Forem: Pachi 🥑

3 Competências essenciais para programar com IA em 2026

Pachi 🥑 — Mon, 08 Dec 2025 14:36:27 +0000

A gente sempre fala sobre como a tecnologia e as linguagens de programação estão sempre mudando né? Mas dessa vez estamos vivendo uma virada histórica, e é obvio que eu estou falando dela mesma, a IA!.

Nos próximos anos, IAs vão gerar grande parte do código chato e repetitivo (95% nos próximos 5 anos segundo o GitHub). Parece assustador? Só à primeira vista. Na prática, isso abre espaço para um tipo de trabalho muito mais estratégico e interessante.

Máquinas são velozes e impecáveis na sintaxe, mas continuam péssimas em criatividade, contexto e visão sistêmica. E é exatamente aí que você pode brilhar. ✨

Estamos migrando de um modelo baseado em digitar código para um modelo centrado em orquestrar soluções. Não importa quantas linhas você escreve em um dia. Importa se você entende o problema, desenha boas arquiteturas e sabe guiar as ferramentas de IA como uma regente experiente (artístico né? haha).

Para chegar lá, vou deixar aqui três habilidades vão te colocar na frente agora, não só no futuro (até porque né, quem sabe do futuro?).

Habilidade 1: Domine a engenharia de prompt (contexto!)

IA não lê mentes. Ainda bem, né? Mas isso significa que, se você der contexto pela metade, vai receber código genérico ou alucinado, então mais importante do que pedir, é como você pede.

Ferramentas como GitHub Copilot Spaces vieram justamente para resolver esse problema. Em vez de tratar cada pergunta como se fosse a primeira vez, você cria ambientes onde a IA entende seu projeto, seu estilo e suas regras.

Como aplicar hoje:

Crie espaços de contexto dedicados para cada projeto.
Alimente a IA com tudo que importa: documentação, arquivos reais, padrões internos.
Peça com precisão. Não é “crie uma query SQL”, é “crie uma query SQL usando o esquema que anexei, filtrando usuários ativos”.
Compartilhe esse contexto com sua equipe. Ensinar a IA não precisa ser um trabalho solitário.

Habilidade 2: Exercite o julgamento crítico

Já que a IA consegue gerar sintaxe com facilidade, o que mais importa agora é a sua capacidade de avaliar, rejeitar, adaptar e alinhar as soluções.

A IA pode revisar seu PR e apontar problemas óbvios, mas a decisão final é sua, você é a pessoa que conhece a arquitetura, o cliente, a realidade da equipe e o futuro do produto.

Como fortalecer esse olhar:

Use IA como par de revisão antes de envolver humanos.
Questione sempre. A IA sugere padrões, mas raramente entende as exceções que quebram tudo amanhã.
Personalize regras no projeto. Um simples arquivo copilot-instructions.md pode transformar a qualidade das sugestões.

Habilidade 3: Aprenda para Sempre

A vida útil das skills técnicas encurtou. Hoje você domina um framework; amanhã ele vira um meme. No mundo assistido por IA, o conhecimento estático vale menos do que a capacidade de aprender rápido.

Para se manter relevante:

Reforce fundamentos de IA. Se ainda não domina Python, comece daí (Autocrítica: Pachi de 2026, aprenda Python). Entenda o básico de frameworks de ML e o que rola por trás dos modelos que você usa.
Aprenda NLP e princípios de LLMs. Quanto mais você entende, melhores ficam seus prompts.
Crie prova social. Contribua em open source, escreva, mostre seu processo. Aprender em público te destaca.
Tire certificações em ferramentas de IA. Não pelos diplomas, mas pelo pra mostrar que você está se atualizando de verdade.

O futuro é promissor para quem se move agora

Inspirador esse subtitulo né? Até parece que foi o GPT que escreveu haha Mas fui eu, eu sou inspiradora.

Programação assistida por IA não elimina o humano (ainda rs) mas aumenta a importância de quem pensa bem, sabe se comunicar e enxerga o todo. O mercado vai continuar mudando rápido, mas quem combina IA com criatividade, contexto e aprendizado contínuo acompanha e se mantém relevante.

O código continua importante, mas a sua visão estratégica vale muito mais do que qualquer linha escrita às pressas por uma máquina.

Quer dar o próximo passo?

Se você quer realmente se preparar para esse novo cenário da programação, tem uma oportunidade perfeita rolando agora: o Bootcamp GitHub Copilot - Código na Prática, da DIO em parceria com o GitHub. É gratuito, já está com inscrições abertas.

É a chance de aprender, na prática, como desenvolver com IA ao seu lado: criar APIs, refatorar código com segurança, gerar testes automatizados e construir projetos reais que aumentam sua produtividade de verdade.

Bora garantir sua vaga enquanto ainda tem?

🚀 Novidades GitHub Universe 2025

Pachi 🥑 — Fri, 07 Nov 2025 17:37:48 +0000

O GitHub Universe é a conferência global anual onde o GitHub anuncia as principais inovações e as ferramentas moldarão o futuro do desenvolvimento de software. A edição de 2025 marcou uma transição definitiva para a era da inteligência artificial, com um foco claro na experiência das pessoas desenvolvedoras e na capacitação das equipes.

Com a missão de "Explorar as mais recentes ferramentas do GitHub que moldam o software agente e a escolha das pessoas desenvolvedoras", a conferência estabeleceu um novo marco, anunciando desde um centro de controle unificado para agentes até integrações profundas no fluxo de trabalho.

E no post de hoje, vi trazer as novidades mais importantes anunciadas no evento:

🤖 A Nova Era dos Agentes: Apresentando o Agent HQ

(Novidades em Breve)

O anúncio mais impactante é o Agent HQ, que promete ser um centro de comando unificado para orquestrar qualquer agente de código, de qualquer lugar. Esta nova evolução trará recursos cruciais para a gestão de tarefas complexas:

Introdução ao Agent HQ- Leia o Blog
Centro de Controle e Missões: Uma visão unificada para atribuir, guiar, rastrear e revisar tarefas complexas executadas por agentes em todo o ecossistema GitHub.Leia o Changelog
Agentes Customizados: Capacidade de personalizar agentes com prompts, ferramentas e contextos específicos para tarefas de desenvolvimento e compartilhamento entre equipes. Leia o Changelog

🌐 Fluxos de Trabalho Inteligentes com Copilot Integrado

(Disponível Agora)

O GitHub Copilot está se expandindo para se tornar um assistente de fluxo de trabalho ainda mais integrado.

