Mapa da trilha
🏗️ A tese das camadas
Do hardware semântico ao agente
🧠 Software 3.0
Karpathy e a era agêntica
⚠️ Por que sua IA não gera resultado
Improviso vs sistema
👥 As 3 personas
Marco, Sally e Dra. Sana
🍽️ O método PRATO
Visão geral em 5 letras
🗺️ Como usar este curso
Mapa, ritmo e projeto final
Conteúdo detalhado
🏗️ A tese das camadas: do hardware semântico ao agente
A analogia que organiza tudo: LLM é hardware, Agentic OS é kernel, CLI é shell, MCP é protocolo, n8n é linguagem, agentes são aplicações.
LLMs (Claude, GPT, Gemini) ocupam o papel que CPU+RAM ocupavam: a camada que "executa" instruções, mas em linguagem natural em vez de assembly.
Sem essa abstração você fica preso no nível "qual prompt usar" e nunca constrói arquitetura.
Tokens são bytes; contexto é RAM; modelo é arquitetura de CPU; provider é fabricante.
CLAUDE.md, AGENTS.md, skills, hooks, orquestrador, memória — juntos formam o kernel que define identidade, regras e fluxo.
É o que separa "usar IA" de "operar com IA".
Identidade, conhecimento, trabalhadores e automação — as 4 camadas do kernel.
A CLI virou o shell padrão para trabalho agêntico sério: composabilidade com pipes, hooks, git, filesystem direto.
Web/chat são para curiosos. Operação real acontece no terminal.
Claude Code, Codex CLI, Gemini CLI, Cursor CLI, Aider — todos CLI-first em 2026.
MCP (Model Context Protocol) conecta agente a ferramentas/dados. A2A (Agent2Agent) conecta agente a agente. Stack completo.
97 milhões de downloads/mês em mar/2026. Linux Foundation governa. Padrão definitivo.
Servers, clients, transports, agent cards, capability discovery.
São linguagens/IDEs para descrever fluxos. Não são o OS — são como Python, JS, C: meios para construir.
Saber qual linguagem escolher para qual problema. n8n para integrações visuais, LangGraph para grafos de produção.
Visual, declarativo, imperativo, agnóstico, vendor-locked.
CFO Bot, Researcher, Communicator. Cada agente tem escopo, ferramentas próprias e SLA.
Sem essa abstração você cria "um agente para tudo" e ele falha em tudo.
Função, escopo, ferramentas, contexto, SLA, custo.
🧠 Software 3.0 e Agentic Engineering
Karpathy, Sequoia Ascent 2026: programar LLMs com prompts, contexto, ferramentas, memória e instruções é uma nova disciplina.
1.0 = código humano explícito. 2.0 = pesos de redes neurais. 3.0 = prompts, contexto, ferramentas e memória programando LLMs.
Você está em 3.0. A maioria ainda escreve em 1.0 esperando resultado de 3.0.
Compilador → modelo; biblioteca → contexto; debugger → trace.
Disciplina de coordenar agentes falíveis preservando correção, segurança, gosto e manutenibilidade.
Vibe coding gera lixo escalado. Engenharia gera sistema confiável.
Coordenação, falibilidade, verificação, taste.
Agentes podem refatorar 100k linhas mas falhar em "andar 50 metros". Inteligência irregular.
Saber onde delegar é metade do jogo. A outra metade é saber onde NÃO delegar.
Capacidade × confiança; humano-no-loop; verificação obrigatória.
Karpathy passou de escrever 80% do código para delegar 80%. A unidade de trabalho mudou.
Ponto de inflexão real, não hype. Quem opera assim já entrega 5x mais.
Macro action, delegation chain, review-driven workflow.
Agentes não automatizam tarefas — eles substituem processos inteiros, redefinem cargos.
Quem trata como automação subaproveita. Quem trata como substituição reorganiza o negócio.
Aditivo × substitutivo; redesign de papel; outcome-based pricing.
"You can outsource your thinking, but you can't outsource your understanding."
É o limite da delegação. Compreensão fica com o humano. Sempre.
Cognição × execução; responsabilidade; auditoria.
⚠️ Por que sua IA não gera resultado
O problema não é falta de IA — é falta de estrutura. Improviso eterno × sistema operacional.
Sem dados organizados, a IA só amplifica a bagunça. Resposta rápida, errada, em escala.
É o erro #1 de quem começa. Atalho que custa caro.
Garbage in × garbage out — agora em escala.
Pedir tudo do zero toda vez é o oposto de sistema. Vira loteria.
Skill, hooks e CLAUDE.md eliminam improviso.
Repetibilidade, determinismo, SOP.
Agentes não devem ler 50 PDFs. Eles leem resumos preparados (Silver Platters).
