Construí uma plataforma de IA completa. Então descobri que estava na altitude errada.
TL;DR: Construi uma plataforma de IA com 45 agentes, 9 fases de pre-commit, e 4 camadas de validacao — para zero usuarios. Quando auditei com honestidade, encontrei um repositorio esquecido com 3 scripts Python que ja resolvia o problema real. Essa e a historia do gap entre a altitude da plataforma e a altitude do problema.
Os numeros que me acordaram #
Em abril de 2026, pedi ao ChatGPT para auditar o ecossistema EGOS com base no meu historico de commits. Os numeros foram desconfortaveis:
| Metrica | Valor | Significado |
|---|---|---|
| Agentes registrados | 45 | 24 ativos, 21 orfaos ou duplicados |
| Fases de pre-commit | 9 | Gitleaks, typecheck, doc-drift, evidence-gate, vocab guard... |
| Camadas de validacao de docs | 4 | SSOT drift, doc proliferation, file intelligence, evidence gate |
| Tabelas Supabase com RLS | 8+ | Entity graph, wiki pages, timeline, gem discoveries... |
| Clientes pagantes | 0 | Zero. Nenhum. Nada. |
| Usuarios reais | 0 | Eu mesmo era o unico usuario. |
A escala de complexidade que o ChatGPT usou foi essa:
| Nivel | Descricao | Exemplo |
|---|---|---|
| 0 | Checklist + prompt | GPT com template fixo |
| 1 | Copiloto com contexto | Agente que le seus docs antes de responder |
| 2 | Fluxo com aprovacao humana | Pipeline: transcricao, revisao, entrega |
| 3 | Orquestracao | Event bus, agents coordenados, retry logic |
| 4 | Multiagente | 45 agentes, governanca nativa, self-healing |
O EGOS estava operando no nivel 4. O primeiro problema real que precisava resolver estava no nivel 2. A razao entre complexidade construida e complexidade necessaria era de 10:1.
Por que isso acontece #
Karpathy tem um principio simples: abstracao so depois da terceira repeticao. Antes disso, voce esta inventando complexidade que o problema nao pediu.
Quando voce e um builder que gosta de sistemas, o sistema em si vira o trabalho. O pre-commit hook vira o objetivo. O schema de entidades com 8 tipos vira a feature. E a governanca — que deveria ser um meio — vira o produto.
Dos 1189 commits nos ultimos 60 dias, 44% eram documentacao e governanca. O sistema de governanca virou o trabalho em si.
O antidoto: medir sempre a razao complexidade construida / complexidade encontrada. Mirar em 1:1.
O que eu encontrei no policia repo #
Enquanto auditava o kernel, encontrei um repositorio que eu mesmo tinha esquecido: /home/enio/policia. Sem governanca sofisticada, sem 45 agentes — apenas tres scripts Python funcionando sobre casos reais de delegacia em Minas Gerais.
# O pipeline completo que ja funcionava:
Media (MP4/OGG)
→ transcribe.py (Groq Whisper, auto-segmenta >25MB)
→ oitiva_to_docx.py (sinopse/OVM)
→ cs_to_docx.py (template oficial com brasao)
→ DOCX pronto para entrega
# Testar:
make transcribe CASE=caso_elcio
make cs MD=comunicacao.md TEMPLATE=templates/cs.docx OUT=saida.docxOs fatos:
- 2 casos reais processados (caso Elcio + homicidio DP 18526073)
- 7+ testemunhas transcritas via Groq Whisper large-v3
- Comunicacoes de servico geradas no template oficial (brasao, headers institucionais)
- 15 testes pytest passando
- 4 workflows: OVM master, cartorio, investigacao, relatorio final
- Suporte a OGG, MP4, M4A, MP3, WAV
Nenhum agent. Nenhum event bus. Nenhuma migracao Supabase. E resolvia o problema real.