Conecte o Copilot ao seu Fluxo de Trabalho - Explore o Copilot
Copilot Designável: Agora é possível atribuir tarefas ao Copilot diretamente em ferramentas populares de gerenciamento, como Slack, Microsoft Teams, Linear e Azure Boards.
Explore as Integrações do Copilot
Revisão de Código Agente: O Copilot aprimora suas revisões de código combinando a inteligência do modelo com a ferramenta CodeQL. Leia o Changelog

💻 Experiência de Código Aprimorada no VS Code

_
(Disponível Agora)_

O Visual Studio Code, ambiente de desenvolvimento essencial, recebe atualizações focadas em planejamento e conformidade.

Modo de Planejamento (Plan Mode): As pessoas desenvolvedoras podem usar o Plan Mode para criar um plano passo a passo antes de escrever o código. Leia o Changelog
Seus Agentes, Suas Regras: Defina diretrizes de projeto no arquivo AGENTS.md para que cada agente siga os padrões da equipe. Leia a Documentação
Integração MCP Simplificada: Acesse e instale servidores MCP (Model Control Plane) diretamente do GitHub MCP Registry dentro do VS Code. Explore o Suporte ao MCP

💼 Governança e Visibilidade para Empresas

(Disponível Agora)

Para o ambiente Enterprise, o foco é em governança, segurança e métricas de adoção de IA.

GitHub Code Quality: Oferece visibilidade e relatórios em toda a organização para melhorar a qualidade do código. Leia o Changelog
Painel de Métricas do Copilot: Dashboard e API com um quadro completo de uso do Copilot, incluindo métricas de usuários ativos e adoção. Leia o Changelog
Governança de Fluxos de Agentes: Permite que as empresas centralizem o gerenciamento de agentes, definam políticas de segurança e configurem acessos. Leia o Changelog

📊 O Estado do Octoverse em 2025

(Disponível Agora)

O relatório anual do Octoverse também foi lançado, revelando as principais tendências da comunidade.

Relatório Octoverse - Leia o Relatório Completo

Em resumo...

O GitHub Universe 2025 não apenas apresentou ferramentas; ele delineou o mapa para o futuro do desenvolvimento.
Com o Agent HQ e a expansão do Copilot, o GitHub está garantindo que as pessoas desenvolvedoras mantenham o controle, a visibilidade e a capacidade de escolha, mesmo enquanto a IA assume tarefas mais complexas.
Essas inovações solidificam a visão do GitHub: transformar desafios em soluções automatizadas e permitir que as pessoas desenvolvedoras se concentrem no que fazem de melhor: inovar e criar.

Explore os links acima para mergulhar na nova era do desenvolvimento agente! ✨

Oi :3

Pachi 🥑 — Thu, 30 Oct 2025 21:08:54 +0000

O Que É DevRel? Entenda Developer Relations no Brasil

Pachi 🥑 — Wed, 01 Oct 2025 20:54:00 +0000

Olá, pessoas! Eu sou a Pachi Parra, e como Developer Advocate no GitHub, mergulho diariamente no universo de Developer Relations (DevRel). Essa área é uma paixão para mim, e percebo o quanto falta conteúdo em português sobre ela. É por isso que estou aqui, começando essa série do Abacate DevRel, para preencher esse vazio e compartilhar minha experiência (de startups a empresas grandes como o GitHub!).

Este artigo é baseado no nosso primeiro vídeo, onde vamos desvendar: o que é DevRel? E por que essa área é tão importante? Vamos lá!

1. DevRel: A Ponte de Mão Dupla entre Empresa e Comunidade Dev

O termo DevRel vem do inglês "Developer Relations", que em português se traduz como "Relações com Pessoas Desenvolvedoras". Basicamente, DevRel é a ponte que une a empresa e a comunidade de desenvolvedores.

Mas atenção: essa ponte é de mão dupla! Isso significa que o profissional de DevRel não apenas leva a empresa, seus produtos e tecnologias para a comunidade, mas também traz o feedback, as dores e as necessidades da comunidade de volta para a empresa. Nossa função é ser essa interface neutra, representando ambos os lados para garantir uma comunicação eficaz e aprimoramento contínuo.

2. Por Que DevRel é Importante? Benefícios para Empresas e Devs

DevRel não é apenas um "extra"; é uma área crucial com benefícios tangíveis tanto para as empresas quanto para a própria comunidade de desenvolvedores.

2.1. Para as Empresas de Tecnologia:

Existem vários motivos pelos quais as empresas precisam de DevRel. Selecionei alguns:

Adoção e Feedback (Melhoria do Produto): Um dos pilares do DevRel é garantir a adoção do produto ou tecnologia pela comunidade tech. Para isso, estamos sempre focados em coletar o feedback. Não se trata apenas de seguir um roadmap pré-definido, mas de ouvir quem realmente usa o produto. A gente avalia esse feedback para ver se faz sentido e como podemos melhorar. Isso garante que o produto evolua escutando o usuário final, o que é fundamental para a sua aceitação no mercado.
Comunidade e Confiança (Lealdade à Marca): Construir uma comunidade engajada ao redor do produto ou da marca é importante. Pessoas que usam o nosso produto, que estão abertas a dar feedback, geram confiança e lealdade. Essa confiança se estende à marca empregadora. A comunidade Dev é bem unida e se conversa. Se a sua marca é conhecida por se importar com as pessoas desenvolvedoras, por ter um produto de qualidade e por ouvir o feedback, ela vai ter uma boa reputação com a comunidade.
Atração de Talentos: Pessoas Desenvolvedoras querem trabalhar em lugares onde se sentem valorizadas e entendidas, uma reputação positiva construída pelo DevRel atrai os melhores talentos para a empresa.

2.2. Para a Comunidade Dev

E para quem está na comunidade dev, por que o DevRel importa?

Suporte e Recursos Acessíveis: Uma empresa com um time de DevRel não oferece apenas documentação. Oferecemos vídeos educacionais, fazemos lives, compartilhamos cases de uso e criamos exemplos de código. Isso significa mais suporte e recursos para você aprender e usar a tecnologia.
Voz Ativa e Influência no Produto: O feedback que a comunidade dá não é ignorado. Seja sobre bugs, novas funcionalidades ou melhorias, o DevRel garante que essa voz chegue à empresa e seja considerada no desenvolvimento do produto. Você consegue influenciar diretamente no que está sendo criado.
Networking e Aprendizado Contínuo: Muitas empresas com foco em DevRel criam conteúdo educacional de alta qualidade e organizam eventos (online e presenciais). Isso contribui diretamente para o seu crescimento pessoal e profissional como pessoa desenvolvedora.

