0905 | Agentes a bordo: os novos modelos e o trabalho que eles assumem

Sofia Almeida: Boas-vindas ao briefing diário da Product Hunt, eu sou a Sofia Almeida.

Rafael Costa: E eu sou o Rafael Costa. Hoje os lançamentos contam quase uma história só: modelos de fronteira cada vez mais autónomos, ferramentas que dão a esses agentes um lugar para trabalhar, e depois toda uma camada de produtos que mantêm os humanos no circuito, com explicações, aprovações e contexto.

Sofia Almeida: Vamos escolher um punhado de lançamentos das últimas vinte e quatro horas, olhar para quem tem o problema mais claro e a solução mais diferenciada, e ser honestos sobre o que é reivindicação dos criadores e o que é verdade comprovada. Começamos pela corrida dos modelos.

Rafael Costa: A notícia grande do dia é o GPT-6 Astra da OpenAI. É apresentado como o modelo mais capaz deles para raciocínio complexo, engenharia de software, uso de computador, ciência e trabalho profissional. O que o distingue são duas capacidades para fluxos de agentes: chamadas assíncronas de ferramentas e steering a meio da resposta. Ou seja, o modelo pode continuar a trabalhar num fluxo multietapas enquanto você corrige o rumo em plena tarefa.

Sofia Almeida: E há detalhes concretos de disponibilidade e preço. O identificador na API é gpt-6-astra, a dez dólares por milhão de tokens de entrada e cinquenta na saída, em contexto curto. O lançamento é faseado: primeiro Trusted Access e Daybreak, depois planos Plus, Pro, Business, Enterprise e a API nos próximos dias.

Rafael Costa: Um detalhe que vale sublinhar: é o primeiro modelo da OpenAI a atingir o que eles chamam o limiar crítico de capacidade de cibersegurança, com o acesso avançado a ciber limitado. Isso é um marco declarado pela própria empresa, não um resultado verificado por terceiros, portanto trata-mo como tal.

Sofia Almeida: Sobre o steering, houve uma pergunta muito boa na discussão da comunidade: para chamadas de ferramentas que se podem desfazer, steer a meio da resposta é só uma interface melhor. Mas quando um passo do fluxo é externo e já foi executado — um pagamento, um email enviado, uma chamada telefónica a tocar — ainda se consegue desviar o modelo do plano que já começou? Ou o steering só funciona na parte que não saiu da sandbox?

Rafael Costa: E essa pergunta ficou sem resposta clara. Outra coisa concreta que surgiu: uma mensagem de Thibault Sottiaux prometia um reset acumulado por cada dia sem acesso ao Astra num plano pago do ChatGPT, enquanto a equipa acelera o acesso. Ou seja, nem tudo correu liso no dia um.

Sofia Almeida: Do lado do Google, o ritmo é diferente mas a pressão é a mesma. Gemini 3.8 Flash chegou como a terceira atualização Flash em seis semanas, com grandes saltos face ao 3.7 em engenharia de software, agentes e raciocínio multietapa. Os números reivindicados: 73,7% no DeepSWE v1.1 para código de longo alcance, liderança no Terminal-bench 2.1 a 89,4%, e 54,9% no HLE-Verified.

Rafael Costa: E o que é notável é o preço: mesmo preço introdutório do 3.7, zero dólares e setenta e cinco de entrada e três dólares e setenta e cinco de saída por milhão de tokens até 31 de dezembro. Está disponível hoje na app Gemini para Pro e Ultra, no AI Studio, no Antigravity, no Gemini Enterprise e na API.

Sofia Almeida: A explicação do próprio modelo para estes ganhos é interessante: dizem que o 3.8 Flash "trabalha mais". Em tarefas complexas executa passos extra de raciocínio e chama ferramentas iterativamente, por vezes gastando mais tokens. Para quem tem o custo como constraint, podem-se usar níveis de esforço mais baixos, ou continuar no 3.7, que permanece suportado.

Sofia Almeida: A Google também publica exemplos: um jogo construído com um prompt simples no Antigravity, e uma versão DOS jogável do Google Maps num único prompt.

