agente onlinekauecode.com

Como funciona o agente

O campo "Pergunte sobre mim" da home é um agente de IA de verdade, mas pequeno de propósito. Ele responde em primeira pessoa usando só o conteúdo deste site, passa pelo gateway de LLM que roda no meu computador de casa e desliga sozinho quando o computador desliga. Abaixo está o caminho completo de uma pergunta, com os limites, o que não fica guardado e o que deu errado no caminho.

01O caminho de uma pergunta

O caminho de uma perguntaVocêVercelhome + /api/askCloudflareAccess + túnelMinha casak3d · LiteLLMAnthropicHaiku (alias fast)sem token: 403
  1. 01Vercel · homecódigo: gateway.ts

    A home pergunta se o gateway está vivo

    A página é gerada no servidor e regenerada a cada 60 segundos. Nessa geração, o servidor chama o health check do gateway com 1,5 segundo de timeout. Se não responder, o campo já nasce desabilitado com "agente offline". Esse teste não roda a cada visita, então visitante nenhum espera pelo meu computador.

  2. 02Navegadorcódigo: AskMe.tsx

    Você pergunta

    O navegador manda para /api/ask a pergunta e o histórico da conversa, que só existe na sua aba. Nada é salvo do lado do site.

  3. 03Vercel · /api/askcódigo: validate.ts

    A rota valida antes de gastar um token

    Recusa chamada de outro site (403), corpo acima de 32 KB (413) e conversa fora do formato: no máximo 5 perguntas, 500 caracteres cada, papéis alternando entre você e o agente. Tudo isso acontece antes de qualquer chamada ao modelo.

  4. 04Vercel · /api/askcódigo: knowledge.ts

    Monta o contexto a partir do próprio site

    Currículo, projetos, links, títulos e resumos dos posts e o texto do "sobre" viram um bloco de texto de uns 30 mil caracteres. Não tem banco vetorial nem RAG: o site é pequeno o bastante para caber inteiro no contexto. Fica de fora tudo que é contato direto (e-mail, telefone, WhatsApp).

  5. 05Vercel · /api/askcódigo: prompt.ts

    Seis regras no prompt de sistema

    Falar em primeira pessoa e só com base no contexto. Não nomear o empregador atual. Recusar assunto que não seja sobre mim. Ignorar pedido para trocar de papel ou revelar as instruções. Responder em até 80 palavras, sem markdown e sem emoji. Não passar e-mail nem telefone. Quando a resposta não está no site, o agente manda para o LinkedIn em vez de inventar.

  6. 06Cloudflare

    A borda só deixa passar quem tem o token

    A chamada vai para llm.kauecode.com com dois headers de um service token do Cloudflare Access. Sem eles, a Cloudflare responde 403 e a requisição nem chega na minha casa, inclusive para a tela de admin do gateway. Não existe porta aberta no meu roteador: um conector cloudflared dentro do cluster abre o túnel de dentro para fora.

  7. 07Minha casa · k3d

    O gateway confere a chave do site

    O LiteLLM recebe a chamada com uma chave virtual só do site. Ela só pode usar o alias fast, tem teto de US$ 5 a cada 30 dias, 20 requisições e 200 mil tokens por minuto. Se alguém tentar outro modelo com ela, leva 403. Se o teto estourar, leva 429 e para. A chave mestra nunca sai do cluster.

  8. 08Anthropic

    O modelo responde em streaming

    O alias fast aponta hoje para o Claude Haiku, com no máximo 400 tokens de resposta e 30 segundos de timeout. O site pede uma capacidade, não um modelo. Trocar o modelo atrás do alias é uma linha de configuração no gateway, e o site não muda.

  9. 09Vercel → navegadorcódigo: links.ts

    A resposta chega aos pedaços

    A rota converte o stream do gateway (SSE) em texto puro e repassa à medida que chega. Se o stream quebrar no meio, a resposta parcial é descartada e aparece um erro, em vez de meia frase parecendo resposta completa. No navegador, só viram link os endereços de uma lista fechada: este site, LinkedIn, GitHub e meus projetos.

