De 60 Issues para 14: Como Refatorei 194K Linhas com 5 IAs via Vibecoding

Uma sessao de trabalho. 70 commits. 10 repositorios. 194 mil linhas de codigo auditadas. 5 modelos de linguagem orquestrados. Custo total: US$60.

Esse e o relato tecnico de como usei Vibecoding para transformar um ecossistema de automacoes pessoais em uma plataforma de governanca digital pronta para escalar com Google Ads.

O Ponto de Partida

Meu projeto comecou com 21 mil linhas de Python, 6 sub-calendarios sincronizados, um webhook WhatsApp Business e um banco SQLite com 1.831 registros. O sistema dizia NAO TENHO ACESSO quando os dados estavam a um SELECT de distancia.

Tirar a IA do Caminho

Para dados deterministicos, a IA generativa e o problema. Implementei pipeline de tres camadas: keywords sem LLM em menos de 100ms, classificacao LLM como fallback, geracao LLM como ultimo recurso. 85 porcento das queries nunca tocam num LLM.

70 Commits em 10 Repos

Issues GitHub: de 60 para 14. Testes: de 7 para 13. Resposta WhatsApp: de 3-8s para menos de 100ms. Tabelas documentadas: de 0 para 64.

5 LLMs Orquestrados

Perplexity pesquisa. GPT-4o redige. Gemini analisa. Groq classifica. Claude arquiteta. 10 execucoes, 5 RFCs, US$60 total.

7 Licoes

1. Para dados deterministicos, tire o LLM do caminho
2. Nunca confie no prompt para proibir comportamentos
3. Deploy nao e commit
4. Documente os dados antes de escalar
5. Orquestre LLMs em vez de depender de um so
6. Prepare tracking antes dos anuncios
7. Use Vibecoding para acelerar, nao para substituir pensamento

Alexandre Caramaschi - CEO da Brasil GEO, ex-CMO da Semantix (Nasdaq), cofundador da AI Brasil.