Rafael Costa: E paralelamente chegou o Gemini 3.8 Flash Cyber, focado em defensores de confiança, com deteção de vulnerabilidades e patching automático. Curioso que OpenAI e Google ambos neste ciclo puseram cibersegurança em destaque — a OpenAI com o limiar crítico do Astra, a Google com uma variante dedicada para quem defende sistemas.

Sofia Almeida: Há um detalhe a ter cuidado: um dos posts sobre o Gemini 3.8 Flash no Product Hunt parece ter sido escrito por um utilizador como uma espécie de resumo promocional, com a estrutura de quem é para quem, casos de uso, etc. Não vamos tratar isso como prova independente. Os benchmarks vêm dos materiais da Google, portanto são reivindicações do fabricante até haver validação externa.

Rafael Costa: E para mostrar que esta corrida não é só software: a WeatherNext 3, o modelo de previsão meteorológica de IA da Google, também foi lançado. A grande evolução é a fonte de dados: em vez de treinar só em modelos numéricos de previsão com seis horas de atraso, ingere mosaicos em tempo real de satélites geoestacionários. Resultado: novas previsões a cada hora, com resolução até cinco quilómetros, contra os vinte e cinco do modelo anterior.

Sofia Almeida: Isso importa para fenómenos que evoluem depressa — tempestades, frentes, precipitação súbita — e para variáveis como temperatura e humidade que variam drasticamente em poucos quilómetros junto a costas, vales e montanhas. E adicionaram variáveis de energia limpa, o que chamou a atenção de um comentador: produção solar e eólica é praticamente um derivado meteorológico, e os operadores de rede estavam presos aos mesmos modelos do "vai chover amanhã".

Sofia Almeida: A pergunta dele foi se esse conjunto de variáveis foi desenhado com operadores de rede na sala, ou se é um subproduto útil da atualização mais geral. Também sem resposta no que temos.

Rafael Costa: E tudo isto está agora integrado em Search, Gemini, Maps, Google Maps Platform e Cloud. Voltando ao fio: modelos cada vez mais autónomos precisam de sítios onde trabalhar. E é exatamente isso que os próximos dois produtos fazem — um dá-lhes um calendário, outro constrói o mapa das pessoas.

Sofia Almeida: Clockwork é um app para Mac, do Vimox Shah, que agenda agentes de código num calendário real. A história de origem é concreta: ele estava a pagar capacidade de Claude que ficava ociosa cerca de dezoito horas por dia, enquanto reescrevia à mão as mesmas tarefas de repositório todas as semanas. A ideia: se um agente consegue fazer o trabalho, dá-lhe um dia de trabalho — uma slot no calendário, um orçamento, regras de permissões, e um relatório no fim.

Rafael Costa: E o que o torna mais do que um wrapper é a parte de segurança, que ele detalha bastante. As execuções correm dentro de uma sandbox Seatbelt do macOS, num worktree git por execução, com escritas confinadas a esse worktree. O ambiente de execução é uma allowlist, portanto variáveis como o SSH_AUTH_SOCK e tokens de fornecedores nunca chegam ao processo do agente. Passos arriscados pausam e pedem aprovação.

Rafael Costa: E há limites orçamentais duros em dólares, limites de turnos e timeouts de relógio — impostos pelo supervisor, não pela boa vontade do modelo.

Sofia Almeida: E ele vai mais longe na verificabilidade: o perfil Seatbelt, a lista de credenciais negadas e a allowlist do ambiente estão publicados em Apache 2.0, com testes que escrevem um segredo falso em ~/.ssh e ~/.aws, correm um cat dentro de uma sandbox real e afirmam que falha. O resto da app é source-available sob licença proprietária — e ele pede explicitamente que ninguém lhe chame open source. Gosto dessa precisão.

Rafael Costa: Há honestidade sobre limites também. As execuções precisam do Mac acordado — a app mantém o portátil acordado durante janelas agendadas quando está ligado à corrente, e avisa ruidosamente quando perde uma execução. Ainda não está notarizado pela Apple, por ser um certificado de noventa e nove dólares por ano num build inicial, portanto é preciso limpar a flag de quarentena à mão. E é só Apple silicon, por agora. É gratuito, sem tier pago hoje.