3. DevRel NÃO é Marketing: Entenda a Diferença Fundamental

Essa é uma confusão comum, mas importante de esclarecer: DevRel não é marketing.

Trabalhamos muito com marketing, produto e engenharia, mas nossa essência é diferente.

Foco em Relacionamento e Valor (Não Venda Direta): Enquanto o marketing tradicional geralmente tem um foco de venda (trazer pessoas para um funil para converter em clientes), o DevRel foca em construir relacionamento e entregar valor. Meu trabalho é te educar, te ajudar a ver o valor do meu produto. Se, no fim, meu produto não for o ideal para você, tudo bem. Minha obrigação é ser essa ponte de conhecimento e apoio.
Credibilidade e Autenticidade (Não Apenas Promoção): Não fazemos promoção cega. Claro que, trabalhando no GitHub, eu produzo artigos sobre o uso do GitHub. Mas o objetivo principal é que você aprenda a usar a ferramenta, não apenas promovê-la. E, se minha ferramenta não for a melhor para a sua necessidade específica, minha obrigação é ser honesta e, talvez, até sugerir uma alternativa. Minha responsabilidade é representar a comunidade e seus interesses.

4. O Cenário DevRel no Brasil: Potencial e Realidade Atual

DevRel é muito mais conhecido fora do Brasil, mas a área está se desenvolvendo por aqui. Tenho trabalhado com DevRel no Brasil há três anos e vejo um crescimento constante, mas gradual. Principalmente neste ano, notei algumas novas vagas surgindo.

No Brasil, percebo um foco maior em DevRel interno. Isso significa que muitas empresas estão priorizando otimizar a experiência do desenvolvedor que já está dentro da própria organização.

Apesar do crescimento ser mais lento e com um foco específico, o DevRel no Brasil tem muito potencial que ainda não está sendo explorado. Há um vasto campo para empresas que desejam investir nessa área de conexão e engajamento com a comunidade dev.

Sua Jornada em DevRel Começa Aqui!

Espero que este artigo tenha te dado uma visão clara e objetiva sobre o que é DevRel e a sua importância. Essa é apenas a primeira etapa de uma jornada de aprendizado que vamos fazer juntos aqui no Abacate DevRel.

O Valor de uma Comunidade: Seis pilares tangíveis para o crescimento da sua empresa

Pachi 🥑 — Wed, 01 Oct 2025 20:52:33 +0000

Olá!
Sei que, como líder de negócios, você está constantemente buscando maneiras de fazer a sua empresa crescer, otimizar custos e encantar clientes. Eu também! E, sabe, ao longo da minha carreira, percebi que muitas empresas investem rios de dinheiro para atrair novos clientes, mas acabam esquecendo de um tesouro que já está ali: aquelas pessoas que já escolheram a sua marca.

O que aconteceria se a gente desse a elas um espaço para se conectar, aprender e até mesmo defender o seu negócio? Acredite, o potencial é imenso! Não estou falando de mais uma ferramenta ou de uma estratégia mirabolante. Estou falando de comunidade. E, neste artigo, quero te convidar a ir além do que o mercado dita e desvendar o valor inestimável de uma comunidade bem estruturada, mostrando como ela não é apenas um "extra", mas um pilar fundamental para os resultados do seu negócio.

1. Otimização de custos com suporte e atendimento

Imagine suas próprias clientes e clientes auxiliando uns aos outros, resolvendo dúvidas e compartilhando soluções. Isso não é ficção, é a realidade de uma comunidade ativa. Este é, talvez, o benefício mais direto e, paradoxalmente, um dos mais subestimados. Ao empoderar suas clientes e clientes, a sua empresa se beneficia de um poderoso sistema de call deflection, onde dúvidas comuns são resolvidas pelos próprios pares.

Isso reduz significativamente o volume de chamados para a sua equipe de suporte, liberando seus especialistas para focarem em questões complexas e de maior valor. Estudos da TSIA (Technology & Services Industry Association) mostram que o custo de uma interação de suporte via autoatendimento (comunidade ou FAQ) pode ser até 10 vezes menor do que uma interação via call center. Empresas como a Salesforce, com sua Trailblazer Community, e a Atlassian, com seus fóruns de usuários, são exemplos clássicos de como o suporte peer-to-peer gera economia milionária anualmente e aumenta a satisfação do cliente. As respostas permanecem publicamente acessíveis, construindo uma base de conhecimento colaborativa que se enriquece a cada interação, se tornando um recurso valioso para todos.

2. Geração contínua de insights e feedback para produto

Uma comunidade vibrante atua como um canal de escuta ativa e profunda, oferecendo insights orgânicos e em tempo real que as pesquisas tradicionais raramente captam. Ela é um termômetro preciso e dinâmico para:

Pontos de fricção e usabilidade: Entenda exatamente onde suas clientes e clientes enfrentam dificuldades, diretamente da fonte.
Necessidades não atendidas e oportunidades de melhoria: Descubra o que elas e eles realmente desejam e ainda não encontraram em sua oferta.
Priorização de bugs e funcionalidades urgentes: Tome decisões de roadmap baseadas na voz autêntica de quem usa seu produto.

Essa inteligência não vem de formulários estáticos ou pesquisas padronizadas. Ela emerge de conversas genuínas, contextos ricos e nuances que as equipes de produto frequentemente não captam sozinhas. A CMX, uma das maiores comunidades globais de profissionais de comunidade, aponta que empresas com comunidades ativas reportam um ciclo de desenvolvimento de produto mais rápido e alinhado às necessidades do cliente, resultando em menor retrabalho e maior aceitação de novas funcionalidades. Esse fluxo constante de feedback qualificado é um atalho para a inovação relevante.

3. Aumento da retenção e lealdade de clientes

A longevidade da cliente e do cliente não se baseia apenas em funcionalidades ou preço. As pessoas permanecem engajadas porque se sentem parte de algo maior. Quando uma cliente ou um cliente é acolhida(o), aprende com seus pares e sente que sua voz tem peso dentro da sua marca, os resultados são claros:

Maior tempo de permanência e engajamento com a marca.
Aumento do gasto médio e exploração de outros produtos/serviços.
Defesa orgânica da marca em ambientes públicos e privados.

