A IA tirou a digitação do caminho e a gente ficou sem o gargalo que justificava metade do nosso dia. No lugar dele, sobrou o trabalho que a máquina não faz: decidir o que vai pra produção, segurar a régua de qualidade, apertar guardrail, ler o que o agente escreveu antes que vire dor de cabeça em runtime. Sobre vibe coding feito a sério e o papel de arquiteto que ninguém pediu, mas que a gente herdou.
Eu não queria escrever sobre IA. Mas depois que um agente escalou uma instância paga sem me pedir, achei que era hora de colocar no papel o que venho pensando. Uso IA todo dia, construo agentes autônomos no trabalho, e ainda assim acho que a conversa sobre IA no desenvolvimento está passando por cima das partes que mais importam: o gargalo que mudou de lugar, a produtividade que não virou qualidade de vida, os layoffs com desculpa nova pra conta velha, e o que acontece quando a ferramenta erra e quem chamam na war room é você.
Banco de dados raramente é o gargalo… até virar. Depois de uma década resolvendo problema de performance, modelagem e aquela query que ninguém quer encostar, eu juntei o beabá que todo dev deveria ter na ponta da língua. Aqui eu falo de SELECT *, índices, UUID, ORM, ORDER BY, CTE, tipos, constraints e mais um monte de coisa que aprendi apanhando em produção. Se você quer parar de sofrer com consulta lenta e decisão que vira dívida técnica, esse post pode ajudar você.
Sempre ouvimos que o Redis é a solução definitiva para cache. Mas o que acontece quando a própria solução de performance se torna o gargalo da aplicação? Neste artigo, conto como uma decisão arquitetural aparentemente sólida se tornou um problema em um sistema de alto volume e por que decidimos remover o Redis em favor de uma abordagem mais simples.
Mensagens com chaves idênticas caindo em partições diferentes do Kafka? O problema pode estar nos algoritmos de hash incompatíveis entre seus produtores. Este artigo explora como CRC32, Murmur2 e FNV-1a afetam o particionamento de mensagens, apresenta testes comparativos de performance e distribuição com 100.000 mensagens, e explica por que a escolha do algoritmo correto é uma decisão de arquitetura, não apenas de performance. Se você trabalha com múltiplos produtores Kafka em linguagens diferentes, essa leitura pode te poupar algumas horas.