Método
Projetos
Sobre
Contato
Fale comigo
AI Developer. RAG, MCP, LLM em produção.
Fale comigo
Ver projetos
Role para explorar
Construo orquestração de LLM, agentes com tool-calling e engenharia assistida com Claude Code. RAG e MCP em produção, ML de fraude em Lambda, SaaS de saúde solo em Next.js 16.
SOBRE
IA como engenharia de sistema, não como demo. Failover, isolamento de tenant, eval, observabilidade. Médicos reais no PlannerDoc. Analistas decidindo 60% mais rápido com RAG + MCP.
EMPRESAS
Grafeno · EstrelaBet · Multilaser · WeTrek · Sorte Online · Magazine Luiza
Online
Luiza
PILARES
O que eu construo com as próprias mãos, em produção.
Não é chatbot de marketing. É ferramenta de decisão, ML na linha de pagamento e SaaS 0 para 1.
Fale comigo
RAG + MCP
Pipelines de Retrieval-Augmented Generation e Model Context Protocol no knowledge interno. −60% no tempo de decisão dos analistas.
ML em produção
Pipeline de fraude em AWS Lambda (Python, scikit-learn). −34% nas transações fraudulentas. Inline no PIX, não batch noturno.
Hands-on 0 para 1
PlannerDoc solo: Next.js 16, Supabase RLS, failover OpenAI para Gemini, MCP no WhatsApp. Penalty: agente MCP no Unity.
PROJETOS
Projetos em destaque.
Ordem de prova: PlannerDoc, Penalty + MCP, RAG na Grafeno, motor de ranking do Mata-Mata.
Ver projetos
PlannerDoc
SaaS de saúde multi-tenant, build solo. Next.js 16, RLS, failover OpenAI para Gemini, MCP no WhatsApp. Projeto do portfólio Grafeno, não o empregador.
Penalty Shootout
Unity 6 / C#, ~4.900 LOC, 60 fps. Agente de IA operando o editor via MCP. Física em FixedUpdate, zero-GC no hot path.
RAG + MCP
Knowledge interno da Grafeno. −60% no tempo de decisão dos analistas. Copilot, Cursor e Claude Code (+40% de entrega). Sem hype de chatbot.
Mata-Mata
Projeto interno, não empregador. Motor de ranking 10 mil+ apostas/dia em latência sub-segundo. Laravel 11 Octane/Swoole, Horizon 44 jobs.
COMPETÊNCIAS
Skills pinadas: RAG · MCP · Machine Learning.
ATS: LLM Orchestration, OpenAI, Gemini, Claude Code, Next.js 16, Python, scikit-learn, AWS Lambda, Supabase RLS, Unity 6.
Retrieval-Augmented Generation
Pipelines de knowledge interno. Grounding, recusa, eval com perguntas reais de analista. −60% no tempo de research.
Model Context Protocol
Contratos MCP e tool-calling: WhatsApp no PlannerDoc, editor Unity no Penalty, knowledge na Grafeno.
LLM Orchestration
Failover OpenAI para Gemini, visão multimodal para imagens médicas. Sem vendor lock. Sem inventar vector DB.
Applied ML
Python, scikit-learn, AWS Lambda. Fraude na linha de transação. −34%. 99,98% de uptime no event-driven.
AI-assisted engineering
GitHub Copilot, Cursor, Claude Code no fluxo das squads. +40% na velocidade de entrega. Claude Code pelo nome.
MÉTODO
Semana típica de engenharia AI-native.
Eval de RAG
Perguntas reais de analista, grounding, recusa. O que o modelo não deve responder.
Contratos MCP
Falhas de tool-calling. WhatsApp, Unity, knowledge interno. O agente opera o sistema, não o slide.
Ranking e jobs
Mata-Mata: Horizon, latência sub-segundo, 10 mil+ apostas/dia. PlannerDoc: RLS, failover, multimodal.
Playbook Claude Code
O que acelerou a entrega e o que gerou retrabalho. Copilot, Cursor, Claude Code como sistema, não perk.
NÚMEROS
Âncoras de produção. Sem token inventado. Sem GPU inventada. Sem cifra de receita.
RAG, ML, ranking, Unity. O que um hiring manager de AI Engineer consegue auditar.
Fale comigo
−60%
Tempo de decisão (RAG)
+40%
Velocidade de entrega
−34%
Transações fraudulentas
10 mil+
Apostas/dia sub-segundo
4.900
LOC Unity / MCP
60 fps
Penalty, zero-GC
RECONHECIMENTOS
As quatro provas que um hiring manager de AI Engineer precisa ver.
“PlannerDoc: SaaS de saúde multi-tenant, solo. Next.js 16, RLS, failover OpenAI para Gemini, MCP no WhatsApp.”
PlannerDoc
Build solo · Grafeno
“Penalty Shootout: Unity 6 / C#, ~4.900 LOC, 60 fps. Agente de IA operando o editor via MCP.”
Penalty Shootout
MCP no Unity
“RAG + MCP no knowledge interno. −60% no tempo de decisão. Claude Code, Cursor, Copilot (+40% de entrega).”
Grafeno
Staff Engineer, AI-native
“Motor de ranking 10 mil+ apostas/dia em latência sub-segundo. Laravel 11 Octane, Horizon 44 jobs. Projeto, não empregador.”
Mata-Mata
projeto interno
PERFIL
Sobre mim.
FORMAÇÃO & IDIOMAS
São Paulo · dupla cidadania BR/PT · autorizado a trabalhar no Brasil e na UE · remoto, híbrido em SP ou União Europeia.
Formação acadêmica
Tecnólogo em ADS — IFSP São Carlos
Certificações
Next.js 16 · Python · Claude Code · AWS Lambda
AI Engineer, Staff/Founding Engineer ou papel hands-on de plataforma AI-native?
Fale comigo
Aberto a conversa de engenharia AI-native. Não busco cadeira só de board.
Navegue
Início
Sobre
Método
Projetos
Redes Sociais
© 2026 Bruno Genova Prates · São Paulo, Brasil
brunogenovaprates@gmail.com