Um estudo da Higher Logic revelou que clientes engajados em comunidades têm uma taxa de retenção significativamente maior, chegando a 15-20% acima daqueles que não participam. Além disso, tendem a fazer compras repetidas e a ter um LTV (Lifetime Value) mais elevado. A comunidade se torna o elo emocional indispensável entre a empresa e a cliente/cliente, construindo uma lealdade que vai muito além da transação. É a base para um relacionamento duradouro e lucrativo.

4. Aquisição de novos clientes e dedução do CAC

Comunidades são potentes canais de aquisição, mas com uma distinção crucial: o fluxo é de dentro para fora. Clientes satisfeitas e satisfeitos, que tiveram experiências positivas e se sentem parte da sua marca, naturalmente se tornam advogados e promotores. Elas e eles compartilham suas histórias, recomendam seus produtos e serviços e validam sua marca para novos prospects de forma autêntica.

Pesquisas da Nielsen consistentemente mostram que as recomendações de amigos e familiares são a forma mais confiável de publicidade. Uma comunidade bem-sucedida amplifica essa confiança, transformando membros em verdadeiros defensores que endossam sua marca de forma espontânea. Isso pode reduzir o CAC (Custo de Aquisição de Cliente) em até 30%, como visto em algumas empresas com fortes programas de referência baseados em comunidade. Quando uma potencial cliente ou um potencial cliente interage com a comunidade antes mesmo de se tornar uma compradora ou um comprador, ela/ele se conecta com narrativas autênticas e validações de pares, resultando em maior confiança na decisão de compra e um ciclo de vendas mais sustentável e eficiente.

5. Inteligência de mercado e monteúdo para marketing e vendas

Uma comunidade ativa é um repositório inestimável de inteligência competitiva e insights para suas estratégias de mercado. Ela revela:

Quais temas e conteúdos geram maior tração e ressonância com o seu público.
Quais objeções de vendas são mais frequentes, permitindo que suas equipes se preparem melhor.
Quais mensagens de marketing ressoam com o seu público-alvo, otimizando suas campanhas.

Plataformas como a Reddit (para insights de nicho e tendências) ou comunidades específicas de software (para entender dores e soluções do setor) são minas de ouro para equipes de marketing e vendas. A própria Google, por exemplo, utiliza suas comunidades de desenvolvedores e usuários para captar tendências e refinar suas estratégias de comunicação e vendas. Isso permite que as equipes de marketing e vendas parem de operar com suposições e passem a se basear em dados qualitativos aprofundados, provenientes da fonte mais confiável: suas próprias clientes e clientes.

6. Construção de um diferencial inimitável

Preço, tecnologia, campanhas de marketing — tudo isso pode, em maior ou menor grau, ser replicado por concorrentes. No entanto, a cultura de uma comunidade vibrante, a profundidade das conexões entre as pessoas e a confiança que se constrói dentro dela são intrínsecas e inimaginavelmente difíceis de copiar.

Como Peter Thiel, cofundador do PayPal, argumenta, o "fosso" de uma empresa é seu diferencial competitivo que impede a cópia. A comunidade é um dos "fossos" mais poderosos e sustentáveis que uma empresa pode construir, pois é baseada em conexões humanas e lealdade emocional, algo que algoritmos e orçamentos de marketing simplesmente não conseguem replicar. É esse diferencial que transforma uma cliente ou um cliente em fã apaixonada(o) e, consequentemente, em uma embaixadora ou um embaixador ardente da sua marca.

Ative o potencial da sua comunidade

Se a sua empresa busca uma diferenciação real, um crescimento sustentável e um vínculo inquebrável com suas clientes e clientes, a resposta pode não estar em mais uma campanha de marketing ou em uma nova tecnologia. Ela reside nas pessoas que já confiam em você — e que apenas necessitam de um ambiente propício para cocriar, colaborar e prosperar em conjunto com a sua marca.

A sua comunidade já existe. A diferença fundamental reside em ignorar esse ativo valioso ou ativá-lo estrategicamente para desbloquear um novo patamar de sucesso e rentabilidade.

Como a IA Entende a Linguagem

Pachi 🥑 — Tue, 30 Sep 2025 17:56:25 +0000

Fala galera!
Nos últimos posts vimos como a IA funciona e como ela aprende. Mas talvez a parte mais mágica pra gente que programa seja: como ela entende a nossa linguagem.

Afinal, pedir em português “me sugere um nome melhor pra essa função” e receber algo útil em segundos as vezes ainda me parece mágica haha. 🧙‍♀️✨

Pra explicar, vamos falar de três conceitos chave: NLP, LLMs e Contexto (e de quebra, um probleminha comum: as alucinações).

NLP (Processamento de Linguagem Natural)

É a área da IA que permite que as máquinas entendam e gerem linguagem humana.

Graças ao NLP, um modelo consegue interpretar comandos, traduzir frases e até responder perguntas.

💡 Exemplo: quando você pede “me explica esse erro em palavras simples” e o modelo traduz a mensagem do compilador pra algo compreensível.

LLM (Large Language Model)

Os LLMs são modelos gigantes de linguagem treinados com toneladas de textos.

Eles são capazes de escrever, traduzir, resumir e até gerar código de forma muito fluida.

ChatGPT, Gemini e LLaMA são exemplos de LLMs.

Contexto

Os modelos não têm “memória infinita”. Eles entendem o que você diz olhando para a janela de contexto, que é a quantidade de tokens que conseguem analisar de uma vez.

Quanto maior o contexto, mais fácil pra IA manter a conversa coerente.

Alucinação

Às vezes, o modelo erra bonito: inventa fatos, bibliotecas que não existem ou dados sem sentido.

Isso é o que chamamos de alucinação.

A resposta parece real, mas não é confiável, por isso sempre confira antes de usar no código. 😉

E agora?

Agora você já sabe o que permite que a IA entenda o que a gente escreve e responda de volta de forma útil.

Na Parte 4, vamos falar sobre como pessoas programadoras podem trabalhar lado a lado com a IA: code completion, code review e pair programming com IA.

XOXO

Pachi 🥑

Como a IA Aprende

Pachi 🥑 — Wed, 17 Sep 2025 19:35:18 +0000

No primeiro post a gente viu os termos básicos: IA, Machine Learning, Deep Learning e Redes Neurais. Mas como essa mágica acontece de verdade? Como a IA aprende a gerar código, sugerir soluções ou detectar fraudes?

