Namcios@namcios · 2026/08/26观点输出RT @namcios: O ChatGPT Work agora loga nos sites por você.
Tanto na web quanto no app do celular, sem ver seu usuário nem a sua senha.
Ma…
AI：延续个人公开立场，强调长期主义、执行效率与行业方向判断。
Namcios@namcios · 2026/08/26观点输出@mirokami_intern Automatizar burocracia já é killer app
AI：延续个人公开立场，强调长期主义、执行效率与行业方向判断。
Namcios@namcios · 2026/08/25观点输出O ChatGPT Work agora loga nos sites por você.
Tanto na web quanto no app do celular, sem ver seu usuário nem a sua senha.
Marca o agendamento do DETRAN, agenda a consulta com o médico do plano, renova o documento do seu carro.
Isso é insano.
AI：延续个人公开立场，强调长期主义、执行效率与行业方向判断。
Namcios@namcios · 2026/08/19观点输出Codex > Claude Code
Grok bot > OpenClaw
AI：延续个人公开立场，强调长期主义、执行效率与行业方向判断。
Namcios@namcios · 2026/08/16观点输出O UX do ChatGPT está um absurdo.
Work é o que a Anthropic queria que o Cowork fosse - apenas um rename do Claude Code, ao invés de uma versão piorada.
É como ter o Codex full mas mobile. Dá pra fazer agentic work de verdade pelo celular, usando cloud quando preciso e seamless
AI：延续个人公开立场，强调长期主义、执行效率与行业方向判断。
Namcios@namcios · 2026/07/20赛道影响Agentes de IA raramente desobedecem um prompt.
O padrão real de falha é mais sutil: eles quase cumprem. Descrevem a ação em vez de executá-la, carregam a ferramenta e nunca chamam, se sentem 'prontos' após prosa com cara de relatório.
O erro que todo mundo comete: pedir capricho. 'Seja minucioso', 'não pule etapas', 'revise com atenção'. Sob autonomia, o modelo otimiza a forma do checklist, não o trabalho.
Rodo um pipeline de revisão autônomo com Claude Code, e o padrão de falha quase nunca foi o agente ignorando uma instrução. Foi o agente quase cumprindo:
- descreve a ação em prosa como se isso fosse executá-la
- carrega o schema de uma ferramenta via ToolSearch e nunca a invoca
- escreve prosa parecida com o relatório e se sente 'pronto'
- comprime a análise numa tabela-resumo com cara de revisão completa
Em todos esses casos, ele produziu texto com formato de obediência. Três movimentos bloqueiam isso:
1. Nomeie o autoengano dentro do prompt.
Ordens genéricas ('pare antes de X') não seguram. O que segura é enumerar as racionalizações específicas. Trecho colável do meu prompt real:
"**STOP.** Do NOT proceed until the user responds. Naming the 80% solution in chat prose and continuing — or loading the AskUserQuestion schema via ToolSearch and then never invoking it — is the failure mode this gate exists to prevent."
Com o desvio exato nomeado, o modelo perde a rota de racionalização: descrever deixa de contar como fazer.
2. Ancore 'terminou' em sentinelas determinísticas.
No meu pipeline, o run só é válido se o último heading '## ' do arquivo for '## REVIEW REPORT' e a última linha não-vazia for exatamente 'NO UNRESOLVED DECISIONS'. Um grep decide, o agente não. Sem sentinela estrutural, nem o próprio modelo distingue prosa de artefato, e é por isso que ele 'se sente pronto' cedo demais.
3. Exija evidência para todo 'nenhum problema encontrado'.
'No issues found' é saída válida, mas só depois da análise. A regra que uso: 1–2 frases dizendo o que foi examinado e por que nada foi sinalizado. E 'skipped' só vale para seções numa skip-list explícita e enumerada, nunca por julgamento do agente.
Números do meu pipeline real: checklist bloqueante de 5 itens antes do ExitPlanMode, máximo de 8 issues por seção em 4 seções fixas, 10 seções rodando em profundidade total mesmo sem humano no loop, 2 sentinelas checadas por grep.
Capricho você não consegue verificar com grep. Sentinela exata e evidência de exame, sim. Faça tudo isso e seus agentes de IA vão trabalhar e verificar de forma correta.
1RT @namcios: Coloquei dois modelos de IA pra revisar o mesmo diff de código. Eles acharam 61 erros.
Mas só 21 eram erros de fato. Os outr…
AI：延续个人公开立场，强调长期主义、执行效率与行业方向判断。
Namcios@namcios · 2026/07/17观点输出O anti-pattern: pedir 'revisa meu código' num modelo só, sem papel definido, e aplicar a lista inteira que voltar.
Sem o filtro de verificação, você conserta código certo e introduz bug novo com a confiança de quem revisou.
AI：延续个人公开立场，强调长期主义、执行效率与行业方向判断。
Namcios@namcios · 2026/07/17赛道影响Dois achados reais que sobreviveram ao filtro: a confirmação pra sobrescrever um registro finalizado só existia como banner no front-end (o servidor aceitava sem o flag), e um upload fora de sequência teria gravado os campos de um período nos dados de outro.
AI：偏主题投资表达，释放对基础设施与新叙事的偏多信号。
Namcios@namcios · 2026/07/17观点输出Coloquei dois modelos de IA pra revisar o mesmo diff de código. Eles acharam 61 erros.
Mas só 21 eram erros de fato. Os outros 40 eram falso positivos, consequência de pedir para LLM encontrar bugs.
Montar um conselho de modelos pra revisar código antes do merge é crucial: 🧵 https://t.co/sRO7KdUcLm
AI：延续个人公开立场，强调长期主义、执行效率与行业方向判断。
评论
暂无评论