Sofia Almeida: Os comentadores levantaram boas questões. Uma: se uma slot recorrente chega e a execução anterior ainda está à espera de aprovação, salta, enfileira, ou arranca outro worktree isolado? Outra, mais técnica: o timeout de relógio de parede — se um agente está a meio de um commit ou rebase quando a slot acaba, o supervisor deixa terminar a operação git ou corta onde estiver e deixa o worktree a meio? E ainda: se pausa para aprovação às duas da manhã, a slot morre ou espera?

Sofia Almeida: São perguntas sobre o que acontece quando a autonomia encontra o mundo real, e nenhuma tinha resposta no material que temos.

Rafael Costa: Também perguntaram por webhooks — por exemplo, algo agendado sempre que há um release novo. Hoje o modelo é de calendário, não de eventos. De qualquer forma, o enquadramento "dar ao agente um dia de trabalho" pareceu fazer sentido às pessoas: torna a codificação autónoma mais prática do que deixar agentes a correr sem fim.

Sofia Almeida: E do calendário dos agentes passamos ao mapa das pessoas — o Snitch. É um agente Slack que faz exatamente uma coisa: pergunta a cada pessoa no workspace com quem é que essa pessoa reporta, e constrói o organograma a partir das respostas. Depois responde a perguntas sobre isso: cadeias de reporte, tamanhos de equipas, quem é responsável por quê. Sem sistema de RH, sem nada para preencher manualmente.

Rafael Costa: O fluxo está bem pensado. Instala-se por OAuth do Slack, o Snitch lê o diretório, o admin aprova as rondas — pode excluir pessoas e ler a mensagem exata que todos vão receber antes de lançar — e aí todos respondem em dois toques. A demo usa personagens de The Office, e a resposta do Jim ao Michael demorou nove segundos. Quando alguém novo entra, o Snitch pergunta-lhe logo na manhã de chegada.

Rafael Costa: Quando alguém muda de equipa — na demo, a Angela diz que agora reporta ao Oscar — a pessoa informa e o organograma move-se com ela.

Sofia Almeida: E tem uma parte de deteção de problemas que é quase a mais interessante: gestores que saíram e deixam pessoas a reportar à cadeira vazia, ciclos de reporte — o Jim reporta ao Dwight que reporta ao Jim, o que na demo vale um "demérito" — e até segundos CEOs. Em vez de ficar silenciosamente obsoleto, o gráfico sinaliza o que está errado. Um clique reenvia a pergunta a quem reportava à pessoa que saiu.

Rafael Costa: Sobre privacidade, a resposta deles é que o Snitch só trata coisas que os colegas já dizem em voz alta: com quem reportam e o que põem no próprio cartão. Não há forma de denunciar outra pessoa, e ninguém recebe DM antes de o admin aprovar a redação. Preços: dezanove dólares por mês até cinquenta pessoas, trinta e nove para cinquenta e um a cem, cinquenta e nove para cento e um a duzentos — tudo incluído em todos os planos, com quarenta e cinco dias grátis sem cartão.

Sofia Almeida: As críticas da comunidade apontam exatamente para o que faria diferença no longo prazo. Um comentador elogiou a inversão — em vez de as pessoas preencherem dados, o agente investiga e pergunta — mas a pergunta séria é: o "com quem reportas" funciona no dia um; e no mês seis? O Snitch volta a perguntar quando alguém muda de equipa, ou o gráfico deriva? Outra questão: reportes de linha pontilhada.

Sofia Almeida: Em empresas grandes, muita gente reporta a uma pessoa para efeitos de headcount e a outra no dia a dia. O Snitch aceita duas respostas ou força uma só e fica com a primeira? Isso ficou em aberto.

Rafael Costa: Nota also: um comentador notou que esta foi a sexta lançamento da TwelveLabs no Product Hunt, a quinta em dez meses — mas isso é sobre eles, e a TwelveLabs aparece-nos por outra razão. Passamos à camada dos humanos no circuito. O Compliance by TwelveLabs é uma aplicação SaaS que revê bibliotecas de vídeo contra regras que a própria equipa de compliance escreve — não regras deles.

Sofia Almeida: O modelo por trás é o Pegasus, e a diferença em relação a deteção clássica é a explicação. O argumento do Simon, Head of Field Engineering, resume bem o problema: se os revisores têm de rever o vídeo inteiro para validar as marcas da IA, que tempo é que se poupou afinal? Detetar "violência" não chega — o revisor precisa de perceber o que aconteceu, em que contexto, e por que importa sob a política que está a aplicar.

