Merda, eu wish tivesse tido isso quando comecei a postar. O Grok Bot agora faz o lado administrativo do meu conteúdo, e levei 5 prompts. Meu resumo matinal chega antes de eu abrir meu laptop, e cada resposta da marca espera por mim como rascunho. Aqui está o que os 5 prompts fazem por mim: etapa 1 → cole os prompts abaixo no Grok Bot no Grok 4.7, primeiro o resumo matinal etapa 2 → todos os dias úteis, meu resumo ignora as promoções e lista apenas os e-mails que precisam da minha atenção, primeiro os acordos de marca etapa 3 → ele termina com as 5 menções no X que valem a pena responder, lidas em um memória de voz de 2 minutos etapa 4 → o prompt de marca analisa meus e-mails de patrocínio da última semana e verifica cada marca online etapa 5 → ele redige todas as respostas com minha tabela de preços, mas ainda assim leio cada uma antes de enviá-las etapa 6 → às 8h ele me mostra o que está em alta no meu nicho, apenas o que é novo desde ontem etapa 7 → quando um roteiro está pronto, ele me fornece rascunhos iniciais da thread, da postagem no LinkedIn e da seção do boletim informativo etapa 8 → salvei isso como uma habilidade, então na próxima semana uma única linha me fornece esses rascunhos novamente Os 5 prompts estão no cartão abaixo. Depois, leia o artigo abaixo e adicione mais 10 em cima.

Você pode executar seu próprio AI no seu computador. A maioria das pessoas configura errado e acaba com um chatbot lento e esquecido. No GTC 2026, um gerente de produto da NVIDIA e um engenheiro da Ollama passaram 33 minutos mostrando como fazer certo. 07:38 - quantização e por que Q4_K_M é o padrão 11:04 - escolhendo um modelo: VRAM, benchmarks, seus próprios testes 19:08 - Claude Code em um modelo local com Ollama Launch 24:20 - o limite de contexto ao executar agentes localmente 28:17 - saídas estruturadas para extrair dados de documentos Já vi cursos de US$ 500 que ensinam menos do que isso. Assista primeiro, depois leia o guia abaixo. Ele leva você do zero a um AI funcional no seu computador em 10 passos.

Cofundador da LangChain, Harrison Chase: “Há um sistema que orquestra um modelo e algum contexto.” Em menos de 24 minutos, ele explica o ciclo por trás do uso de ferramentas e contexto. Isso ajuda você a entender o que muda quando você altera os runtimes. Eu colocaria esta palestra gratuita à frente de muitos cursos pagos sobre os fundamentos de agentes. Assista à palestra e depois leia o artigo para construir produtos que funcionem com diferentes sistemas de agentes.

Coautor do GPT-4, Diogo Almeida: “Estamos fazendo uma terceira coisa otimizada para tomada de decisão calibrada.” Em 18 minutos, ele explica por que modelos treinados para aprovação humana podem ser superconfiantes. Você tirará mais proveito deste vídeo do que de um curso de US$ 700. Assista à palestra e, em seguida, leia o guia abaixo para entender o que o Jev faz bem e como usá-lo.

Andrej Karpathy: “A linguagem de programação mais nova e mais quente é o inglês.” Em menos de 40 minutos, ele explica como os LLMs revolucionaram o que podemos fazer no ambiente digital e como usá-los efetivamente. Esta palestra contém muito mais informações úteis do que o curso de $500. Assista à palestra completa, depois leia o artigo abaixo para configurar um ambiente de trabalho para seus agentes.

Uma decisão simples de sim ou não dentro de um agente pode custar até 400 vezes mais do que deveria. Harrison Chase, CEO da LangChain, passou 47 minutos analisando o que realmente está dentro do conjunto de um agente. 08:27 - o que realmente conta como um conjunto 18:14 - os blocos de construção de um agente 29:51 - por que os agentes precisam de um sandbox 32:37 - sandboxes contra injeção de prompt 41:51 - a bagunça de avaliar agentes Assista a isso primeiro, depois leia o artigo abaixo sobre o modelo criado para lidar com essa decisão por uma fração do preço.

