Engenheiro de IA

Gabriel Chaves

Construo produtos com LLMs que chegam a produção — saída estruturada, streaming, retrieval — e cuido do caminho inteiro: interface, API, pipeline de dados e deploy no Google Cloud.

3 anos entregando software web em produção, agora focado em engenharia de IA. Python · TypeScript · GCP. Concluindo Tecnólogo em Análise e Desenvolvimento de Sistemas no IFSP (dez 2026); trilha Professional Machine Learning Engineer do Google Cloud concluída.

São Paulo, Brasil · Remoto · Aberto a vagas remotas de engenharia de IA — Brasil e exterior

Projetos

AutoApply

Código

Extensão de navegador que preenche formulários de candidatura via LLM — projetada para o modelo não poder inventar fatos sobre você.

  • Extensão para Chrome MV3 e Firefox que mapeia formulários de candidatura arbitrários para um perfil estruturado por meio de um LLM, sem adaptadores por site: o formulário é lido em busca de rótulos, opções e campos obrigatórios, e o modelo resolve o mapeamento.
  • Projetada contra a fabricação de informação: o LLM devolve um plano de preenchimento validado por schema, com um retry corretivo, antes de qualquer campo ser escrito; respostas dissertativas se ancoram no perfil e na vaga, e nenhum caminho de código envia o formulário.
  • Local-first, sem backend: chave de API e perfil ficam no armazenamento da extensão, o currículo em PDF é processado no navegador com pdf.js, e qualquer endpoint compatível com OpenAI funciona, inclusive um Ollama local.
  • CI no GitHub Actions com lint, checagem de tipos, suíte Vitest e os dois builds de navegador; ambiente de teste de ATS com seis páginas, containerizado e publicado no Cloud Run via Terraform.
  • TypeScript
  • Chrome MV3
  • Firefox
  • Vitest
  • Terraform
  • Cloud Run

InquilinoIA

Código

RAG com citações sobre a Lei do Inquilinato — cada afirmação verificada em código contra o texto da lei antes de aparecer.

  • Responde perguntas contra o texto integral da Lei 8.245/1991: cada afirmação precisa de citação verbatim do artigo, checada por substring normalizada em Python — não na palavra do modelo — ou a resposta é sinalizada.
  • Duas chamadas ao Gemini por design: uma faz streaming da resposta via SSE, outra com saída estruturada extrai pares {artigo, citação} para verificação — evitando o parse frágil de tags de citação dentro do stream de tokens.
  • A ingestão raspa o planalto.gov.br e remove as duas formas de tachado de emendas revogadas (tag HTML e CSS line-through) para que texto histórico nunca saia como lei vigente; a saída em chunks é versionada como seed reproduzível.
  • FastAPI + Vue 3 num único serviço Cloud Run, Supabase pgvector como store, Terraform para os recursos GCP e deploys sem chave via Workload Identity Federation.
  • Python
  • FastAPI
  • Vue 3
  • Gemini
  • pgvector
  • Terraform
  • Cloud Run

Obsidian Chatter

Código

Chat RAG privado sobre um vault Obsidian, com retrieval híbrido e write-back versionado em git.

  • Retrieval híbrido local — embeddings e5 mais BM25 — sobre as notas do vault, reindexado automaticamente após cada escrita.
  • O assistente grava conhecimento de volta no vault como notas PARA com wikilinks e frontmatter, e cada mudança é um commit git reversível.
  • Loop de agente com tool-use e skills SKILL.md sob demanda, busca web server-side do DeepSeek com citação de fontes obrigatória, e streaming SSE atrás de um serviço FastAPI.
  • Python
  • FastAPI
  • DeepSeek
  • e5 + BM25
  • SSE
  • Cloud Run

Mais projetos

Task Helper AI

CódigoAo vivo

Orquestrador de tarefas por voz sobre entrada multimodal do Gemini, com wake word offline via Vosk.

  • Gemini 2.5 Flash
  • Vosk
  • Docker
  • Cloud Run

bookcerto

Código

SaaS de agendamento multi-tenant: garantia de não-sobreposição no banco, jobs BullMQ, dashboard ao vivo via SSE.

