Laravel Lab — 2ª Edição

O clima foi de aula de verdade puxada por quem programa: dois dias seguidos (9h às 17h) construindo, sem gravações prontas nem slides de teoria, o novo Academy do Beer and Code — projeto que vai para produção mesmo, substituindo a Member Kit. No dia 1 o foco foi modelagem de banco e Filament; no dia 2, área do aluno com Livewire e a integração com IA usando RAG.

Destaques

• Modelagem começando sempre pelo usuário, expandindo para fora, evitando armadilhas clássicas de N-para-N mal pensado (o caso real do relacionamento aninhado Product → Track → Path → Module).
• Uso de tabelas pivô com dados extras (data de aquisição, data de expiração de acesso) em vez de colunas com IDs separados por vírgula — reforçando por que isso quebra a normalização.
• Debate sobre granularidade de personalização: até onde vale a pena deixar tudo N-para-N antes de a complexidade explodir (decisão de parar a granularidade no nível de "caminho").
• Geração de migrations e models via IA a partir de um database.md (nunca na mão), usando MCP Server do PHPStorm/Cursor/Claude Desktop para a IA ler e escrever arquivos diretamente no projeto.
• Filament v5 na prática: HasMany fake para funcionar com Repeater em relações N-para-N, reuso de UserForm/UserTable entre páginas, customização de labels via trait HasLabels, dehydrateStateUsing para hashear senha e limpar máscara de CPF, validação condicional por operation (criar vs. editar), e o plugin filament-brazilian-document para CPF/CNPJ.
• Armadilha real relatada: um select com carregamento de cidades/estados do mundo inteiro sem filtro (N+1 de memória) travando a aplicação — descoberto via Debugbar.
• No dia 2: pipeline de RAG completo — transcrição de 820+ aulas com Whisper (modelo turbo, rodando local em GPU), tratamento do texto em JSON com timestamps, PGVector como vector store rodando em container Docker com volume persistente, e N8N como orquestrador dos agentes (o "Virgulhá", assistente de aula e assistente global via Ctrl+K/renderHook do Filament).
• Explicação direta do conceito de embeddings (vetores de mais de mil dimensões) e por que RAG é a ferramenta certa quando o contexto de uma IA precisa vir de uma base de conteúdo grande (as 820 aulas) em vez de ir tudo no prompt.

Profundidade técnica

O nível foi de intermediário para avançado assumido: a plateia tinha maioria com conhecimento zero ou básico de Filament, então a construção foi passo a passo, mas sem perder profundidade — cada decisão de arquitetura (por que pivô com dados extras, por que parar a granularidade num certo nível, por que usar seed só em dev e nunca em produção) veio acompanhada do raciocínio por trás, não só do comando a digitar. A parte de IA foi além do "chame uma API": mostrou o pipeline real de dados (transcrição → JSON → vetorização → armazenamento) e as armadilhas de performance (resposta sem streaming, OpenTelemetry deixando os agentes lentos em dev).

Armadilhas discutidas abertamente: modelar 100 tabelas de uma vez antes de fechar escopo é arriscado — melhor quebrar em entregas menores; relacionamento polimórfico é raríssimo na prática (usado uma vez em 12 anos) e quase sempre uma gambiarra; nunca começar projeto novo com framework desatualizado (Filament v3 quando já existe v5); e a diferença entre pedir para a IA gerar código (produtivo) e simplesmente colar sem revisar (perigoso) — a IA é tratada como "estagiário", não como autor final do código.

Faça parte do Clã

Se esse tipo de conteúdo — arquitetura discutida ao vivo, decisões reais de um produto que vai para produção, e stack atualizada de Laravel, Filament e IA sem enrolação — é o que você procura, é exatamente isso que rola dentro do Clã Beer and Code. Lá você tem acesso a encontros como o Laravel Lab, mentoria técnica direta com quem constrói esses projetos no dia a dia, e uma comunidade que troca código de verdade, não só teoria.