Dois dias, zero enrolação. A abertura já cravou o tom: o objetivo não era assistir a mais um conteúdo de IA, e sim construir um sistema de verdade — um app mobile em Native PHP que gera sugestões de compra de produto, saindo do zero com pouca ou nenhuma mão no código. Antes de qualquer linha, uma dose de teoria pesada, porque sem entender o harness ninguém sai do lugar.
Destaques
- Harness = tudo que envolve o modelo, menos o modelo. Analogia do carro: o modelo é o motor, o harness é o resto que faz andar. Trocar de Claude para Codex não resolve se o harness está errado.
- Skills x Guidelines. Nome e descrição de cada skill entram sempre na janela de contexto (e vão pro input cache); as guidelines são os guardrails que prendem o modelo no caminho ótimo do projeto. Alerta: passou de ~20 skills, acende a luz vermelha.
- Janela de contexto é finita. Atenção é quadrática, o contexto ótimo vive por volta de 40–50 mil tokens e a qualidade despenca depois de ~75% da janela (efeito Lost in the Middle). Muito contexto é pior que pouco.
- Hooks determinísticos. Bloquear comando que esqueceu o Sail, rodar teste após cada edição — via código, sem gastar token nem depender do modelo lembrar.
- Observabilidade de token. Montamos telemetria real com OpenTelemetry (porta 4317), Prometheus e Grafana em Docker Compose. Sem gráfico, você não sabe se economizou nada.
- Spec Driven Development enxuto: descrição → banco (DBML) → histórias de usuário → fase de implementação. E um agente de QA não-determinístico validando quanto do PRD foi de fato implementado.
Profundidade técnica
Entramos fundo em memória de sessão x longo prazo (com Mem0 expondo MCP para compartilhar contexto entre Claude e Codex), MCP para trazer contexto externo, o problema da plausibilidade das respostas de LLM, e o custo real de um Ralph Loop rodado de ponta a ponta — milhões de tokens, 36% de um plano Max numa rodada. Tudo com Laravel, Livewire 4, Pest, Boost e prototipagem de UI no Cloud Design e no Stitch.
Faça parte do Clã
Esse nível de discussão — harness, contexto e engenharia de IA de verdade — é o que a gente aprofunda por dentro do Clã. Se você quer continuar essa conversa, ter acesso a benefícios, parcerias e ao conteúdo que abrimos ali, entra pro Clã Beer and Code e venha construir com a gente.
AI Engineering has become a profession, and you learn it by building, not by watching. The Clã Beer and Code is where that happens live, every week: RAG, agents, observability and LLMOps in real projects, next to people already in production. It is paid, it is a subscription, and it is exactly the environment these sessions give you a taste of.
Join the Clã