Hoje vamos falar de quatro conceitos que são a base desse aprendizado: modelo, dados de treinamento, tokens e tipos de aprendizado.

A ideia dessa série de artigos é trazer alguns termos por vez para facilitar no fixação do aprendizado. Eu até podia trazer tudo de uma vez, mas o artigo ia ficar grande e meio confuso, então decidi separar por partes.
Bora? 🚀

Modelo

Pensa no modelo como o cérebro da IA.
Ele é o “produto final” de todo o treinamento, quem realmente vai executar a tarefa. Mas ele não é criado sabendo, precisa aprender com exemplos.

💡 Exemplo: o GitHub Copilot é um modelo treinado para completar e sugerir código, então ele é treinado especificamente com dados de código.

Dados de Treinamento

Se o modelo é o cérebro, os dados de treinamento são a escola.
Quanto melhores e mais diversos os dados, mais inteligente e preciso o modelo fica.
🐈‍⬛ Exemplo: se você treinar um modelo só com fotos de gatos brancos, ele pode falhar na hora de reconhecer um gato preto. (Provavelmente por isso a gente ainda vê tanto bias em IA quando vamos criar imagens).

Tokens

Quando a IA trabalha com texto, ela não lê palavra por palavra. O texto é quebrado em tokens, que são pedaços menores (podem ser sílabas, partes de palavras ou palavras inteiras).

Assim, o modelo aprende a prever qual token vem a seguir.
Exemplo: a frase “Eu amo programar” pode virar Eu | amo | pro | gramar.

O ponto principal é: o modelo não pensa em palavras, mas em tokens. E tokens podem ser palavras inteiras ou pedaços delas.

Tipos de Aprendizado

Nem todo aprendizado de máquina funciona igual. Os dois principais são:

Supervisionado

Quando damos os exemplos já com as respostas corretas. Ex: ensinar um modelo a identificar spam mostrando e-mails já classificados como “spam” ou “não spam”.

Não supervisionado

Quando entregamos os dados sem respostas e o modelo precisa achar padrões sozinho. Ex: agrupar músicas por estilo sem dizer previamente o gênero de cada uma.

Agora você já sabe o que é um modelo, como ele aprende com dados, como tokens funcionam e os principais tipos de aprendizado.
Na Parte 3, vamos mergulhar em como as máquinas entendem a linguagem: LLMs, NLP e contexto.

Obrigada por ler,
Pachi 🥑

Termos Fundamentais de IA

Pachi 🥑 — Mon, 18 Aug 2025 16:14:04 +0000

Que Inteligência Artificial já não é papo de ficção científica você já sabe né?
É até doido de pensar que até poucos anos atrás todo esse papo de IA era apenas algo que a gente imaginava. Hoje ela tá no nosso dia a dia, seja completando código, revisando pull requests ou até sugerindo soluções que a gente nem imaginou.
E junto com essa revolução vem mais coisa pra gente aprender: um monte de termos novos que às vezes parecem mais complicados que o código em si.

Foi por isso que comecei a criar a série Descomplicando a IA: Um Glossário para Devs. A ideia é traduzir os principais conceitos de IA de um jeito claro e direto, pra que você entenda do que estão falando nas reuniões, nos eventos ou quando uma ferramenta nova aparece no seu fluxo de trabalho.
Este é o primeiro post da série e nada melhor do que começar pela base: os conceitos que sustentam toda essa tecnologia.
Bora lá?

Inteligência Artificial (IA):

É o guarda-chuva que cobre tudo. O campo da computação que tenta simular a inteligência humana — raciocínio, tomada de decisão, aprendizado. Dentro dele, estão áreas como Machine Learning e Deep Learning.
(Sim, meus textos são revisado por IA então vai ter travessão sim — rs)

Machine Learning (Aprendizado de Máquina)

Dentro da IA temos o Machine Learning. Aqui, em vez de programar o sistema pra cada tarefa, a gente ensina o modelo a aprender a partir de dados. Ele encontra padrões, faz previsões e toma decisões.

Exemplo: um modelo que analisa transações financeiras e aprende a detectar fraudes automaticamente.

Deep Learning (Aprendizado Profundo)

O Deep Learning é uma forma mais avançada de Machine Learning. Ele usa redes neurais artificiais para aprender com enormes volumes de dados e identificar padrões complexos.

É essa tecnologia que impulsiona algumas das inovações mais impactantes de hoje, como gerar imagens, textos e até código.

Neural Networks (Redes Neurais)

As redes neurais são a estrutura que dá vida ao Deep Learning. Imagine várias camadas de “neurônios virtuais” interligados, cada uma aprendendo a reconhecer um tipo de padrão. Juntas, elas conseguem processar dados de forma muito sofisticada.

E agora?

Esse foi só o primeiro passo pra dominar o vocabulário de IA. No próximo post, vamos falar sobre modelos, dados de treinamento e como a linguagem é processada.

Fica de olho na Parte 2 — a jornada só está começando.

XOXO
Pachi 🥑

Adicionando visuais no seu Markdown com Mermaid 🧜‍♀️

Pachi 🥑 — Mon, 21 Jul 2025 18:43:44 +0000

Se a ideia de adicionar diagramas à sua documentação em Markdown no GitHub (ou em qualquer outra plataforma) parece uma tarefa chata, você precisa conhecer o Mermaid! Com ele, você cria visuais profissionais diretamente no seu arquivo de texto.

Recentemente, lancei um projeto Open Source chamado DevRel Roadmap, que reúne conteúdos educacionais sobre Developer Relations. Como a proposta é ensinar e orientar pessoas desenvolvedoras que querem entrar ou avançar na área, eu precisava de uma maneira leve, prática e bonita de organizar visualmente as informações. Foi exatamente aí que o Mermaid entrou na história.

Mas afinal, o que é Mermaid?

Mermaid é uma linguagem de marcação baseada em Markdown que transforma simples blocos de texto em diagramas visuais, direto no navegador. Ele funciona de maneira parecida com Markdown: você escreve alguns comandos fáceis de entender, e o Mermaid transforma automaticamente esse texto em gráficos visuais que facilitam muito a compreensão.

Desde diagramas de fluxo, sequência, Gantt, classes até gráficos de pizza, o Mermaid interpreta esses comandos e gera visuais limpos e intuitivos, tudo dentro do seu navegador ou plataforma de código.