Sofia Almeida: As devolções saem com contexto, não só um timestamp e uma etiqueta, prontas para aceitar, rejeitar ou anotar numa fila única.

Rafael Costa: Concretamente: a empresa adapta packs de regras regionais, edita regras, afina limiares e publica versões sem esperar pela TwelveLabs. Há deteção de media sintética incorporada, com o detetor de vídeo sintético da NVIDIA a adicionar pontuações ao nível do frame junto da análise contextual. E há relatórios assinados e acesso por API.

Rafael Costa: A meta declarada é uma taxa de rejeição pelos revisores de quinze por cento ou menos — ou seja, menos tempo a caçar falsos positivos e mais tempo em decisões que precisam de julgamento humano.

Sofia Almeida: E aqui a comunidade trouxe a objeção mais interessante do dia, na minha opinião. Alguém escreveu que a taxa de rejeição de quinze por cento faz sentido como métrica de falsos positivos, mas que para uma ferramenta de compliance a preocupação maior é a direção oposta: a violação que nunca é sinalizada. Falsos positivos acabam por ser apanhados por um humano na fila. Um falso negativo aparece em silêncio, nunca.

Sofia Almeida: A pergunta: há forma de amostrar o material "limpo" para apanhar o que o Pegasus deixou escapar, ou o sistema inteiro depende do pack de regras estar completo desde o início? É uma pergunta estrutural que ninguém respondeu.

Rafael Costa: Outras perguntas da discussão: como se adaptam regras a países diferentes quando cada região tem padrões próprios, e como é que o sistema lida com regras que dependem mais de contexto do que do que é visível. E houve quem notasse que a demonstração está na teoria bem orientada — resultados prontos para revisão em vez de despejar deteções de IA — mas que faltava ver a precisão das explicações em vídeo real. Novamente: tudo o que descrevemos são afirmações dos criadores.

Sofia Almeida: Na mesma zona — decisões humanas assistidas por contexto — está o Chalked, para Mac. É uma "camada de resposta": abres uma conversa suportada e ele prepara o que tu dirias, a partir do thread visível, do calendário em tempo real e de contexto de trabalho com fontes. Toca-se Tab para inserir a sugestão, e mantendo premida a tecla fn dizes por voz o resultado que pretendes — por exemplo, mudar "terça às duas" para "terça de manhã". Depois o utilizador revê e envia.

Sofia Almeida: Nada é enviado automaticamente, e a voz é opcional.

Rafael Costa: A aposta de longo prazo do criador é que a comunicação se torne trabalho resolvido: compromissos e decisões registados com fonte podem melhorar a resposta seguinte. Na demo, os registos têm estado — um compromisso de orçamento mantido, uma entrega aberta, uma dependência de aprovação à espera do Jack, e uma entrega antiga marcada como substituída.

Rafael Costa: Há também um cuidado de privacidade declarado: sem screenshots nem gravação de ecrã, lê-se a janela atual via Accessibility, e o texto lido fica no Mac.

Sofia Almeida: Mas a crítica mais afiada da discussão mira exatamente o gesto central. Alguém escreveu: escrever uma resposta é suficientemente lento para tu reveres o que realmente acordaste — e um toque remove exatamente essa pausa. O modo de falha não é uma resposta má, é uma resposta boa com a data errada, que sai mais depressa do que qualquer coisa que escrevesses à mão.

Sofia Almeida: A proposta do comentador: tudo o que veio do calendário ou de um thread antigo deveria passar por uma olhada antes de o Tab fazer qualquer coisa. E a outra pergunta prática: quando um facto registado fica desatualizado, é o utilizador que o vai caçar e apagar, ou envelhece sozinho?

Rafael Costa: A variedade de contexto de uso por exemplo — em suma, o Inline é a terceira peça deste tema. É uma app de chat baseada em threads para trabalhar com colegas e agentes em simultâneo, em beta para macOS e iOS, com CLI, MCP e plugins de agentes disponíveis. Uma utilizadora do beta diz que adora trazer os agentes para trabalhar consigo e que o threading é perfeito.

