Gestor de Produto de IA avançada do Google: 6 agentes assumem o meu dia a dia, por menos de 400 dólares por mês, operando 24 horas por dia

Depois de ler este artigo, vais entender como montar uma equipa de Agentes de IA que operam autonomamente enquanto tu dormes.

Autor: Shubham Saboo

Tradução: Deep潮 TechFlow

Deep潮 Introdução: Seis Agentes que desempenham funções distintas completam, enquanto eu durmo, investigação, criação de conteúdo, revisão de código e produção de newsletter.

O autor revela completamente a estrutura de ficheiros, os custos reais, as armadilhas encontradas e as recomendações semanais, sendo uma das práticas pessoais de IA com maior valor de referência operacional atualmente.

Texto completo:

Seis Agentes de IA gerem todo o meu trabalho enquanto eu durmo.

Não é uma demonstração. Não é um projeto de fim de semana.

Uma equipa verdadeiramente operacional 24/7, que garante que nunca fico para trás. A investigação está feita, o conteúdo preparado, o código revisto, a newsletter pronta. Todas as manhãs, ao abrir o Telegram, eles já trabalharam a noite toda.

Ontem publiquei um artigo sobre a minha equipa de Agentes. A questão principal foi: “Como é que eu realmente construo isto?”

Esta é a resposta. Sem teoria, sem diagramas de arquitetura. Com a estrutura de ficheiros que uso na prática, os custos reais, as armadilhas que enfrentei e as recomendações semanais. Tudo está aqui.

Depois de ler este artigo, vais entender como montar uma equipa de Agentes de IA que operam autonomamente enquanto tu dormes.

Porque uma equipa, e não uma ferramenta

Gerir simultaneamente o Unwind AI e o repositório Awesome LLM Apps significa fazer seis tarefas por dia: acompanhar as novidades em IA, escrever tweets, criar posts no LinkedIn, preparar a newsletter, revisar contribuições no GitHub e tratar questões da comunidade.

Cada tarefa leva entre 30 a 60 minutos. Seis tarefas. O meu dia assim acaba, sem ter feito ainda trabalho de verdade.

Tentei resolver isto com um único Agente. Um prompt gigante que cobre investigação, escrita e revisão, tudo numa só. Resultado: tudo fica medíocre. O contexto enche-se, a qualidade diminui. Um Agente não consegue fazer seis tarefas ao mesmo tempo.

Por isso, criei seis Agentes de IA.

Conhecendo esta equipa

Cada Agente recebe o nome de um personagem de série. Não é uma brincadeira. Quando digo ao Claude: “Tens a energia de Dwight Schrute”, ele já sabe, pelos dados de treino, que isso significa: meticuloso, focado, leva o trabalho a sério. São 30 temporadas de personagem, que uso de graça.

1. Monica (Chefe de Gabinete): nomeada por Monica Geller. É o Agente principal, com quem interajo mais no Telegram. Coordena os outros, toma decisões estratégicas, atribui tarefas aos especialistas. No seu ficheiro SOUL.md escreve: “És aquela pessoa que garante que tudo seja feito corretamente.”

2. Dwight (Investigação): nomeado por Dwight Schrute. Executa varreduras de investigação três vezes ao dia, verificando X, Hacker News, rankings do GitHub, blogs de IA e artigos científicos, produzindo relatórios estruturados para os outros Agentes usarem.

3. Kelly (X/Twitter): nomeada por Kelly Kapoor. Lê a investigação do Dwight, escreve rascunhos de tweets no meu tom, incluindo tweets individuais, threads e citações. No seu SOUL.md escreve: “Sabes que vai ser popular antes de toda a gente.”

4. Rachel (LinkedIn): nomeada por Rachel Green. As fontes de informação são iguais às da Kelly, mas a plataforma é diferente, e o tom também, focando em liderança de pensamento em vez de comentários sensacionalistas.

