// dynaum.blog · notes on building with AI
Building things with AI,
written down.
Field notes from shipping software and games where the model is a real collaborator, not a demo reel. The specs, the decisions, and what actually held up.
Ela Me Deu um Formulário de Papel. Eu Criei um App.Uma médica me pediu para anotar minha pressão arterial no papel por algumas semanas. Eu criei o app em vez disso. Levou uma tarde, e ele faz o único trabalho que o papel tinha, melhor.
ler →
-
O Treinamento Acaba Antes de Você Chegar
O modelo nunca aprende com suas conversas. Ele chegou pronto. O que parece aprendizado dentro de uma sessão é contexto, e morre quando você fecha a aba.
-
O Modelo de Ponta Está Superqualificado
A maior parte da sua conta de tokens vai para resumos, etiquetas e roteamento, tudo cobrado a preço de gênio. Modelos de pesos abertos fazem a camada barata por centavos.
-
Pague o Imposto de Setup Uma Vez
O modelo esquece seu repositório a cada sessão, então alguém re-ensina os mesmos fatos para sempre. Um CLAUDE.md versionado e em camadas é como o repositório instrui o modelo para o time inteiro e para toda sessão que vier depois.
-
Stratify: O Tamanho do Que Uma Pessoa Entrega Hoje
Um motor de análise estática poliglota. Cinco linguagens e seis análises sobre um único modelo, chegando ao seu terminal, CI, editor, agente de IA e dashboards. Construí sozinho, com o loop guiado por spec. A manchete não é a ferramenta. É o quão pouco custou.
-
Não Faça o Modelo Executar uma Etapa de Build
Um agente gasta os primeiros minutos de cada sessão reconstruindo um mapa do seu código. Um script já tem esse mapa. O modelo deveria ler os fatos, não redescobri-los.
-
Conduit: O Encanamento Que Todo Time de RAG Reconstrói
Uma aplicação de RAG é 20 por cento lógica de retrieval e 80 por cento encanamento de dados, e todo time reconstrói os mesmos 80 por cento do zero. Eu construí um motor open source que cuida disso. Hoje ele é público.