Sofia Almeida: E a pergunta certa veio de um comentário: o threading faz sentido para manter a saída dos agentes afastada da conversa humana, mas o que acontece quando um humano salta para dentro de um thread a meio da tarefa de um agente e muda de direção? O agente vê isso como contexto novo no mesmo thread e corrige o rumo, ou é preciso matá-lo e recomeçar o prompt do zero? Esse momento, diz o comentador, é onde muitas ferramentas de "agentes a trabalhar ao lado de colegas" se tornam difíceis na prática.

Rafael Costa: Repara no paralelismo com o Astra: a pergunta sobre steering depois de um passo externo já executado é a mesma questão — até onde vai o controlo humano quando a máquina já começou. Aqui, nas ferramentas de trabalho, é o mesmo dilema a outra escala.

Sofia Almeida: E do controlo passamos à visibilidade — saber o que a IA está a fazer e se as pessoas sabem usá-la. Dois produtos, a mesma ideia aplicada a sítios diferentes. O primeiro é o myAIcademy, uma plataforma de formação em IA personalizada por função, fundada pela Malika, que esteve na Google Cloud como Generative AI Black Belt e foi adjunta na Georgetown, com experiência em mais de dez mil profissionais.

Rafael Costa: O diagnóstico dela é bom: as empresas compraram licenças de IA, disseram às pessoas "usem a IA" e deixaram-nas com cursos genéricos, bibliotecas de prompts e tentativa e erro. O problema não é o acesso, é a adoção. E o conteúdo envelhece — as ferramentas mudam todas as semanas, portanto os cursos ficam inaccurate rapidamente. A frase-chave: a aprendizagem de IA tem de ser mantida como software.

Sofia Almeida: Na prática: dizes a tua função, experiência, objetivos e ferramentas, e recebes um percurso personalizado. Aprendes um fluxo completo numa lição de quinze minutos, praticas num simulador seguro antes de aplicar ao trabalho real, e há uma assistente chamada Aimy que dá orientação passo a passo enquanto trabalhas. Está em iOS, Android e web.

Sofia Almeida: Para equipas e empresas, a promessa é converter investimento em IA em adoção, com cada departamento a saber aplicar as ferramentas aprovadas ao próprio trabalho.

Rafael Costa: As perguntas da comunidade foram muito práticas. O que acontece depois de alguém acabar uma lição — que é onde começa a parte difícil? Como se lida com alguém cuja função muda a meio de um percurso? Como se garante que o conteúdo está atualizado com ferramentas a mudar em dias? O simulador corre ambientes reais de API ou setups guiados simulados? Equipas podem criar percursos diferentes para marketing, vendas e produto?

Rafael Costa: E alguém confundiu-se com o onboarding de carreira: e se fores professor e fundador ao mesmo tempo?

Sofia Almeida: E a pergunta mais séria, que ecoa o tema do episódio: lições simuladas são seguras por construção, não há nada real para partir. Mas a ideia de a Aimy "executar a tarefa contigo" dentro das ferramentas reais — o CRM, a inbox — é uma categoria de risco completamente diferente, o mesmo problema de permissões que todo o produto de agente-nas-tuas-ferramentas tem de responder. Isso já está delimitado por persona, ou é uma questão aberta de design? Sem resposta no material que temos.

Rafael Costa: O segundo produto deste tema é o TrackMCP, que se vende como "Google Analytics para servidores MCP". Adicionas uma linha de código ao teu servidor MCP — há SDK para TypeScript e Python — e começas a ver quem está a usar, que clientes de IA se ligam, que ferramentas usam e em que ordem, e onde as sessões param.

Sofia Almeida: E o caso ilustrativo que eles mostram é forte precisamente porque revela uma falha invisível: um send_email que aparentemente responde 200 OK, mas devolve erro por incompatibilidade de schema — o agente envia uma string, o schema espera um array — falha em noventa e quatro por cento das chamadas, o agente tenta três vezes e desiste. Os logs registaram; o APM observou; o TrackMCP explica: aqui está o que falha, eis a correção, aceitar string também.

Sofia Almeida: E estimam recuperar cerca de duas mil e cem chamadas por semana.