Uma decisão simples de sim ou não dentro de um agente pode custar até 400 vezes mais do que deveria. Harrison Chase, CEO da LangChain, passou 47 minutos analisando o que realmente está dentro do sistema de um agente. 08:27 – o que realmente conta como um sistema 18:14 – os blocos de construção de um agente 29:51 – por que os agentes precisam de um sandbox 32:37 – sandboxes contra injeção de prompts 41:51 – a bagunça na avaliação de agentes Assista a isso primeiro, depois leia o artigo abaixo sobre o modelo criado para lidar com essa decisão por uma fração do preço.

Odyssey-3 realmente me surpreendeu. Um único modelo mundial que impulsiona um humanoide, controla braços robóticos, dirige um carro, pilota um drone, joga videogames e treina outros IA. A equipe por trás do @odysseyml desenvolveu carros autônomos na Cruise e na Wayve e vem trabalhando com modelos mundiais desde 2023. Então, quando eles chamam o treinamento de robôs tarefa por tarefa de força bruta, eu presto atenção. A resposta deles é um agente de física. Ele aprende como o mundo funciona observando-o: física, movimento, causa e efeito, como as pessoas se comportam. Um novo dispositivo se conecta a esse conhecimento. Eles dizem que algumas horas de seus próprios dados já o colocam em funcionamento, com uma cabeça de ação que transforma a compreensão do modelo em controles. É basicamente o que os LLMs fizeram para o trabalho baseado em conhecimento: um único modelo amplo por baixo, e cada atualização dele melhora tudo o que é construído em cima. O que mais me marcou: ele também gera mundos onde agentes de IA podem praticar, para que seus erros ocorram primeiro em uma simulação. Eles acreditam que modelos mundiais acabarão entendendo a física melhor do que nós. Afirmação ousada. Quero ver se ela se sustenta quando for tornada pública nas próximas semanas.

Eu dei o mesmo prompt ao GLM 5.3 Flash, Kimi K3 e DeepSeek v4 Pro e recebi 3 aplicativos funcionais. Construí todos os 3 dentro do @boltdotnew e publiquei o melhor em um link ao vivo. Em um plano normal, eu nunca gastaria prompts em uma comparação assim. Forge é um modo experimental no Bolt que executa modelos abertos com até 50x mais uso. Você pode construir e iterar aplicativos web sem se preocupar com limites de uso. Uma barra mensal, sem limite diário. Crie 10 versões se precisar, depois mude para Standard ou Max quando for hora de lançar. No próprio benchmark de construção do Bolt, os modelos Forge alcançam 91% do melhor modelo pago. Suficientemente próximo para rascunhos. A proposta por trás disso: inscreva-se, e suas construções ajudam a treinar modelos abertos. Ele pede confirmação toda vez que você ativa. A prévia de pesquisa ocorre de 14 de setembro a 14 de outubro de 2026. Forge é gratuito nos planos Pro até 14 de outubro, e há um plano de acesso antecipado por $9/mês, o Bolt Lite, com lista de espera. É experimental, então faça uma cópia do seu projeto antes de trazer algo sério. Assista às 3 construções, depois experimente o Forge com o link abaixo.

Pare de gastar suas noites corrigindo os mesmos erros que seu agente de IA continua cometendo. Um engenheiro da LangChain mostra como fazer a IA verificar seu próprio trabalho antes de devolvê-lo a você. 08:06 - estado, nodes e arestas 10:47 - verificando documentos e respostas geradas 11:48 - tentando novamente o código após testes falhos 37:12 - interrompendo loops com um limite de passos 54:46 - rastreando os passos que um agente realiza Eles não deveriam ter disponibilizado este workshop gratuitamente. Assista primeiro a este vídeo, depois leia meu guia abaixo para criar um fluxo de trabalho de pesquisa que verifica afirmações.