5. Ross (Engenharia): nomeado por Ross Geller. Trata da revisão de código, correção de bugs e implementação técnica. No seu SOUL.md escreve: “Ao abordar problemas, primeiro compreende-os completamente. Não apenas remede os sintomas.”

6. Pam (Newsletter): nomeada por Pam Beesly. Organiza as informações diárias do Dwight em resumos para a newsletter.

Seis Agentes, cada um com a sua função, claramente dividida.

Agora, como montar

Tudo funciona num Mac Mini M4. Mas preciso esclarecer: não precisas de um Mac Mini.

OpenClaw suporta macOS, Linux e Windows (via WSL). Um portátil serve, um PC de gaming também, um VPS de 5 dólares por mês também funciona. A vantagem do Mac Mini é estar sempre ligado, silencioso, muito económico, mas não é obrigatório.

Configuração minha: Mac Mini M4 básico. Sempre ligado à corrente e à internet, sem monitor, interagindo totalmente pelo Telegram no telemóvel.

Instalar o OpenClaw

Basta duas linhas de comando no terminal, menos de cinco minutos.

Se tiveres problemas, consulta a documentação do OpenClaw.

Isto inicia o gateway, ou seja, o processo de fundo que mantém tudo a funcionar. Gerencia os Agentes, executa tarefas cron, trata mensagens do Telegram. Fecha o terminal, eles continuam a trabalhar.

Estrutura do espaço de trabalho

Um exemplo de estrutura de diretórios do OpenClaw, com múltiplos Agentes. Não são seis instalações independentes.

A minha estrutura real de diretórios é assim:

Monica fica na raiz. É o Agente principal com quem interajo diretamente. Os outros Agentes são sub-Agentes delegados por ela ou que funcionam de forma independente com seus próprios cron jobs.

Não é preciso criar seis Agentes de início. Comecei apenas com Monica, e, à medida que o fluxo de trabalho ficou claro, fui adicionando os outros ao longo de semanas.

O que é o SOUL.md

Cada Agente é definido por um ficheiro: SOUL.md. É a identidade, o papel e as instruções de operação do Agente, o elemento mais importante do sistema.

Por exemplo, o SOUL.md do Dwight é mais ou menos assim:

Presta atenção ao que este ficheiro faz. Não é só dizer “és um Agente de investigação”. Dá ao Agente personalidade, princípios claros, relações com os outros Agentes e um quadro de decisão.

O SOUL.md da Monica é igual.

Todos os Agentes seguem o mesmo padrão: identidade, papel, princípios, relações, estilo. Cada SOUL.md tem cerca de 40 a 60 linhas, de modo a caber na memória de cada sessão e ser suficientemente detalhado para garantir comportamentos consistentes.

Coordenação entre Agentes

Não há chamadas API, filas de mensagens ou orquestração complexa.

A coordenação é feita por ficheiros.

Quando o Dwight termina a investigação, escreve o resultado em intel/DAILY-INTEL.md. A Kelly lê esse ficheiro para criar os rascunhos de tweets. A Rachel lê o mesmo ficheiro para preparar posts no LinkedIn. A Pam lê-o para montar a newsletter.

O mecanismo de coordenação é o sistema de ficheiros.

O SOUL.md do Dwight indica exatamente onde escrever:

O AGENTS.md da Kelly indica exatamente onde ler:

Sem middleware, sem camadas de integração. Dwight escreve num ficheiro, Kelly lê de lá. A troca é uma simples leitura/escrita de ficheiro markdown.

Parece demasiado simples. E é mesmo. É por isso que funciona. Os ficheiros não falham, não há problemas de autenticação, não há limites de API. Estão lá, acessíveis.

Dados estruturados em JSON, resumos humanos em markdown. Os Agentes leem markdown, JSON serve como fonte de verdade para deduplicar e manter registos a longo prazo.