  • Next.js 15
  • Postgres
  • Drizzle
  • BullMQ
  • Terraform

RAG-IC

Código

POC de iniciação científica: RAG totalmente local sobre documentação interna de EPI — indexação e busca nunca saem da máquina.

  • Python
  • Local embeddings
  • Ollama

VIRT-IC

Código

Observabilidade de rede entre containers: captura o mesmo pacote em vários pontos (host, bridge, namespaces) e reconstrói a conversa.

  • Python
  • Docker
  • Linux namespaces

Experiência

Engenheiro de Software (Freelance) · Independent / Freelance

jul 2026 – atual · Remoto

  • Reconstruindo o site institucional da Yank EPC, empresa de engenharia, suprimentos e construção, em Next.js — com visibilidade em buscadores, compatibilidade mobile e experiência do usuário como requisitos centrais.
  • Aplicando renderização no servidor e uma arquitetura de páginas estruturada para tornar o conteúdo de serviços e projetos indexável, com marcação semântica e metadados por rota.
  • Conduzindo sessões de levantamento de requisitos diretamente com o cliente para definir o conteúdo de produtos e serviços, em vez de construir sobre uma especificação pronta.

Engenheiro de Software / IA (Freelance) · Meet Oscar

fev 2025 – nov 2025 · Remoto

  • Desenvolvi um assistente de e-mail com IA integrando a API do Gmail a modelos Gemini e OpenAI, com categorização automática de mensagens e respostas em streaming em tempo real numa interface React própria.
  • Liderei a reescrita completa da plataforma legada em HTML/JS para React e Tailwind CSS, melhorando Core Web Vitals e a experiência de desenvolvimento.
  • Estabeleci a base de engenharia de frontend de uma startup que não tinha especialista na área: padrões de componentes, estrutura de diretórios e biblioteca acessível de componentes do Figma ao React.

Desenvolvedor de Software Júnior · Trular

set 2022 – dez 2024 · São Paulo, SP — Híbrido

  • Liderei a migração do motor principal de imóveis de Next.js para SvelteKit, otimizando renderização no servidor e melhorando a visibilidade orgânica em buscadores.
  • Construí crawlers em Python (Scrapy, BeautifulSoup) em instâncias cloud para agregar dados de anúncios em tempo real de múltiplas fontes, alimentando o banco central do produto com alta disponibilidade e consistência.
  • Introduzi a cultura de testes: testes unitários com Vitest, documentação de componentes no Storybook e cobertura ponta a ponta com Playwright.
  • Colaborei diariamente em inglês com stakeholders internacionais em revisões de arquitetura e planejamento técnico.

Skills

Engenharia de LLM

  • Prompt design
  • Structured output & intent parsing
  • RAG (retrieval-augmented generation)
  • LLM-based classification
  • Real-time streaming (SSE)
  • Multimodal audio input
  • Voice interfaces

Modelos e APIs

  • Gemini API
  • OpenAI API
  • DeepSeek API
  • TensorFlow

Linguagens

  • Python
  • TypeScript
  • JavaScript
  • SQL

Web

  • React
  • Next.js
  • SvelteKit
  • Tailwind CSS
  • Node.js
  • FastAPI
  • Flask

Cloud e DevOps

  • Google Cloud (Cloud Run, Cloud Build, Artifact Registry)
  • Docker
  • Terraform
  • GitHub Actions
  • CI/CD
  • Firebase

Dados e testes

  • PostgreSQL
  • pgvector
  • BigQuery
  • Scrapy
  • Vitest
  • Playwright
  • Storybook

Fundamentos de ML — cursos Google Cloud

Trilha Professional Machine Learning Engineer, 19 cursos Skills Boost (2025–2026).

  • MLOps & agent platforms
  • ML pipelines
  • Feature engineering
  • BigQuery ML
  • Model evaluation
  • Responsible AI

Contato

O caminho mais rápido é e-mail. Leio tudo.

gabriel.chaves.tech@gmail.com