Preparar a base é onde está o valor real, não no agente bonito.
Pantry, Prep Table, Plate.
Vários agentes em linha plana se sobrepõem. Orquestrador resolve.
Anthropic mediu 90,2% de melhora com hierarquia.
Chief-of-staff, especialista, handoff.
"Pede pra IA não cometer erro" é torcer. Segurança vem da arquitetura: pastas, permissões, hooks.
Em saúde/jurídico/financeiro, esperança é negligência.
Path scoping, ACL, isolamento, auditoria.
Sem traces, sem evals, sem logs — você não tem sistema, tem caixa preta.
Quem não mede, não governa.
LangSmith, Letta Evals, Claude traces.
👥 As 3 personas: Marco, Sally e Dra. Sana
Os mesmos 3 casos voltam na T6 com implantação completa. Aqui você entende o problema antes de ver a solução.
Cofundador de e-commerce de mystery boxes ao vivo. Shopify, Meta Ads, TikTok, Twitch, CSVs.
Persona de empreendedor solo sobrecarregado — provavelmente parecida com a sua.
Brief automático, P&L semanal, análise de whales.
Associada em escritório boutique, 4-5 novos casos/mês, iManage, Outlook, AWS Bedrock.
Persona consultora — ambiente regulado, alto custo de erro.
/case launch, conflict check, audit log.
Solo practice, EHR, biópsias, PHI. Compliance como restrição não-negociável.
O caso mais difícil — onde "esperança" mata. Arquitetura é obrigatória.
Path scoping PHI/billing, Bedrock-only, audit trail.
Dados espalhados, processos repetitivos, falta de orquestração, sem auditoria.
Mostra que a solução é estrutural, não vertical.
Generalização, framework, método.
"Whale tier vale o custo do pull garantido?" → orquestrador → CFO Bot + CMO Bot → relatório.
Mostra como uma decisão simples vira chain coordenada.
Question → orchestration → synthesis.
Exercício para você adaptar Marco/Sally/Sana ao seu negócio.
Sem aplicar ao seu caso, é só leitura. Aqui o curso vira projeto.
Stack, dores, processos repetitivos, ganhos rápidos.
🍽️ O método PRATO — visão geral
Preparar / Resumir / Agenciar / Traçar / Operar. As 5 letras que organizam todo o curso.
Mapear onde estão arquivos, planilhas, sistemas, APIs. Diagnóstico antes de IA.
Sem mapa, IA opera no escuro.
Pantry inventory, source-of-truth, fragmentação.
CSV/PDF/XLSX viram financeiro.md, marketing.md, clientes.md — bandejas prontas.
É a ponte entre dado bruto e agente útil.
KPI, frescor, escopo, granularidade.
Cada agente tem escopo, ferramentas e SLA. Orquestrador coordena.
Sem hierarquia, agente vira free-for-all.
CFO Bot, CMO Bot, Ops Bot, EA Orchestrator.
SessionStart, PostToolUse, Stop, schedules — o trabalho invisível que dá previsibilidade.
Hook bem feito poupa horas e previne erros.
Lifecycle event, exit code, idempotência.
Sistema em produção: traces, evals, logs, validação humana, plano de evolução.
Operar é onde a maioria desiste. Aqui você não desiste.
Tracing, eval, governança, ciclo de melhoria.
P está em T3. R está em T3. A em T4. T em T5. O em T5+T6.
Você sempre sabe onde está no método.
Mapa mental, autoavaliação, ritmo.
🗺️ Como usar este curso
Mapa, ritmo, projeto final e o convite para a comunidade inema.vip.
T1 funda tese; T2-T5 são as 4 camadas; T6 é implantação.
Saber onde está poupa retrabalho.
Identidade, conhecimento, trabalhadores, automação.
1 trilha por dia em modo intenso, 1 por semana em modo aplicado.
Define expectativa realista.
Pacing, deliverable por trilha, prática × teoria.
Claude Code OU Codex CLI; conta Anthropic OU OpenAI; terminal aberto.
Sem ferramenta na mão, vira só leitura.
CLI install, API key, billing.
Pasta /agentic-os com CLAUDE.md, Silver Platters, skills, agentes, hooks e relatório semanal.
Sem entrega, conhecimento evapora.
Repo, escopo mínimo viável, próximos passos.
Comunidade do AutomationsAI — empreendedores, consultores e builders implantando Agentic OS.
Curso é teoria. Comunidade é onde o caso vira aprendizado coletivo.
Network, peer review, casos reais.
Onde tudo começa de verdade: CLAUDE.md, AGENTS.md, regras e governança.
Identidade vem antes de qualquer skill ou hook.
Identity-first design, escopo, governance.