Founder · AI-Native EngineeringAiuby — Engineering for an AI-Native World
Transformando conhecimento, contexto e decisões arquiteturais em uma base operacional compartilhada por engenheiros e agentes de IA.
Contexto
O projeto e o problema que ele resolve
A Aiuby nasceu de uma tese: a inteligência artificial não deve ser uma ferramenta externa ao desenvolvimento de software, e sim operar integrada ao conhecimento, às regras, à arquitetura e aos processos de engenharia da organização.
A proposta é instalar, junto ao repositório, uma camada versionada de engenharia AI-Native — contexto, regras, decisões, agentes e workflows — para que humanos e agentes trabalhem sobre a mesma base. Nas palavras do próprio posicionamento: “o problema não é ausência de IA; é ausência de engenharia preparada para IA”.
A iniciativa reúne o site e a plataforma de clientes da Aiuby, um framework de engenharia distribuído como CLI e o Aiuby Cortex, plataforma experimental de inteligência de engenharia conectada a repositórios Git.
Problemas de negócio e engenharia
- 01
Repositórios sem contexto estruturado
Agentes e novos engenheiros começam do zero a cada sessão porque o repositório não descreve a si mesmo.
- 02
Decisões dispersas
Escolhas de arquitetura vivem em conversas e memórias, não em artefatos versionados.
- 03
Padrões implícitos
Convenções que ninguém escreveu viram retrabalho em revisão — e são ignoradas por agentes.
- 04
Conhecimento concentrado
Poucas pessoas sabem por que o sistema é como é.
- 05
Agentes sem limites
Código gerado que não respeita fronteiras arquiteturais, isolamento de tenant ou regras de segurança.
- 06
Automação sem evidência
Pouca governança, revisão e observabilidade sobre o que a automação realmente fez.
Papel de Wendeel
Responsabilidades
Founder
Fundador da Aiuby, responsável pela visão e pela evolução arquitetural da iniciativa.
- Definição da tese AI-Native e do posicionamento da iniciativa.
- Arquitetura e decisões técnicas registradas em ADRs do Aiuby Cortex.
- Estrutura de contexto, regras, agentes e hooks adotada como padrão de engenharia (ADR-0004).
- Curadoria do framework de engenharia distribuído como CLI.
Visão arquitetural
Como o sistema se organiza
As seis camadas abaixo organizam a engenharia AI-Native proposta pela Aiuby. Cada nó mostra o estado real encontrado nos repositórios — não apenas a visão.
Repository Foundation
ImplementadoEstrutura do repositório e contratos de desenvolvimento legíveis por humanos e agentes.
- Arquivos de instrução de projeto (CLAUDE.md, AGENTS.md) e árvore de configuração versionada.
- Mapas de código para contexto estrutural.
- Oferecido como serviço de implantação (“Foundation”).
—
Modelo conceitual da iniciativa. Os status indicam o que foi verificado nos repositórios da Aiuby em outubro de 2026.
Componentes e integrações
aiuby.com — site e plataforma de clientes
Em produçãoSite institucional, plataforma autenticada de clientes e área administrativa: autenticação por magic link com tokens armazenados apenas como hash, RBAC, trilha de auditoria, captação e qualificação de leads, e-mail transacional e analytics condicionado a consentimento.
Framework de engenharia (CLI)
ImplementadoCatálogo versionado de agentes, skills, comandos e regras para instalar a camada AI-Native em repositórios. Publicado como release candidate; as contagens exibidas são lidas do repositório, não digitadas.
Aiuby Cortex
ExperimentalPlataforma de inteligência de engenharia: conexão com GitHub, GitLab e Bitbucket, análise de risco de PR com IA, métricas DORA, previsão de incidentes e busca semântica de código com embeddings. Em estágio experimental.
Cortex CLI e extensão para editor
RoadmapEspecificados na documentação do Cortex; ainda não implementados.
Decisões técnicas
Escolhas documentadas e seus custos
Multi-tenancy com Row-Level Security em schema único
O Cortex é multi-tenant. As opções eram banco por tenant, schema por tenant, schema único com RLS ou filtragem apenas na aplicação.
Schema único, com Row-Level Security como fronteira de isolamento entre workspaces.
- Onboarding de um tenant é um insert; migração, monitoramento e backup de um único schema.
- O isolamento vale mesmo quando o código da aplicação esquece de filtrar.
