O problema

O site antigo era uma página única em WordPress com Elementor. Antes de escrever qualquer linha, medi a página inicial publicada e listei o que atrapalhava quem chegava nela.

• Sem menu. Não havia navegação. Para chegar a uma seção, só rolando a página inteira.
• Peso sem retorno. Eram 26 scripts e 11 folhas de estilo para uma página só.
• Acessibilidade. 11 das 13 imagens estavam sem texto alternativo, incluindo a logo, que também era link e por isso ficava sem nome para leitores de tela.
• Busca e compartilhamento. Não tinha meta descrição. O resumo usado no compartilhamento juntava texto de botão com o menu e tinha erro de digitação.
• Conteúdo duplicado no código. Os três blocos de valores foram montados duas vezes, uma versão para cada tamanho de tela, o que dobra o trabalho a cada ajuste. E a seção da Coleção Criativa não tinha título, o que quebrava a hierarquia.
• Links ambíguos. Três links diferentes levavam o mesmo texto, "Conheça o nosso catálogo completo".
• Contato. Telefone, e-mail e Instagram estavam escritos sem link. O WhatsApp do botão principal usava um número diferente do rodapé.
• Catálogo. Não tinha busca, filtro nem como ver o material por dentro antes de pedir.
• Institucional. Não tinha endereço, política de privacidade nem termos de uso.

Medido na página inicial publicada em 2 de novembro de 2026.

A solução

Reorganizei o site em páginas com função clara e transformei o catálogo numa vitrine, para que o material pudesse ser melhor apresentado.

• Sete páginas com menu. Início com abas por projeto, Sobre, Soluções Educacionais, página de cada projeto, Parceiros, Fale conosco e página 404. Endereços antigos redirecionam para os novos.
• Catálogo com 82 materiais. Livros, manuais, jogos e kits, com busca por título, ano, componente ou autor e filtro por projeto.
• Prévia em formato de livro. Página virando, miniaturas, zoom, tela cheia e busca dentro do texto. O texto vem de OCR em português, gerado em lote por ferramentas em Python.
• Prévias protegidas. As páginas só abrem pelo leitor do site, com acesso temporário, limite de uso e marca d'água gravada na imagem.
• Mapa de atuação. Mapa do Brasil com a presença por estado, alimentado pelo banco.
• Contato que chega. Formulário validado no servidor, com limite de envios, e todos os canais clicáveis.
• Nenhum número sem prova. Indicadores ainda não confirmados aparecem como "dado em validação", e depoimentos só entram se autorizados.

Arquitetura

Usei um servidor próprio em vez de um site estático por dois motivos: as prévias precisam de controle de acesso, e o catálogo precisa mudar sem mexer no código. Atualizar o catálogo não apaga contatos nem depoimentos.

O MVP foi validado num ambiente de testes. Depois de finalizado, o objetivo foi migrar tudo para a VPS da CEI, configurado de forma organizada e mantido pela equipe de TI da empresa.

Como eu testei

Utilizei o Opus 5.5 para acelerar o fluxo, não para decidir por mim: ela me ajudava a montar os roteiros de verificação, e eu conferia cada resultado. O Lighthouse mostrava onde estava o custo de verdade, como imagens sem dimensão definida, contraste e JavaScript sem uso, e eu ia direto nesses pontos em vez de otimizar às cegas.

Cada fluxo crítico virou um caso de teste com resultado esperado: buscar no catálogo, abrir uma prévia, virar página, buscar dentro do livro, enviar o formulário e tentar abrir uma prévia por fora do leitor. Passei todos em larguras de celular pequeno a monitor largo, para manter a responsividade no maior número de aparelhos possível, antes de liberar para a validação interna.

Resultado

Mesmo critério nas duas páginas iniciais, em 2 de novembro de 2026.

O que eu faria diferente

Na versão final, eu levaria as páginas institucionais para o Astro e deixaria o React só onde existe interação: catálogo, leitor de prévias e formulário. Quase todo o site é conteúdo que muda pouco, então o visitante receberia o HTML pronto em vez de esperar o JavaScript montar a página. Isso pesa mais no celular, que é onde boa parte do público acessa.

O servidor de prévias e o banco continuariam iguais. A troca mexe só na camada que o visitante vê, sem refazer o que já foi validado.

Contexto

As avaliações são aplicadas pelos municípios. Os alunos respondem em cartões-resposta com QR code, lidos pela câmera do celular e corrigidos pela plataforma.