Rafael Costa: A comunidade também aqui fez boas perguntas. Um antigo construtor de servidores MCP oficiais notou que os gestores de produto queriam sempre saber como o uso via MCP difere do uso via interface tradicional — e que ser cuidadoso com os dados recolhidos é crucial do ponto de vista de privacidade. Outro perguntou diretamente: registam os argumentos das ferramentas ou só os nomes? Os argumentos trazem muito texto de utilizador, mas "onde o trabalho para" é difícil de responder sem eles.

Rafael Costa: É um trade-off real entre visibilidade e privacidade que não ficou resolvido.

Sofia Almeida: E a pergunta mais funda veio de alguém que descreve o buraco seguinte: e se o resultado não for bom? Uma ferramenta devolve 200 com um array vazio, o agente segue em frente e responde de qualquer forma, a taxa de sucesso parece saudável e a resposta está errada. O sinal que ele queria é o que aconteceu no turno seguinte: o modelo repetiu a mesma ferramenta, mudou de ferramenta, ou ignorou silenciosamente o que recebeu. A diferença entre um servidor que responde e um que funciona.

Sofia Almeida: É a mesma família de falhas silenciosas que o comentador do Compliance apontou — o problema nunca é o erro barulhento, é o sucesso vazio.

Rafael Costa: E a última zona do episódio é o ambiente de trabalho do programador — três ferramentas que, juntas, desenham o contraponto local e controlado.

Rafael Costa: A primeira é o sidebranch, do Cris Graña, que resolve um problema muito específico do tempo dos agentes: as equipas estão a despachar milhares de PRs gerados por agentes, e mesmo num mundo ideal onde noventa e nove por cento dos PRs são escritos, avaliados e revistos por agentes, fica o um por cento em que queres pessoalmente sentir como uma feature parece e comporta-te antes de aprovar.

Sofia Almeida: É uma extensão de browser com um daemon local: escolhes um branch a partir de um widget dentro da página em execução, ele constrói esse branch num worktree isolado no seu próprio servidor de desenvolvimento, e comparas os dois lado a lado — com modos blend e onion, onde as mudanças de interface ficam destacadas. O teu working tree, alterações por commit incluídas, nunca é tocado.

Sofia Almeida: É agnóstico de framework — Next, Vite, Django, Rails, tudo o que responda HTTP num porto — e é feito só com built-ins do Node, sem dependências externas.

Rafael Costa: E esse "loopback only, zero dependências" foi lido pela comunidade como resposta de segurança — o que dividiu as opiniões. Um comentador gostou, porque significa não ter conversa de segurança antes de pôr num projeto de cliente.

Rafael Costa: Outro fez a objeção técnica certa: loopback-only mantém a internet fora, mas não mantém automaticamente fora o que está na tua própria máquina — se o daemon está a ouvir num porto local para servir trocas de branch e diffs, o que impede outro separador ou processo local de bater nesse porto e trocar de branch num repositório que não devia tocar?

Sofia Almeida: Outras questões práticas: quantos worktrees correm em simultâneo antes do portátil ceder? E o pedido mais interessante veio de alguém que gere cento e onze fluxos de um clique, onde um PR de agente pode mexer silenciosamente em qualquer um deles: comparar dois branches não é a parte difícil — escolher que ecrã abrir é. O que ele queria era uma lista a dizer "estas quatro páginas mudaram visualmente, vai ver essas", com o sidecar a percorrer rotas e a sinalizar.

Sofia Almeida: Essa seria a versão que ele instalaria. E alguém perguntou se agentes podiam usar o próprio sidebranch para verificar visualmente se estão a cumprir um mock acordado — o que seria um caso de uso natural na era dos agentes.

Rafael Costa: A segunda peça é o Omarchy, do DHH — a distribuição Linux opinionada em Arch, Hyprland e Quickshell, agora na versão 4.0.0, com o nome de código Quattro. A tese do anúncio é curiosa: o Linux sempre se expôs através de ficheiros e comandos, o que significava mais trabalho para o utilizador. Com agentes, essa mesma exposição torna o sistema invulgarmente fácil de inspecionar, mudar e reparar.

Rafael Costa: E a frase que ficou: o DHH pode fazer escolhas fortes à partida sem te prender a elas, porque "os agentes tornam muito mais barato discordar dele".

