegando em pedaços do LLM, cada frase completa vai para o motor na hora e, em GPU, o primeiro áudio sai antes do fim da frase (faster-qwen3-tts). Cancelamento imediato para quando a pessoa interrompe, várias falas na mesma conexão e cache em memória para as frases que o agente repete, que saem sem passar pela GPU.
• pt-BR: normalização determinística testada por tabela (moeda, datas, CPF, telefone, URL, unidades, número no feminino, siglas, anglicismos) e dicionário de pronúncia por cliente, que vale mesmo com o termo partido entre dois pedaços do LLM. A pronúncia é medida por transcrição automática: 1,7% de WER nas frases de referência.
• Vozes: clonagem a partir de referência com consentimento registrado e áudio cifrado em repouso, além das vozes prontas do modelo. Voz clonada fica restrita ao cliente que coletou o consentimento.
• Integração: plugin LiveKit com fallback para a voz equivalente na ElevenLabs, lote em OGG/Opus com URL assinada, servidor MCP e API compatível com a ElevenLabs (troca só a URL e a chave).
• Engenharia: 8 ADRs, 329 testes com Postgres real via testcontainers, mypy strict, versões do modelo fixadas e latência afirmada só com medição no repositório.

Python · FastAPI · PyTorch + CUDA · Qwen3-TTS · LiveKit Agents · PostgreSQL · S3 · MCP · Docker

• Decisão escrita. Cada escolha relevante vira um ADR com as alternativas descartadas e o que faria voltar atrás.
• Teste contra o banco de verdade. Integração com Postgres em container, sem mock de banco; com LLM, eval que mede comportamento e não só se o código roda.
• Segurança desde o primeiro commit. Segredo fora do bundle, dado pessoal tratado na entrada, proteção contra SSRF e falha visível em vez de silenciosa.
• Leio log antes de chutar. Penso em failure mode e trato credencial como responsabilidade, não como detalhe de configuração.