O Reaver nasceu como complemento desse processo, para a etapa que vem depois da correção: entender o resultado.

As gravações desta página mostram o app de verdade, rodando com um município, escolas e alunos fictícios.

O problema

Os dados saíam soltos e confusos. Não apontavam direto o erro, o motivo, como nem quando.

Montar essa leitura à mão custava horas e, muitas vezes, dias de trabalho de outro setor, que dependia dela para seguir com o próprio processo.

Por que Python

Python cabe em quase tudo, aceita quase tudo, é fácil de ler e é ótimo para automação. O time já usava a linguagem, o que tirou atrito da adoção e da manutenção.

Para a interface, o PyWebView abre uma janela com HTML e CSS usando o navegador que o sistema já tem. O app fica leve, roda sem servidor e não carrega um navegador inteiro junto, como o Electron faria.

Como funciona

O desafio mais difícil foi o primeiro passo: buscar informações que normalmente só sairiam num arquivo exportado, como CSV ou JSON, e organizá-las sem esse arquivo.

Como foi validado

Fiquei à frente do projeto. A equipe de QA, desenvolvimento e testes validou cada parte. Depois, o Reaver passou pela validação de quem realmente usa os dados dos relatórios no dia a dia.

Foram duas rodadas de correção até o produto final.

Resultado

Os números são medidos automaticamente pela própria ferramenta. A mudança foi além do tempo: alterou a logística de todo um processo interno de outro setor, para melhor.

Começou como um trabalho simples, feito para resolver um gargalo. Depois foi melhorado e virou um projeto integrado ao Hub Rever. O Reaver não parou por aí: o potencial dele foi notado a ponto de se tornar uma parte indispensável do Hub.

O que eu faria diferente

Nada. O escopo, a linguagem e a validação em duas etapas, primeiro com a equipe técnica e depois com quem usa, funcionaram como planejado.

O problema

Mais de 20 atendimentos ao mesmo tempo, quase todos com as mesmas perguntas.

Tudo passava por um número compartilhado, com login em vários aparelhos. Conversas se perdiam, prioridades eram esquecidas e, o pior, a pessoa do outro lado ficava sem a solução do problema dela.

A central foi pensada para atacar exatamente isso: não deixar ninguém sem solução.

Como funciona

Quando a pergunta foge da base ou o caso pede uma pessoa, o bot transfere a conversa com o contexto, e quem atende não precisa perguntar tudo de novo.

Decisões

Escolhi o n8n por ser prático, ágil e visual. Com a ajuda de um modelo de linguagem, dá para sair do desenho para um fluxo funcionando rápido, e qualquer pessoa do time entende o que cada etapa faz só de olhar.

A parte difícil

Nada quebrou. O difícil foi estruturar tudo de ponta a ponta. São muitas variáveis e muitos tipos de atendimento, e precisei mapear absolutamente todos antes de escrever a primeira resposta.

Como eu testei

Testei com quem atende todos os dias. Levantei de onde saem as informações, em que formato chegam e o que a equipe responde em cada situação. A partir disso, escrevi as respostas corretas e montei a base de onde o bot consulta.

Cada tipo de atendimento virou um caso de teste com pergunta e resposta esperada, incluindo os casos que o bot não deve responder e precisa transferir. A central só foi para o ar quando passou nos dois lados.

Resultado

O que é

Um sistema integrado de ensino voltado para a recomposição das aprendizagens, o desenvolvimento da fluência leitora e a melhoria dos resultados nas avaliações externas.

Cada pessoa da rede tem o seu perfil, com permissões próprias: secretaria de educação, gestão da escola, coordenação, professores e alunos.

A gravação no topo é a porta de entrada da plataforma, com um acesso simulado e credenciais fictícias. O que fica depois do login não pode ser mostrado.

Como age

Além das avaliações, a plataforma reúne o registro da fluência leitora, o livro digital em HTML com recursos de acessibilidade, jogos e vídeos.

O que resolve

Tira a decisão pedagógica do achismo. A secretaria enxerga a rede inteira, a escola compara turmas e o professor vê em quais habilidades cada aluno travou, a tempo de agir no mesmo ano letivo.

Meu papel

Faço parte da equipe que garante a qualidade das entregas. Nada passa para a fase seguinte sem a nossa validação: casos de teste, registro de defeitos, reteste e aprovação com quem vai usar.