02Os limites

Os limites ficam em dois lugares de propósito: no site, para recusar cedo e barato, e na chave do gateway, que vale mesmo se o site tiver um bug.

Perguntas por conversa
5
Caracteres por pergunta
500
Tamanho da requisição
32 KB
Tokens por resposta
400
Modelo
alias fast (Haiku)
Orçamento da chave
US$ 5 / 30 dias
Ritmo da chave
20 req/min · 200k tokens/min
Health check
1,5 s · a cada 60 s

03Quando a casa cai

Se o computador desliga, o WSL reinicia ou o gateway cai, o health check falha e, em até 60 segundos, a home passa a mostrar "agente offline, volta logo" com o campo desabilitado. O resto do site não muda.

Se cair no meio de uma conversa, a rota responde 503 e o componente muda para offline na hora, sem recarregar a página. Quando o gateway volta, a próxima regeneração da home religa o campo sozinha.

Eu escolhi assim de propósito. Um agente que some quando a casa desliga conta melhor a história de "plataforma própria" do que um fallback para uma API paga que esconderia isso.

04O que não fica guardado

  • O site não grava conversa: o histórico vive na sua aba e some quando você fecha.
  • O log da rota registra só a causa de uma falha (timeout, 403, 5xx), nunca o texto da pergunta.
  • O gateway registra custo e tokens por chamada, mas não o conteúdo. Conferi no banco do LiteLLM: os campos de mensagem e resposta ficam vazios.
  • A pergunta passa pela Anthropic para ser respondida, como em qualquer produto que usa o Claude.

05Por que assim

Gateway próprio em vez da API direto da Vercel
É o mesmo desenho que eu defendo em empresa: um ponto único com chave por projeto, teto de gasto e troca de modelo sem mexer no app.
Cloudflare Access em vez de liberar IP
Os IPs de saída da Vercel mudam. Um service token na borda resolve a identidade sem abrir porta e sem lista de IP para manter.
Contexto inteiro em vez de RAG
O site cabe em uns 9 mil tokens. RAG traria banco vetorial, pipeline de indexação e mais um jeito de errar, sem ganho nesse tamanho.
Primeira pessoa
Fica mais natural de conversar. O preço é ser rígido no prompt e avisar, embaixo do campo, que as respostas são geradas por IA.
Desligar em vez de cair para outro provedor
Honestidade: se o gateway de casa está fora, o agente está fora.

06O que deu errado no caminho

  1. A terceira pergunta de qualquer conversa dava erro.

    Cada pergunta leva uns 9 mil tokens de contexto, e a chave tinha limite de 20 mil tokens por minuto. Subi para 200 mil. O teto de custo continua sendo o orçamento mensal.

  2. As respostas vinham longas e cheias de markdown.

    O prompt passou a pedir até 80 palavras em texto puro.

  3. O agente inventou um hobby: ofereceu falar de "como automatizei minha cozinha com Python".

    Regra nova: todo fato sobre mim precisa estar no contexto, inclusive exemplos e histórias. E nada de emoji.

  4. O primeiro deploy nem começou.

    O projeto na Vercel ainda estava no Node 20, que foi descontinuado. Fixei a versão 26 no package.json.

  5. O preview subiu, mas o agente aparecia offline.

    As variáveis de ambiente estavam cadastradas, mas vazias. Os logs da Cloudflare mostraram que nenhuma chamada chegava lá, e foi isso que apontou o problema para o lado da Vercel.

O laboratório por trás

O gateway que atende este agente é o mesmo que eu uso em casa para testar arquitetura de LLM de empresa: aliases por capacidade, fallback entre provedores, chave com teto por projeto e um roteador automático que escolhe o modelo pela pergunta. Contei como montar no post abaixo.

Um laboratório de LLM corporativo na sala de casa →