Sofia Almeida: É uma distro completa, keyboard-first, com temas de sistema, atualizações empacotadas e agentes de código que podem reconfigurar o setup em vez de te obrigar a montá-lo — e sim, instala-se Steam a partir do menu. Tem trinta e sete mil e oitocentas estrelas no GitHub e licença MIT.

Sofia Almeida: Um comentador perguntou se as pessoas ficam perto do default ou transformam tudo na sua própria coisa — e a resposta do autor foi precisamente que a equipa ainda não sabe o que é um "sistema operativo agêntico", mas que o Omarchy está a tornar a ideia mais visível.

Rafael Costa: A objeção da comunidade repete um padrão que já ouvimos hoje: rollback. Se um agente reconfigura uma parte do teu sistema enquanto não estás a ver e fica subtilmente errado, há forma limpa de fazer diff do que mudou e reverter só isso, ou estás a confiar que os dotfiles estão em git e que fizeste commit recentemente? A observação foi: é o mesmo problema de deixar um agente tocar em produção, só que descido para o teu desktop. Terceira vez hoje que ouvimos a mesma pergunta com roupas diferentes.

Sofia Almeida: E fechamos com o contraponto mais simples de todos: o Offline JS Playground. Um editor e executor de JavaScript que funciona inteiramente offline dentro do Chrome, com consola na própria interface, feito em JavaScript puro, sem frameworks, com menos de dois megabytes comprimido.

Sofia Almeida: A história de origem: o criador estava a preparar-se para entrevistas de JavaScript, achava os playgrounds online distrativos — abres o browser para programar e a internet está ali ao lado — e os editores offline pareciam IDEs completas quando ele só queria algo simples.

Rafael Costa: Um comentário captou bem a lógica: todos os outros tratam o offline como uma limitação, e ele transformou-o no ponto inteiro. A verdadeira concorrência é a distração, não os outros editores. Abre-se, escreve-se JavaScript, corre-se, aprende-se — sem Node, sem VS Code, sem npm.

Sofia Almeida: Mas as perguntas práticas foram as que decidem se isto substitui um separador de rascunho. Guardam-se os snippets de um reinício do browser, ou abre-se vazio? E qual é o limite: é estritamente JavaScript e JSON vanilla, ou se pode colar um bundle UMD de uma biblioteca como lodash? E o comentário mais técnico veio sobre armazenamento: se os snippets estão em chrome.storage.

Sofia Almeida: sync, há um limite por item em que um ficheiro longo falha silenciosamente — o pior modo de falha possível para um rascunho — enquanto chrome.storage.local evita isso mas não te segue para uma segunda máquina. E ninguém exporta antes de perder algo, portanto um despejo programado para a pasta Downloads valeria mais do que o botão de exportar. Tudo conselhos concretos, nada respondido no material.

Rafael Costa: E com isto fechamos o círculo do dia: começámos com modelos que raciocinam e agem — o Astra da OpenAI com steering a meio da resposta, o Gemini 3.8 Flash a trabalhar mais ao mesmo preço do 3.7, com variante Cyber, e a WeatherNext 3 a levar a mesma corrida para o tempo atmosférico.

Sofia Almeida: Depois demos a esses agentes um lugar de trabalho — o calendário com orçamento e sandbox do Clockwork, o organograma vivo do Snitch — e mantivemos os humanos no circuito, com o Compliance by TwelveLabs a explicar violações de vídeo, o Chalked a preparar respostas que nunca se enviam sozinhas, e o Inline a pôr colegas e agentes nos mesmos threads.

Rafael Costa: Terminámos com a medição e o ambiente: o myAIcademy a treinar IA por função, o TrackMCP a apanhar falhas silenciosas de servidores MCP, e do lado do programador o sidebranch, o Omarchy e um playground offline. E o padrão que atravessou tudo: quanto mais autonomia damos, mais a comunidade pergunta pela reversão, pela aprovação e pelo falso negativo silencioso.

Sofia Almeida: Ficámos por aqui. As respostas a muitas dessas perguntas terão de vir dos próprios criadores — e estão todas nos comentários abertos dos lançamentos de hoje. Obrigado por nos ouvires, até amanhã.