No dia a dia, dou suporte às redes que usam a plataforma, com conferência de documentos, processamento de dados e análise de ocorrências. Foi dessa rotina que nasceu o Reaver.

Como eu trabalho a qualidade

Não posso mostrar telas internas, então mostro o formato do trabalho. Os exemplos abaixo são sanitizados, com dados de demonstração e números fictícios, mas seguem o tipo de teste que fazemos no dia a dia.

Quadro de acompanhamento de uma entrega, com nomes de funcionalidades genéricos e contagens de exemplo.

O que é

Uma deskbot feita com AtomS3 e Echo Base, inspirada na Capri, o constructo do universo de Cyberpunk. Virou minha parceira de trabalho, desenvolvimento, estudos, lembretes e conversa.

Ela tem 21 expressões no rosto, a boca acompanha o som da fala e a tela apaga sozinha quando ela fica em silêncio.

Por que existe

Sem copiar e colar, sem anexar arquivo. Só: "Capri, me ajuda com isso."

Eu queria um assistente que me ajudasse só pela fala. E a Capri porque eu curto o universo de Cyberpunk: o que seria melhor que uma IA que "não é uma IA", de personalidade forte?

Restrições

• Custo zero. Nada de API paga, assinatura ou servidor alugado.
• Privacidade, até onde dá. Pastas sensíveis bloqueadas, nada pessoal no repositório e credenciais cifradas para o meu usuário do Windows.
• Pedidos compostos. "Abre o YouTube, coloca o volume no 10 e em tela cheia" precisa virar três ações, na ordem certa.
• Sem LLM rodando no PC. Nenhum modelo pesado residente. As ferramentas só rodam quando são chamadas.
• Consciência de mundo e espaço. Entender o contexto: a janela ativa, o documento aberto, o que está na tela e o que foi copiado.

Como resolvi

O núcleo expõe as ações do PC como ferramentas MCP, e a IA decide quando usá-las. Um índice de nomes em SQLite, atualizado por eventos do Windows, deixa a busca de arquivos instantânea. Um supervisor mantém tudo de pé e reinicia sem duplicar processos.

A segurança veio junto: permissões por pasta, confirmação local para ações de alto impacto e operações reversíveis com cópia. Texto lido de uma página, da tela, de um documento ou do que foi copiado nunca vira ordem.

O app no PC

Para não depender de terminal no dia a dia, criei o Project Capricorn, um app para Windows que mostra o estado da Capri, liga, para e reinicia, ajusta as mensagens espontâneas, acompanha o aparelho pela USB e lista tudo o que ela fez.

A estética é minha do começo ao fim: o logo, a paleta neon em verde e magenta, a interface e a abertura com falha de sinal, pensadas para parecer uma peça do mesmo universo da Capri.

• Leve de verdade. Na bandeja, ocupa de 25 a 40 MB de RAM. A janela só existe enquanto está aberta e, ao fechar, devolve a memória.
• Modelo 3D só com CSS. Os 11 aparelhos da lista de compatibilidade viram modelos que giram pela placa de vídeo e param quando a janela perde o foco.
• Ícone pensado para cada tamanho. Em 16, 20 e 24 px o chip foi redesenhado pixel a pixel, porque a arte reduzida virava borrão na bandeja. O ícone fica cinza quando a Capri cai.
• Atualização sem console. O app consulta o GitHub, lista o que mudou, atualiza escondido e reabre na versão nova. O mesmo caminho volta para a versão anterior.
• Nada vem da internet. Fontes e imagens vão junto com o app.

O que quebrou

Cada nome muda conforme a ocasião. A mesma janela, o mesmo botão ou a mesma pasta aparecem com nomes diferentes em situações diferentes, e a Capri precisa achar o alvo certo em todas elas. A solução foi buscar por equivalência, sem depender de acento, caixa ou do texto exato, e cobrir cada variação nos testes.

Como eu testei

Montei um laboratório em que um modelo faz o papel do cérebro do Xiaozhi, com a mesma persona e as mesmas ferramentas. Cada ferramenta é simulada, o resultado volta para o modelo e os pedidos compostos seguem até o fim. No final, as chamadas são comparadas com o esperado e cada área recebe uma nota. As frases dos cenários são inventadas, então nada pessoal entra no teste.

Também separo os níveis de evidência, porque eles não são a mesma coisa: entregue, instalado, testado no PC e testado por voz no aparelho. Uma mudança só conta como pronta no último.