Por exemplo, algo simples como isso:


graph  TD

A[Começar  com  DevRel]  -->  B[Fundamentos]

A  -->  C[Comunicação]

B  -->  D[Técnico]

B  -->  E[Soft  Skills]

Automaticamente se torna um gráfico bonito e dinâmico, perfeitamente integrado ao seu arquivo Markdown.

Por que adotar o Mermaid no seu projeto?

Uma das grandes vantagens do Mermaid é a facilidade de uso e a integração natural que ele oferece. Vamos explorar os principais benefícios:

Integração nativa e facilidade de atualização

Você não precisa sair do arquivo Markdown que já está usando para sua documentação. Essa integração significa que você atualiza os gráficos diretamente no próprio texto, evitando a fragmentação de ferramentas e fluxos de trabalho interrompidos. Diga adeus à necessidade de recriar imagens estáticas a cada pequena mudança!

Visualização direta em plataformas populares

Plataformas amplamente utilizadas como GitHub já possuem suporte nativo ao Mermaid. Isso quer dizer que você pode visualizar esses diagramas diretamente no navegador, sem precisar instalar nada extra, tanto para quem cria quanto para quem visualiza.

Versatilidade para diagramas complexos

Tudo isso facilita a criação e manutenção de diagramas complexos como roadmaps de produto, arquitetura de software, fluxogramas de decisão, processos de integração (onboarding), planejamento de projetos e até guias de contribuição open source.

Sugestões práticas para você começar a usr Mermaid

O Mermaid pode ser especialmente útil em contextos educacionais e técnicos, como acontece no DevRel Roadmap.

Casos de Uso Reais

No DevRel Roadmap, por exemplo, usei diagramas para explicar as conexões entre as principais competências necessárias para pessoas desenvolvedoras que trabalham com Developer Relations. Isso inclui soft skills, comunicação, habilidades técnicas, estratégias de engajamento, comunidade e muito mais. Um diagrama visual torna essas relações bem mais claras do que longas descrições em texto corrido.

Outras ótimas aplicações incluem:

Documentação de API: Ilustrar o fluxo de requisição/resposta entre serviços.
Onboarding de Desenvolvedores: Guiar novos membros da equipe através dos primeiros passos com diagramas de sequência.
Decisões de Arquitetura: Representar componentes do sistema e suas dependências.
Tutoriais de Código: Explicar o fluxo lógico de algoritmos complexos.

Afinal, uma imagem realmente pode valer mais do que mil palavras — especialmente quando essa imagem é gerada automaticamente com texto simples e fácil de editar.

Como Começar na Prática

Para começar, basta abrir um arquivo Markdown, criar um bloco de código e adicionar a palavra-chave mermaid logo após as três aspas invertidas. Em seguida, escreva o conteúdo do seu diagrama seguindo a Documentação Oficial do Mermaid. O diagrama já fica pronto para ser visualizado no GitHub!

Experimente, explore a Documentação Oficial do Mermaid e, para inspiração real, confira como aplicamos esses conceitos no DevRel Roadmap.

Quanto mais acessível e visual for seu conteúdo, maior será o engajamento e a contribuição da sua comunidade. 🧜‍♀️✨

Vibe Coding com GitHub Copilot 💻🎧💚

Pachi 🥑 — Thu, 10 Jul 2025 12:33:04 +0000

Nem todo momento de código precisa ser sobre produtividade ou resolver bugs, sabe? Às vezes, tudo o que a gente quer é abrir um projeto pessoal, daqueles bem aleatórios, colocar uma música boa e deixar o código fluir. Isso é vibe coding: programar de forma leve, criativa, e, com um pouco de ajuda do GitHub Copilot (ou às vezes, muita ajuda haha).

Não sei vocês, mas trabalhando oito horas por dia, cuidando da casa, dos gatos, da saúde e da família, eu tenho pouco tempo pra codar! E com isso muitas das minhas ideias de projetos pessoas foram deixadas de lado. Isso até o GitHub copilot aparecer na minha vida!

(Fica o aviso de sempre: Isso não vai substituir seu trabalho tá, por isso que chama co - pilot)

Esse ano tirei vários projetinhos do papel graças a esse tal e vibe coding. Vamos aprender mais?

O que é vibe coding?

Vibe coding é uma abordagem moderna de desenvolvimento de software que combina o uso de linguagem natural, inteligência artificial avançada, como o GitHub Copilot, e um modo de programar mais fluido, colaborativo e iterativo. O termo, popularizado por Andrej Karpathy, descreve um estilo em que você explica o que quer em palavras simples no seu idioma natural, e a IA transforma suas ideias em código. Assim, você foca na intenção e na funcionalidade, enquanto a IA cuida dos detalhes da implementação.

No vibe coding, a pessoa desenvolvedora fornece comandos em linguagem natural para o LLM, que age como parceiro na programação. O GitHub Copilot gera, refina e até ajuda a depurar o código, criando uma troca constante que acelera o desenvolvimento e torna a experiência mais leve e criativa.

Para uma boa vibe, o ideal é montar um ambiente confortável, como uma playlist ambiente, um editor configurado do seu jeito e o Copilot ativado. O Agent Mode no VS Code potencializa essa experiência ao permitir que o Copilot compreenda múltiplos arquivos, sugira comandos no terminal e corrija erros automaticamente. Com o suporte ao Model Context Protocol (MCP), a ferramenta acessa informações do fluxo de trabalho, como pull requests e issues, oferecendo uma experiência mais integrada.

Dicas para criar a vibe perfeita

Crie um espaço acolhedor para codar. Use sua música preferida para ajudar no foco e mantenha o editor configurado para o seu conforto visual e funcional. Aproveite o Agent Mode do Copilot para delegar tarefas repetitivas e automatizar subtarefas, o que ajuda a manter o ritmo sem perder energia. Além disso, use prompts claros e iterativos, ajustando o que a IA gera para que o resultado fique exatamente do seu jeito.

Quando vibe "codar” e seus benefícios

Vibe coding é ideal para momentos em que você quer relaxar após um dia intenso, programar por prazer no fim de semana, participar de lives descontraídas ou experimentar novas linguagens, isso é ótimo pra te ajudar a aprender coisas novas. Também é ótimo para testar ideias e explorar projetos sem pressão, mantendo o processo leve e divertido.

Como eu mencionei no começo, te ajuda muito a tirar ideias do papel, e criar MVPs.