Sistema de memória

Cada sessão de Agente começa sem memória do que aconteceu antes. Cada conversa inicia do zero. É uma característica, não uma falha. Mas isso significa que a memória deve ser explícita.

Divido em duas camadas:

Registo diário (memory/AAAA-MM-DD.md): registo bruto de cada sessão, incluindo o que foi dito, os rascunhos feitos, o feedback recebido. Os Agentes escrevem continuamente aqui ao longo do dia.

Memória de longo prazo (MEMORY.md): extrai insights importantes dos registos diários, incluindo lições aprendidas, preferências descobertas e padrões notados.

Cada Agente, ao iniciar uma sessão, lê primeiro o SOUL.md, depois o USER.md, depois os ficheiros de memória de ontem e hoje, e, se for a sessão principal, também o MEMORY.md.

Estes Agentes evoluem com o tempo. Não por melhorias no modelo, mas porque o seu contexto de carga aumenta.

Kelly aprendeu a usar o meu estilo de escrita, sem emojis ou hashtags. Essa informação fica na sua memória, e cada rascunho refletirá isso. Dwight aprendeu a filtrar o que é relevante para o seu público-alvo, usando o “filtro Alex”. Essa aprendizagem também fica na memória dele.

Durante o ciclo de heartbeat, os Agentes revisitam os registos diários, extraem o essencial e atualizam o MEMORY.md. Os ficheiros diários são a fonte de dados bruta, o MEMORY.md é a síntese de sabedoria.

Agendamento

Os Agentes precisam de se ativar autonomamente. O OpenClaw usa um sistema de cron interno para isso.

O meu agendamento real é assim:

A ordem é importante. Dwight corre primeiro, pois os outros dependem da sua investigação. Kelly e Rachel correm depois, pois precisam do ficheiro de investigação para criar conteúdo.

Mecanismo de auto-cura com heartbeat

Às vezes, as tarefas cron falham. Reinício do sistema, tarefas pendentes, problemas de rede ou limites de API. São falhas de infraestrutura.

O ficheiro HEARTBEAT.md fornece uma rede de segurança. A cada heartbeat, o Agente principal verifica se as tarefas cron foram realmente executadas:

Se alguma tarefa falhar ou perder a janela, o heartbeat detecta e força a sua reexecução. Auto-cura, sem intervenção manual.

Este método é útil para verificações em lote ou tarefas com alguma flexibilidade de tempo. Para tarefas que requerem precisão, o cron é mais adequado.

Telegram como interface de interação

Sem dashboards, sem web UI, sem painel de controlo. Interajo com os Agentes via Telegram.

Foi uma escolha deliberada. Não quero abrir dashboards ou aplicações web. Tenho o Telegram sempre aberto no telemóvel, e é lá que os Agentes me encontram.

O OpenClaw suporta Telegram como canal. Após a configuração, o seu Agente aparece como um bot no Telegram. Envia mensagens, recebe respostas, apresenta rascunhos para aprovação. Como um colega na conversa.

A Monica é a minha principal interlocutora, que trata da maior parte do diálogo e delega tarefas aos outros. Quando os Agentes produzem conteúdo que precisa de revisão, contactam-me diretamente.

De manhã: acordo, abro o Telegram, Dwight já enviou o resumo da investigação, Kelly tem três rascunhos de tweets à espera de aprovação, Rachel preparou uma publicação no LinkedIn. Revisão, feedback, aprovação — tudo em 10 minutos com um café.

Construção de personalidade

Não se constrói uma personalidade perfeita de início. Começa-se com um esboço no SOUL.md, observa-se o comportamento, ajusta-se ao longo do tempo. Como gerir uma pessoa real.

Chamo a isto “prompt engineering de correção”.

