Pular para o conteúdo

Disponível · remoto · PJ, CLT ou contrato internacional

AI Engineer.

Construo e coloco em produção sistemas com LLMs, agentes e RAG, da arquitetura à infra.

Entrego sistemas completos com IA integrada (SaaS para clínicas, fintech, mobilidade, apoio clínico), do app ao backend, com um workflow agent-first.

Agendar conversaVer casesBaixar CV (PDF)
Everton Resende

Ficha técnica

Foco
LLMs, agentes e RAG em produção
Carreira
7+ anos desenvolvendo software
Stack
TypeScript · Python · Cloudflare · AWS · Postgres
Local
Pará de Minas, MG · remoto (UTC−3)
Status
Disponível · PJ, CLT ou internacional
  • Produtos

    5produtos em produção

  • TazzEm produção

    IAAgente de IA no atendimento, com supervisão humana

  • MaximusEm produção

    RAGChat clínico com RAG atendendo anestesistas

01 / O que eu entrego

Da arquitetura à produção.

1.1

Arquiteto agentes.

Tool calling, guardrails em camadas, LLM-juiz, evals e fallback entre modelos, em TypeScript. Em Python, times de agentes com triagem e handoff (Agno).

ProvaAgente da Tazz · agentes em Python (Agno) na Coppay

1.2

Coloco RAG em produção.

Busca vetorial nativa em produção, que substituiu o RAG manual com classificador de intenção que construí antes. E sei quando RAG não vale a pena.

ProvaMaximus · decisão de não usar RAG na Tazz

1.3

Construo e opero a infra.

Cloudflare (Workers, Durable Objects, Queues), Postgres com RLS, Docker e CI. Na AWS: EC2, ELB, Lambda, SQS, S3, Aurora e Rekognition.

ProvaMigração da Tazz · Coppay · Dental Smart · AWS em projetos anteriores

02 / Cases

Produtos no ar. Não demos.

Mobilidade · 2026–hoje

Tazz.

Ver case
Fig. 01Arquitetura
  1. App Expo
  2. Workers
  3. Postgres

App novo do zero · agentes de código em paralelo

Problema
O backend do app de corridas bateu na cota fixa de 20 vCPU do GCP em São Paulo, e o app em Flutter falava direto com o Firebase.
O que fiz
Arquitetei e construí do zero o app novo em Expo e os Workers novos dele, com agentes de código em paralelo (pré-lançamento). Antes, portei 100+ Cloud Functions para 8 Cloudflare Workers em ~47,5 h. Também construí o agente de atendimento e levei o PIX do Asaas à produção.
Stack
TypeScript · Expo · Cloudflare Workers · Durable Objects · Queues · Postgres
IA
Em produçãoAgente de atendimento com tool calling, guardrails, LLM-juiz e evals, com um atendente revisando cada resposta.
Resultado
PIX em produção desde set/2026
SaaS para clínicas · 2025–hoje

Dental Smart.

Ver case
Fig. 02Transcrição e resumo
  1. Consulta
  2. Whispertranscrição
  3. Llamaresumo

Multi-tenant · isolamento por RLS

Problema
Clínicas odontológicas precisavam de financeiro, NFS-e e mensagens de WhatsApp num só sistema, com os dados de cada clínica isolados.
O que fiz
Construo o SaaS multi-tenant: transcrição de consultas com IA, isolamento por RLS, mensagens de WhatsApp agendadas, financeiro e NFS-e.
Stack
Next.js · React · Supabase · Postgres RLS · Edge Functions · Groq
IA
Em produçãoTranscrição e resumo de consultas (Whisper + Llama).DecisãoConciliação bancária por regras, sem IA.
Resultado
~20 clínicas · 0 churn
Saúde · 2026

Maximus.

Fig. 03RAG
  1. Perguntatexto, imagem ou voz
  2. Responses APIgpt-5.4 · streaming
  3. file_searchvector store da OpenAI

Antes: classificador + busca manual. Hoje: file_search nativo

Problema
Anestesistas precisavam de respostas clínicas rápidas (doses, fármacos, protocolos) apoiadas numa base de referência, e de questões de estudo para a prova do TSA.
O que fiz
Construí o app em Expo e a API em Hono sobre Cloudflare Workers, com Supabase e RLS. O chat usa a Responses API com file_search sobre a base de referência e code interpreter para gráficos, com resposta em streaming.
Stack
TypeScript · Expo · Hono · Workers · Supabase · OpenAI Responses API
IA
Em produçãoChat clínico com RAG sobre a base de referência, com pergunta por texto, imagem ou voz (gpt-4o-transcribe).Em produçãoQuestões no formato do TSA geradas com structured output e validação, a partir da base vetorial.DecisãoConstruí RAG manual (classificador gpt-5-nano + busca vetorial) e troquei pelo file_search nativo: o classificador barrava buscas legítimas.
Resultado
No ar, em uso por anestesistas
Fintech · 2025–2026

Coppay.