Agora vamos aos benefícios:

Acelera o desenvolvimento ao assumir tarefas repetitivas e burocráticas
Facilita a prototipagem rápida e a experimentação de ideias
Torna o código mais acessível para iniciantes, que podem focar na lógica e no que querem construir
Estimula a criatividade ao liberar o desenvolvimento das tarefas mecânicas
Promove aprendizado prático, com a oportunidade de observar e absorver padrões e soluções da IA

Quando não usar vibe coding

Nem tudo são flores né pessoal? Vibe code confia muito na IA, e como eu sempre digo, a IA é limitada e não substitui a inteligência, experiência e contexto humano.

Evite usar essa abordagem ao trabalhar com código em produção, quando estiver sob prazos apertados ou em tarefas que demandem concentração absoluta. E claro, no seu trabalho!

Também não é indicado se você estiver cansado ou precisando de descanso mental, pois revisar o código gerado pela IA exige atenção e energia (sim, você tem que revisar o código! SEMPRE!).

Desafios e limitações

Além dos motivos acima pra não sair vibe "codando” tudo, toda hora, trabalhar de forma tão integrada com a ia tem seus problemas:

O código gerado pode não ser otimizado, seguro ou claro, principalmente em projetos complexos
É necessário revisar cuidadosamente para evitar falhas e vulnerabilidades
Depender demais da IA pode prejudicar a compreensão profunda do código, dificultando manutenção e depuração
Nem sempre a IA consegue identificar ou corrigir problemas complexos na lógica do programa
A dependência excessiva pode afetar o desenvolvimento das suas habilidades técnicas

No fim das contas

Vibe coding é um convite para redescobrir o prazer de programar, combinando criatividade humana e inteligência artificial. Com o GitHub Copilot, especialmente com recursos avançados como Agent Mode e MCP, essa experiência está mais acessível, eficiente e divertida do que nunca. Então, abra seu editor, escolha sua música favorita e deixe o código fluir com leveza e propósito.

E para quem quiser mergulhar de vez no vibe coding, que tal se juntar a gente na Quinta do Patinho? É um live stream semanal descontraído onde eu codo ao vivo, explorar o GitHub Copilot, respondendo dúvidas e trocando ideias com a comunidade. Uma ótima oportunidade para praticar, aprender junto e manter a vibe sempre alta. Te espero lá!

Extra: O que eu escuto durante minhas sessões de Vibe Coding

Eu amo o soundtrack de Mr. Robot! Tem muita aquela vibe de "Hackerman”

E no Youtube, eu gosto de colocar essa live super fofa de animal crossing em uma segunda tela, nela você ve os animaizinhos curtindo a paz deles, com um jazz suave de fundo, super recomeno.

Métricas em DevRel: Como Medir o Sucesso da Sua Estratégia de Developer Relations

Pachi 🥑 — Sun, 06 Jul 2025 17:47:49 +0000

Developer Relations (DevRel) é uma função cada vez mais estratégica para empresas de tecnologia. No entanto, um desafio comum é demonstrar o valor e o retorno sobre o investimento (ROI) das iniciativas de DevRel. Como saber se sua estratégia está realmente funcionando? A resposta está nas métricas.

Medir o sucesso em DevRel vai muito além de apenas contar a participação em eventos. É preciso conectar as atividades de relacionamento com desenvolvedores aos objetivos de negócio da sua empresa, sejam eles aquisição de usuários, retenção, feedback de produto ou contratação de talentos.

Por Que Medir em DevRel é Crucial?

Comprovar ROI: Justifica o investimento em pessoas, ferramentas e eventos, mostrando o impacto direto nas metas da empresa.
Otimizar Estratégias: Permite identificar o que funciona e o que não funciona, ajustando a rota para maximizar resultados.
Comunicar Valor: Ajuda a equipe de DevRel a comunicar seu impacto para outras áreas da empresa, como produto, marketing e vendas.
Melhorar Continuamente: Oferece dados para um ciclo de feedback constante, aprimorando as interações com a comunidade.

Principais Categorias de Métricas em DevRel

Para facilitar a compreensão, podemos agrupar as métricas de DevRel em algumas categorias principais:

1. Métricas de Engajamento da Comunidade

Essas métricas focam na interação e no envolvimento dos desenvolvedores com sua marca, produtos e equipe.

Participação em Eventos (Online e Offline): Número de participantes em webinars, meetups, hackathons, conferências.
- Por que é importante: Indica o alcance e o interesse inicial da comunidade.
Interações em Fóruns e Canais de Suporte: Quantidade de posts, perguntas, respostas em plataformas como Discord, Stack Overflow, GitHub Discussions ou fóruns próprios.
- Por que é importante: Mostra a atividade da comunidade e o suporte mútuo entre os devs.
Engajamento em Redes Sociais: Curtidas, compartilhamentos, comentários e menções em plataformas como X (Twitter), LinkedIn, YouTube, etc.
- Por que é importante: Reflexo da visibilidade e da ressonância das suas mensagens.
Consumo de Conteúdo: Visualizações de vídeos, downloads de e-books, tempo médio na página de documentação ou blogs.
- Por que é importante: Indica o interesse no seu material educacional e técnico.

2. Métricas de Adoção e Uso do Produto/API

Essas métricas ligam as atividades de DevRel diretamente ao uso e à integração do seu produto ou API pelos desenvolvedores.

Novas Inscrições/Contas de Desenvolvedores: Número de devs que se cadastram para usar sua plataforma ou API.
- Por que é importante: Sinaliza o crescimento da base de usuários dev.
Ativação de Contas: Percentual de desenvolvedores que, após a inscrição, realizam uma ação chave (ex: primeira chamada à API, primeira implementação de um SDK).
- Por que é importante: Demonstra que os devs estão realmente começando a usar o produto.
Uso da API/SDK: Frequência e volume de chamadas à API, número de projetos criados com seu SDK.
- Por que é importante: É a prova mais direta de que seu produto está sendo integrado e utilizado.
Tempo para a Primeira Integração (Time to First Hello World): Quanto tempo um desenvolvedor leva para fazer sua primeira integração de sucesso.
- Por que é importante: Um tempo menor indica uma boa experiência de onboarding e documentação clara.

3. Métricas de Qualidade e Feedback

DevRel é uma via de mão dupla. Coletar feedback é crucial para o aprimoramento do produto e da experiência do desenvolvedor.