O que mudou no EGOS #
A plataforma nao vai encolher. O kernel continua la — Neo4j com 83 milhoes de nos, Guard Brasil com 16 padroes de PII em 4ms, sistema de knowledge base com wiki compilada. O que muda e a ordem em que as coisas chegam ao usuario.
Antes: construir primeiro, validar depois (ou nunca).
Agora: validar primeiro, construir o que o campo pede.
A pessoa que vai validar se chama Lidia. E policial civil em MG, parceira do Enio, e a primeira pessoa real que vai usar o sistema fora do ambiente de desenvolvimento. Nao e dev. Nao conhece TypeScript. Mas conhece os processos da delegacia melhor do que qualquer diagrama de arquitetura.
A meta dos proximos 30 dias:
- Lidia entende 80% do sistema
- 1 processo real da delegacia e melhorado com IA
- Feedback do campo guia o que construir a seguir
O que realmente funciona hoje #
Sem exagero, sem numeros inflados. Isso aqui e o que esta live e rodando:
| Sistema | Status | Prova |
|---|---|---|
| Guard Brasil API | Live, 4ms p95 | curl https://guard.egos.ia.br/health |
| Policia pipeline | 15 testes, 2 casos reais | cd /home/enio/policia && pytest |
| Gem Hunter | 14 fontes, cron semanal | gemhunter.egos.ia.br |
| Timeline publishing | 2 artigos, auto-draft via LLM | Voce esta lendo agora |
| Knowledge base | Wiki + entity graph schemas | Supabase egos_wiki_pages |
O Guard Brasil, especificamente, faz isso:
curl -X POST https://guard.egos.ia.br/v1/inspect \
-H "Content-Type: application/json" \
-d '{"text": "CPF do cliente: 123.456.789-09, email joao@x.com"}'
# Resposta (~4ms):
{
"patterns": [
{"type": "CPF", "value": "123.456.789-09", "valid": true},
{"type": "EMAIL", "value": "joao@x.com"}
],
"lgpd_risk": "HIGH",
"latency_ms": 4
}16 padroes brasileiros. Validacao de digito verificador real para CPF e CNPJ. Open-source no GitHub e npm (@egosbr/guard-brasil).
O codigo que publicou este artigo #
Este artigo foi publicado usando o pipeline que construimos nesta mesma sessao. O article-writer.ts gera drafts via LLM (qwen-plus), roda Guard Brasil PII check, e insere em timeline_drafts. O publish.sh move para timeline_articles e sincroniza com a knowledge base:
# Gerar draft a partir de um commit:
bash scripts/publish.sh "tema do artigo" ae7b9ad
# Aprovar e publicar (draft → article + KB sync):
bash scripts/publish.sh --approve <draft-id>
# O cron faz isso automaticamente as 03:00 UTC:
# scripts/timeline-cron-daily.sh
# → escaneia commits 24h → gera drafts → envia pra revisaoCada artigo publicado automaticamente vira uma pagina na knowledge base (egos_wiki_pages) com cross-references para outros artigos. Tudo interligado.
Perguntas frequentes #
O que e o EGOS exatamente?
O Guard Brasil substitui o AWS Macie ou Microsoft Presidio?
Por que nao usar um framework existente como LangChain ou CrewAI?
Como a Lidia vai usar o sistema?
make transcribe CASE=caso_nome transcreve e formata.Posso contribuir?
Enio Rocha — dev, formado em Direito (UNIPAM 2019), builder do EGOS.
Guard Brasil: guard.egos.ia.br · GitHub: github.com/enioxt/egos · X: @anoineim
No EGOS, isso também se conecta com #
- Guard Brasil: 16 padrões de PII em 4ms — o sistema concreto construído depois de achar a altitude certa
- Doc-Drift Shield — o guarda que verifica se o que está documentado ainda é verdade
Código aberto. Tudo que você viu aqui está disponível em github.com/enioxt/egos. Se você está construindo algo parecido ou quer aplicar no seu contexto, fala comigo no X: @eniorocha_. Construindo em público.