Se a Kelly inicialmente escrevia com emojis e exclamações, eu dava feedback: “Sem emojis, sem hashtags, frases curtas e impactantes.” Ela atualizava a memória, e em uma semana fazia exatamente como queria. Dwight, inicialmente, captava demasiado ruído, incluindo cada atualização menor de repositórios populares. Eu dizia: “Nem tudo que é popular é importante. Quero sinais, não ruído.” Ele ajustou os princípios, e agora os relatórios dele são focados e acionáveis.

Qualquer Agente começa de forma medíocre, evolui para bom, e depois para excelente com ajustes contínuos. Nomear com personagens de série dá uma linha de base de personalidade instantânea — “energia de Dwight Schrute” significa meticuloso, focado, sem rodeios. Mas a verdadeira personalidade emerge das correções semanais, armazenadas na memória.

Um conselho que concordo: dar a cada Agente um título simples, comum, e uma condição de paragem. Restrições melhoram o desempenho, e quanto mais específico o papel, melhor a saída.

Segurança

A segurança está na tua mão. A minha abordagem é simples: cada Agente tem o seu próprio ambiente, sem acesso ao meu mundo pessoal.

A máquina Mac Mini é a sua. Cada um tem a sua conta de email, chaves API, acessos limitados. Nada na máquina está ligado à minha conta pessoal.

Chaves de API de serviços como Gemini, Eleven Labs, são específicas para esta instância do OpenClaw. Posso monitorar o uso e cortar o acesso em segundos, se necessário.

Nunca dou aos Agentes acesso às minhas contas pessoais. Se quero que vejam um email, reencaminho. Se quero que revisem um documento, partilho no Telegram. Eles só veem o que quero que vejam, nada mais.

É como dar as chaves a um novo colaborador: espaço de trabalho dedicado, credenciais específicas, partilha de informações sob demanda.

Onde podem surgir problemas e como resolver

Não é magia, é infraestrutura. E infraestrutura falha.

Gateway pode cair. Raro, mas acontece. Solução: reiniciar com “openclaw gateway restart”. O sistema de heartbeat detecta tarefas atrasadas e força a sua reexecução, evitando perdas de um dia inteiro de trabalho.

Tarefa cron perde a janela. O computador reinicia, a rede cai, há limites de API. Solução: HEARTBEAT.md com auto-cura. O Agente principal verifica, ao fazer heartbeat, se as tarefas foram executadas. Se alguma estiver atrasada mais de 26 horas, força a sua execução.

O limite de contexto é atingido. O Agente lê ficheiros demais ao início, não consegue trabalhar. Solução: manter o SOUL.md curto (40-60 linhas), focar o AGENTS.md, carregar apenas os ficheiros de memória de ontem e hoje. Não é preciso ler todo o histórico.

A qualidade da saída diminui. Quando a memória fica confusa ou contraditória. Solução: manutenção regular da memória. Durante o heartbeat, o Agente revisa os registos diários, extrai os insights essenciais, atualiza o MEMORY.md, e arquiva ou elimina ficheiros antigos.

Conflitos de coordenação. Dois Agentes tentam editar o mesmo ficheiro. Solução: fluxo de ficheiros “um escreve, muitos leem”. Dwight escreve o DAILY-INTEL.md, os outros leem, sem escrever lá. Sem outros escritores.

A maior lição de fiabilidade: começar simples. Um Agente, uma tarefa, um agendamento. Fazê-lo funcionar uma semana, depois adicionar outro. Quem tenta lançar seis de uma vez e não consegue, está a cometer o mesmo erro de quem lança um sistema distribuído sem monitorização.

Custos reais

Hardware: Mac Mini M4 novo a partir de 499 dólares, mas qualquer computador ligado 24/7 serve — um portátil antigo, um VPS de 5 dólares por mês, o que tiveres à mão.

Custos de modelos de IA: uso vários modelos na equipa, maioritariamente Claude Opus e Sonnet, alguns workflows com Gemini, e estou a testar modelos locais com Ollama para reduzir custos.