Fig. 04Arquitetura
  1. AppExpo
  2. BFFHono · Workers
  3. BaaSCronos → Asaas

Back-office em Next.js · RBAC · audit log

Problema
Uma fintech precisava de conta digital, crédito e atendimento rodando sobre um BaaS, do app ao back-office.
O que fiz
Construí o app em Expo, o BFF em Hono sobre Cloudflare Workers (Cronos, Asaas e HBI), o back-office em Next.js com RBAC e audit log, e os recursos de IA: triagem de e-mail, parecer de crédito assistido por LLM e o agente de WhatsApp. Em set/2026, construí um BFF novo sobre o BaaS do Asaas, com uma subconta por cliente, rodando lado a lado com o legado.
Stack
TypeScript · Expo · Hono · Cloudflare Workers · Durable Objects · Postgres · Python · FastAPI
IA
Em produçãoTriagem de e-mail (Workers AI), usada pelo time, e parecer de crédito assistido por LLM (gpt-oss-120b), usado pelos analistas.Fora do ar hojeAgente de WhatsApp em Python (Agno + FastAPI) com triagem para especialistas, tools de leitura e handoff para humano. Atendeu clientes reais até set/2026.
Resultado
App nas lojas com correntistas reais
SaaS para fotógrafos · 2026–hoje

Davions.

Fig. 05Arquitetura
  1. AppReact
  2. 10 Workers
  3. Supabase (RLS) · R2

Escrow BR no Asaas · livro-razão em SQL

Problema
Um SaaS de galerias para fotógrafos, nascido no Lovable, precisava ser re-hospedado e refatorado numa arquitetura própria.
O que fiz
Migrei e refatorei o app para 10 Cloudflare Workers com Supabase e RLS, e arquitetei o escrow com o Asaas: livro-razão em SQL e saque por PIX.
Stack
TypeScript · React · Cloudflare Workers · R2 · Supabase RLS · Asaas · Stripe Connect
IA
Em produçãoGeração de posts de blog, legendas e temas com Claude, via Cloudflare AI Gateway.
Resultado
Entregue em out/2026 · escrow em dark launch

03 / Como trabalho

Agentes escrevem o código. Eu respondo por ele.

Trabalho com agentes como quem conduz um time. Defino o contexto, a arquitetura e os critérios de aceite. Os agentes escrevem a maior parte do código. Eu leio, depuro, exijo a suite verde antes de todo commit e decido o que vai para produção.

Pipeline

  1. 01SpecO que é pronto, em critérios verificáveis.
  2. 02PlanoTarefas pequenas, arquivos e ordem.
  3. 03Subagentes em paraleloUma frente por worktree.
  4. 04RevisãoCode review e segunda opinião de outro modelo.
  5. 05TestesSuite verde antes de todo commit.
  6. 06PreviewVersão de preview antes do deploy.
  7. 07ProduçãoDeploy com rollback documentado.
3.1

Eu decido

  • Arquitetura e trade-offs
  • O que entra e o que fica de fora
  • Critérios de aceite
  • Onde não usar IA
  • O que vai para produção
3.2

Eu delego aos agentes

  • A escrita do código
  • Varreduras e migrações em massa
  • Primeiro rascunho dos testes
  • Pesquisa em docs e repositórios
Qualidade
CLAUDE.md por repositório · critérios de aceite · revisão · testes como gate de commit
Na prática
Na Tazz, agentes coordenadores tocaram um backlog de ~200 frentes do app novo em sessões paralelas, uma worktree cada, com revisão de outro modelo.
Este site
Foi refeito assim. A spec e o plano estão em docs/ no GitHub.Ver a spec

04 / Trajetória

Trajetória.

out 2025 – out 2026
AI EngineerCoppayCLT · remoto
nov 2022 – out 2025
Desenvolvedor de SoftwareSoftplanCLT · remoto
nov 2018 – out 2021
Desenvolvedor de SoftwareFAPAMCLT · híbrido
4.1

Formação

  • Sistemas de InformaçãoFAPAM · nov 2018 – dez 2020 · incompleto
4.2

Open source

05 / Contato

Vamos conversar.

Disponível · remoto · PJ, CLT ou contrato internacional

Agendar conversaBaixar CV (PDF)

Contatos

E-mail
everton.augustor@gmail.com
LinkedIn
linkedin.com/in/evertonresende
GitHub
github.com/evertonresende
WhatsApp
+55 37 99913-3556