- Overhead de consulta em caminhos quentes.
- Erros de política são silenciosos (retornam vazio); o bypass por service role exige disciplina e justificativa.
Provedor de IA atrás de uma abstração compatível
Sete pontos de chamada a LLM — revisão de PR em streaming, respostas estruturadas, embeddings e relatórios — dependiam de um gateway de terceiros.
Usar um provedor amplamente auditado por padrão, isolado por uma interface compatível com OpenAI, e migrar para fora do gateway intermediário.
- Trocar de provedor vira mudança de configuração mais suíte de avaliação, não refatoração.
- Uma superfície de cobrança e respostas de limite e cota mapeadas em um único módulo.
- Dependência de um fornecedor principal até que a avaliação comparativa exista.
Engenharia AI-Native como processo, não como ferramenta
O time já usava agentes de código, mas o repositório não tinha instruções de projeto, regras formalizadas, agentes especializados nem hooks.
Adotar uma árvore versionada de contexto, regras, agentes, skills e hooks como parte do repositório.
- Agentes começam sessões com contexto de qualidade, reduzindo inconsistência e desperdício de tokens.
- Isolamento de tenant codificado em regras e skills fica mais difícil de violar por acidente.
- Hooks capturam uma classe de erros no momento da escrita.
- Cerca de 70 arquivos novos a manter junto com o código.
Infraestrutura própria em VPS com Supabase self-hosted
A arquitetura assumia Supabase gerenciado. Foram comparadas três opções de hospedagem, com pressão por residência de dados no Brasil e custo previsível.
Hospedar em VPS própria, com Supabase self-hosted via containers.
- Dados em infraestrutura controlada no Brasil; custo mensal previsível, sem cobrança por invocação.
- Extensões de Postgres livres (pgvector já em uso).
- Backup, atualização e disponibilidade passam a ser responsabilidade do time.
Nenhum número sem metodologia
Protótipos de interface traziam contagens e ganhos de velocidade sem amostra que os sustentasse.
Remover números agregados sem metodologia e derivar as contagens do framework diretamente do repositório.
- Credibilidade: tudo o que aparece pode ser verificado.
- Menos “prova social” imediata enquanto não existe amostra publicável.
Trade-offs e desafios
Do problema à abordagem
Um contexto para humanos e agentes
Documentação escrita para pessoas costuma ser ambígua para agentes — e vice-versa.
Separar instruções de projeto, regras normativas, mapas estruturais e decisões em artefatos com papel definido.
Capacidade com limites
Dar ferramentas úteis aos agentes sem abrir mão de isolamento de dados e revisão.
Regras e skills que codificam RLS e isolamento de tenant, mais hooks que bloqueiam padrões perigosos na escrita.
Conhecimento que não envelhece
Documentação que diverge do código perde valor rapidamente.
Conhecimento versionado no mesmo repositório e contagens derivadas do próprio código.
Tecnologias verificadas
Site e plataforma
- Next.js 15
- React 19
- TypeScript
- Prisma
- PostgreSQL 16
- Zod
- Resend
- Vitest
- Playwright
Cortex
- React 18
- Vite
- TanStack Query
- Supabase self-hosted
- Postgres + pgvector
- Deno edge functions
IA
- API compatível com OpenAI
- Embeddings para busca semântica
- Agentes e skills versionados
Operação
- Docker
- Caddy
- GitHub Actions (Cortex)
Resultados e evidências
Evidências verificáveis e indicadores
Verificável
- 9 decisões de arquitetura registradas como ADRs no Aiuby Cortex.
- Camada AI-Native versionada no repositório: 12 agentes, 14 skills, 5 hooks, 22 regras e 6 comandos.
- Site e plataforma de clientes em produção em aiuby.com, com testes unitários, de integração e end-to-end.
- Framework de engenharia publicado como release candidate, com licença e atribuição explícitas.
Indicadores
A Aiuby ainda não publica métricas de clientes — uma decisão explícita de não exibir números sem amostra e metodologia.
Aprendizados
O que este projeto ensina
- 01
Contexto é infraestrutura: se não está versionado, não existe para o agente.
- 02
Regras só funcionam quando aplicadas no momento da escrita — hooks valem mais do que lembretes.
- 03
Abstrair o provedor de IA é barato no início e caro depois.
- 04
Credibilidade técnica vem de números derivados do sistema, não digitados no marketing.