Detalhes:

Claude (Plano Max): 200 dólares/mês

API Gemini: 50 a 70 dólares/mês

TinyFish (Agente web): cerca de 50 dólares/mês

Eleven Labs (voz): cerca de 50 dólares/mês

Telegram: gratuito

OpenClaw: código aberto, gratuito

Total: até 400 dólares/mês, por uma equipa que nunca descansa.

O que realmente mudou

Dwight poupa-me diariamente entre 2 a 3 horas de investigação. Antes, tinha de verificar manualmente X, Hacker News, GitHub e blogs de IA de manhã. Agora, acordo com um resumo priorizado, com fontes e ações recomendadas.

Kelly, Pam e Rachel poupam mais 1 a 2 horas na criação de conteúdo. Ross trata de tarefas de engenharia que antes fazia à noite.

No total, economizo cerca de 4 a 5 horas por dia.

Mas o valor real não está num dia, está na continuidade de semanas e meses. Um Agente que pesquisa todos os dias durante 30 dias constrói sinais, tendências e padrões rastreáveis — algo que nenhuma sessão isolada consegue gerar. As minhas publicações no X melhoraram, a qualidade subiu, e a regularidade também. O repositório Awesome LLM Apps cresce continuamente, a newsletter tem uma fonte de investigação confiável.

Estes Agentes não fazem pensamento original, nem estratégias de transformação ou avanços criativos. Lidam com tarefas repetitivas, estruturadas, que antes me levavam horas. Assim, posso dedicar-me ao que realmente exige criatividade e raciocínio humano.

Como começar

Não tentes montar seis Agentes no primeiro dia.

Primeira semana: um Agente, uma tarefa. Instala o OpenClaw, escreve o primeiro SOUL.md em diálogo, escolhe uma tarefa diária repetitiva (para a maioria, investigação ou criação de conteúdo), configura o Telegram, cria uma tarefa cron, observa uma semana de funcionamento, ajusta o que for preciso.

Segunda semana: adiciona o sistema de memória, ajusta. Os primeiros outputs serão medíocres, é normal. Dá feedback, vê os ficheiros de memória crescer, ajusta o SOUL.md. Até ao final da segunda semana, o Agente deve produzir resultados úteis.

Terceira semana: adiciona um segundo Agente. Agora percebes a necessidade — o Agente de investigação gera inteligência, mas ainda precisas de criar conteúdo manualmente. Cria um Agente de conteúdo. Usa ficheiros partilhados: o primeiro escreve, o segundo lê, a coordenação é o sistema de ficheiros.

Quarta semana e seguintes: constrói por etapas. Quando sentires resistência, adiciona um novo Agente, não por obrigação, mas para preencher uma lacuna real no teu fluxo de trabalho. Cada um deve resolver um problema concreto, não uma demonstração ou conceito.

Trata-o como uma contratação. Não contratas seis no primeiro dia, contratas um, faz ele funcionar bem, depois adicionas outro conforme a necessidade.

Mudança de mentalidade

Depois de um mês com os Agentes a funcionar, algo muda. Passas a vê-los como uma equipa contínua, não apenas uma ferramenta ocasional.

Começas a cumprimentar Monica de manhã, a desejar boa noite ao fechar o telemóvel. Parece estranho, mas, após um mês de interação diária, a linha entre humano e IA começa a esbater-se.

O sistema é feito de modelos (Claude, GPT, Gemini), mas também de uma arquitetura — SOUL.md, memória, agendamento, coordenação, feedback contínuo. É teu sistema, único, com os teus Agentes, memórias e personalidade ajustada.

E cresce exponencialmente. Cada investigação do Dwight enriquece a memória, cada feedback da Kelly refina os rascunhos, cada bug do Ross ensina mais sobre o teu código.

Essa é a verdadeira vantagem competitiva. Não é o modelo, é o sistema que aprende e evolui.

Começa já. Um Agente, uma tarefa, um agendamento.