Feedback Qualitativo: Depoimentos, entrevistas, resultados de pesquisas de satisfação (NPS, CSAT específicos para desenvolvedores).
- Por que é importante: Oferece insights aprofundados sobre as dores e necessidades dos desenvolvedores.
Contribuições para Código Aberto (Open Source): Pull Requests, Issues abertas, estrelas em repositórios GitHub.
- Por que é importante: Indica o engajamento de desenvolvedores na melhoria colaborativa do seu ecossistema.
Relatórios de Bugs e Solicitações de Recursos: Número de bugs reportados e solicitações de novas funcionalidades feitas pela comunidade.
- Por que é importante: A comunidade age como uma extensão da sua equipe de QA e produto.

4. Métricas de Influência e Defesa da Marca (Advocacy)

Medem o quão bem a comunidade se tornou embaixadora da sua marca.

Mencões e Compartilhamentos Orgânicos: Quantas vezes sua marca ou produto é mencionada positivamente por desenvolvedores em suas próprias redes sociais ou blogs, sem incentivo direto.
- Por que é importante: Demonstra a força do boca a boca e a lealdade à marca.
Participação em Programas de Embaixadores: Número de desenvolvedores que se voluntariam para representar sua marca.
- Por que é importante: Sinaliza o nível de afinidade e paixão pela sua comunidade.
Depoimentos e Estudos de Caso: Desenvolvedores que se dispõem a compartilhar suas histórias de sucesso usando sua tecnologia.
- Por que é importante: Fornece provas sociais valiosas para marketing e vendas.

Conectando Métricas aos Objetivos de Negócio

É fundamental que cada métrica esteja ligada a um objetivo maior da empresa. Por exemplo:

Se o objetivo é aumentar a adoção do produto X, você vai focar em novas inscrições, ativação e uso da API.
Se o objetivo é melhorar a qualidade do produto Y, as métricas de feedback e contribuições em open source serão prioritárias.
Se o objetivo é atrair talentos para a equipe de engenharia, métricas de engajamento em eventos técnicos e menções positivas sobre a cultura da empresa são importantes.

Ferramentas para Coletar e Analisar Métricas de DevRel

Existem diversas ferramentas que podem auxiliar na coleta e análise de dados:

Google Analytics: Para tráfego do site, blog e documentação.
Plataformas de Redes Sociais: Dados analíticos do X, LinkedIn, YouTube.
Ferramentas de Gerenciamento de Comunidade: Discord, Slack, Discourse (para monitorar interações).
CRM/Plataformas de Automação de Marketing: Para rastrear inscrições e interações com leads dev.
GitHub Insights: Para monitorar o engajamento com repositórios open source.
Ferramentas de Pesquisa (SurveyMonkey, Typeform): Para coletar feedback direto.

O Caminho para o Sucesso em DevRel com Métricas

Medir o sucesso em DevRel não é uma tarefa trivial, mas é essencial para o amadurecimento da função e para garantir que a equipe esteja gerando valor real para a empresa. Ao focar em métricas relevantes, conectar cada uma delas aos objetivos de negócio e utilizar as ferramentas certas, você poderá demonstrar o impacto poderoso de uma estratégia de Developer Relations bem executada.

Acompanhar essas métricas permite não só justificar seu trabalho, mas também otimizar continuamente suas ações para construir uma comunidade desenvolvedora vibrante e engajada em torno da sua tecnologia.

Quais são os maiores desafios que você enfrenta ao coletar e interpretar métricas na sua atuação em DevRel?

Entenda o MCP: O Protocolo que Liga LLMs a Dados e Ferramentas

Pachi 🥑 — Thu, 03 Jul 2025 20:15:40 +0000

Você já deve ter reparado que todo mundo fala em MCP (Model Context Protocol) quando o assunto são grandes modelos de linguagem (LLMs), mas muita gente ainda não explicou exatamente do que se trata. Vamos dar uma descomplicada? 😉
Vem comigo!

Por que contexto importa tanto nos LLMs?

Modelos de linguagem são incríveis, mas têm um ponto fraco: quando pedimos algo fora do que eles já “viram” durante o treinamento, eles podem inventar respostas (as famosas alucinações) ou simplesmente dizer “não sei”.

Para usar LLMs de forma realmente prática, você precisa entregar a eles o contexto certo no prompt: código-fonte, documentação, dados do repositório… o que for mais relevante para a tarefa.

Os atalhos até agora

Sem um padrão, recorremos a macetes de prompting ou a ferramentas específicas. No Copilot, por exemplo, usamos @workspace para puxar trechos do código. Funciona, mas se você começar a misturar APIs e serviços de diferentes fornecedores, a complexidade sobe rápido.

MCP entra em cena

Lançado em open source pela Anthropic em novembro de 2024, o MCP é um padrão aberto que define como conectar LLMs a qualquer dado e ferramenta. Pense nele como uma "porta USB-C para IA", permitindo que modelos como Claude, GPT e outros acessem informações externas de forma padronizada.

Sua adoção começou gradualmente, impulsionada por empresas menores, e então ganhou tração rapidamente com projetos mais robustos. Como é agnóstico de modelo, qualquer um pode criar uma integração. E quanto mais gente usa, melhor o protocolo fica, essa é a mágica dos padrões abertos! ✨

De onde veio a inspiração?

Lembra do Language Server Protocol (LSP)? Em 2016 a Microsoft padronizou a comunicação entre editores e servidores de linguagem. Hoje usamos sem nem pensar. O MCP segue essa pegada: abstrai toda a parte chata de integração e deixa você focar em construir soluções de IA.

O que muda na prática

Configuração mínima: Integre seu LLM à base de dados ou serviço que quiser sem gambiarras.
Interoperabilidade: Funciona com qualquer modelo ou plataforma que adote o padrão, incluindo os principais LLMs do mercado.
Colaboração: Contribuições de toda a comunidade tornam o protocolo cada vez mais sólido.

Com isso, pessoas desenvolvedoras e empresas de todos os tamanhos conseguem criar agentes de IA mais confiáveis e poderosos.

É importante ressaltar que, como em toda integração de sistemas, a segurança do MCP é um pilar fundamental, com a comunidade trabalhando ativamente para garantir implementações robustas e seguras.

GitHub também está nessa!

Não é só papo: lançamos nosso GitHub MCP Server open source. Ele conversa de forma transparente com as APIs do GitHub, abrindo caminho para automações e integrações que antes exigiam muito setup manual.

Bora colocar a mão na massa e ajudar a criar a próxima geração de ferramentas de IA! 💚