01
Definir a intenção
Escrever o que conta como pronto antes de pedir qualquer coisa: o problema, o público, o critério de aceite e o que fica de fora. Um prompt sem critério de aceite é um pedido de opinião.
Loading…
Fernando Azevedo · arquiteto de soluções especialista em IA e AWS
No AWS Summit São Paulo de 2026, o perfil ganhou nome: quem passa menos tempo escrevendo script e mais tempo definindo intenção, orquestrando agentes e validando o que eles entregam. Este site roda assim desde junho de 2026. Abaixo, o que foi apresentado, as quatro habilidades que o termo pede e o pipeline real que escreve, confere e narra o que você lê aqui.
Arquitetura, AWS e IA em produção, com número e trade-off. Grátis.
Sem spam · cancele quando quiser
AWS Summit São Paulo · 03/09/2026
A equipe decide em cada fase; a IA executa.Fonte: DP6
Minha leitura: o gargalo muda de lugar. Escrever ficou barato; validar não. Se o agente produz em 10 minutos o que levava um dia, quem não tem critério de aceite escrito passa o dia seguinte revisando no olho. O trabalho de IA Builder é escrever esse critério antes, e deixar a máquina ser reprovada por ele.
Fontes
Os números e anúncios acima são das fontes citadas; a leitura é minha e não representa nenhuma empresa.
O que o termo pede
01
Escrever o que conta como pronto antes de pedir qualquer coisa: o problema, o público, o critério de aceite e o que fica de fora. Um prompt sem critério de aceite é um pedido de opinião.
02
Quebrar o trabalho em agentes com um papel cada, ferramenta explícita e teto de iterações. Um agente que pesquisa, outro que escreve, um passo que valida: cada um falha de um jeito que dá para isolar.
03
Telemetria, evals e guardrails no caminho, não depois. Se a saída não passa por um teste que pode reprová-la, quem valida é o leitor, e ele não avisa: só não volta.
04
Orçamento de tokens por dia, teto por feature, conta e região certas, segredo fora do prompt. O custo de um agente não é a primeira chamada: é a milésima, num lote que ninguém estava olhando.
A prova
Tudo o que você lê aqui sai de um pipeline em que eu escrevo as regras e os agentes escrevem o texto. A pergunta que guiou o desenho não foi "a IA escreve bem?", foi "o que reprova um texto ruim antes de ele chegar em alguém?".
Eu defino os quatro pilares (sistemas financeiros, agentes de IA em produção, resiliência e segurança, FinOps e dados), a voz e o que reprova um texto.
O script lê os feeds e dá nota a cada sinal pelos pilares. Serviço fora do perfil perde 60, expansão regional perde 35. Abaixo de 20 pontos, não vira artigo. Dedupe pelo link da fonte.
O modelo pesquisa na web para confirmar data, limite e preço, e escreve pt e en com a minha skill de voz colada na frente do prompt.
JSON validado, blocos normalizados, categoria por contagem de termos, referências conferidas. Falhou, não publica: semana fraca termina sem artigo, de propósito.
Grava no S3, atualiza o índice de dedupe e, às 02:00, minha voz clonada (OmniVoice numa GPU em casa) narra o texto nos dois idiomas.
Leio o que saiu e corrijo a regra, não o texto. Foi assim que a nota por pilares nasceu: 73 de 123 artigos vinham do mesmo feed e o blog enchia de GameLift.
Todos os geradores chamam uma única função, callModel, que esconde o provider. Mesmo prompt, mesmo sinal, três candidatos:
| Provider | Palavras (pt) | Blocos | Artigo longo |
|---|---|---|---|
| Bedrock Sonnet | 3182 | 14 | não medido |
| Codex | 2252 | 15 | falhou 6 vezes |
| Claude Code | 3186 | 17 | passou de primeira |
Claude Code é o padrão; Codex fica para quando volume importa mais que profundidade; Bedrock é a rede de segurança, a uma variável de ambiente de distância. O motivo da troca foi custo: geração em lote no Bedrock custou US$ 84 em 30 dias contra um teto de US$ 5 por mês.
Todo prompt sai com a skill voz colada na frente: autoridade pelo tempo de operação, número no lugar de adjetivo, recomendação condicional. Ela é uma cópia versionada no repositório porque o cron das 07:10 não pode depender de rede para escrever. Sem ela, os geradores escrevem em tom de release note.
O Ask Fernando é RAG no Amazon Bedrock sem banco vetorial: os vetores vão no build e a busca é por similaridade em memória. Cada rota passa por orçamento diário de tokens, teto de 800 tokens de saída, filtro de prompt injection e lista de bloqueio.
A lição: o que deu mais trabalho não foi fazer o agente escrever, foi escrever o que o reprova. Duas correções minhas mudaram mais o blog que qualquer troca de modelo: a nota por pilares, e o classificador que marcava 86 de 123 artigos como agentes de IA porque achava "ai" dentro de "available".
Próximo passo
FAQ