📍 Serra, ES — Brasil | 📩 wemerson.souza@giulia-ai.com | 🌐 giulia-ai.com · academy.giulia-ai.com | 💬 WhatsApp |
class WemersonGuilherme:
role = "Tech Lead & AI Engineer"
company = "GIULIA AI — Fundador"
location = "Serra, ES — Brasil 🇧🇷"
experience = "18+ anos em TI, Dados e IA"
focus = ["RAG", "AI Engineering", "Analytics", "EdTech"]
principle = "Sistemas que funcionam de verdade, não só em demo."
def what_i_build(self):
return [
"Ecossistemas de IA com governança real",
"Pipelines ETL/ELT escaláveis",
"Produtos educacionais com metodologia própria",
"Agentes autônomos que gerenciam seu próprio ciclo de vida"
]
60 dias. 9 projetos RAG. Do zero ao deploy em produção.
O GIULIA AI Engineering Ecosystem (GARE) é um framework completo de engenharia para sistemas de IA — 100% local, 100% privado, com governança automatizada pelo agente Antigravity.
| # | Projeto | Técnica | Stack Principal | Status |
|---|---|---|---|---|
| 01 | Vanilla RAG | Baseline RAG | LangChain · ChromaDB · Ollama · FastAPI · Streamlit | ✅ |
| 02 | Memory RAG | RAG + Memória Persistente | Redis · MMR Retrieval (k=5) | ✅ |
| 03 | Agentic RAG | ReAct + Tool Calling | LangChain Agents · DuckDuckGo · Numexpr | ✅ |
| 04 | Corrective RAG | CRAG + Self-Reflection | Auditor de Relevância · Auto-Query Reform | ✅ |
| 05 | Adaptive RAG | Roteamento Dinâmico | Intent Classification · PIIScrubber LGPD | ✅ |
| 06 | GraphRAG | Graph RAG + Cypher | Neo4j · LLMGraphTransformer | ✅ |
| 07 | Hybrid RAG | BM25 + Vector + RRF | rank_bm25 · sentence-transformers · RRF | ✅ |
| 08 | HyDE RAG | Hypothetical Doc Embeddings | HyDEEngine · ChromaDB · Ollama | ✅ |
| 09 | Deploy Cloud | Orquestração Docker | Docker Compose · gare-network bridge | ✅ |
| 🐍 Arquivos Python | 📝 Linhas de Código | 🧪 Arquivos de Teste | 📋 SDDs Completos |
|---|---|---|---|
| 69 | 4.331 | 9 | 9 |
| 📓 Sessões Documentadas | ⚙️ Scripts de Automação | 🔄 Boards Jira | ⏱️ Dias de Dev |
|---|---|---|---|
| 22 | 8 | 3 | 47 |
O Antigravity não apenas escreve código — ele opera o ciclo completo de desenvolvimento:
📖 Lê CONTEXTO_RLM → Sabe exatamente onde o projeto está
🎯 Cria ideia.md + spec → Planeja antes de codificar
🔄 Move cards no Jira → Backlog → In Progress → Done (automático)
🧪 Desenvolve com TDD → Red → Green → Refactor
✅ Valida o ecossistema → 6 regras de consistência entre 5 fontes
📝 Documenta tudo → walkthrough.md + Diário de Bordo
🚀 Commit semântico + push → Entrega rastreável e auditável
"🚀 Atualização Automática (Agente AI)" — comentário automático no Jira a cada entrega
Inspirado no streaming do GTA, o RLM (Recursive Language Model) organiza documentação em 5 camadas — permitindo que qualquer LLM retome o projeto sem perder contexto:
① CONTEXTO_RLM.md ← "Onde estou?" (30 segundos)
② DIARIO_DE_BORDO.md ← "O que já fizemos?"
③ MANUAL_DO_ECOSSISTEMA.md ← "Quais são as regras?"
④ .contexto_navegacao.md ← "Onde encontro X?"
⑤ governance/PRJ-XX/ ← Spec + plano do projeto ativo
Formação executiva em IA aplicada — para quem precisa de método, não só de prompts.
Curso principal: Auditoria 2.0
- 📚 40 horas · 5 dias intensivos · 15 entregáveis
- 🧩 Metodologia CTCF (Contexto · Tarefa · Critério · Formato)
- 📊 Caso prático financeiro real (Grupo Cavalcanti — 5 empresas, DRE, Balanço, DFC)
- 🎯 Público: auditores, controllers, analistas e gestores
| Princípio | Aplicação |
|---|---|
| ✅ Privacy-First | Ollama local. Zero chamadas a APIs pagas no pipeline core |
| ✅ Documentation as Code | Nenhum projeto inicia sem spec. Nenhum encerra sem walkthrough |
| ✅ Governance Native | Governança não é opcional — faz parte da arquitetura |
| ✅ TDD obrigatório | Red → Green → Refactor em todos os projetos formais |
| ✅ Clean Architecture | Frontend → API → Core. Nunca acoplados diretamente |
| ✅ Portfolio Native | Projetos nascem preparados para showcase público |
Aberto a posições remotas de Tech Lead ou Head de IA/Dados onde autonomia técnica e aprendizado contínuo façam parte da cultura.
Construído com engenharia real. Sem vibe coding.