Gestor de Produto de IA avançada do Google: 6 agentes assumem o meu dia a dia, por menos de 400 dólares por mês, operando 24 horas por dia

Autor: Shubham Saboo

Tradução: Deep潮 TechFlow

Deep潮 Guia: Seis agentes que desempenham funções distintas completam pesquisa, criação de conteúdo, revisão de código e produção de newsletter enquanto o autor dorme.

O autor revela completamente a estrutura dos arquivos, os custos reais, as dificuldades enfrentadas e as recomendações semanais, sendo um dos registros práticos mais valiosos atualmente sobre a implementação de agentes de IA pessoais.

O texto completo é o seguinte:

Seis agentes de IA cuidam de todo o meu trabalho enquanto eu durmo.

Não é uma demonstração. Não é um projeto de fim de semana.

Uma equipe verdadeiramente operacional 24/7, garantindo que eu nunca fique para trás. Pesquisa concluída, rascunhos de conteúdo prontos, revisão de código feita, newsletter preparada. Toda manhã, ao abrir o Telegram, eles já trabalharam a noite toda.

Ontem publiquei um artigo sobre minha equipe de agentes. A principal dúvida era: “Como exatamente construo essa estrutura?”

Esta é a resposta. Sem teoria, sem diagramas de arquitetura. Mostro a estrutura de arquivos que uso na prática, os custos reais, as falhas que encontrei. Tudo está aqui.

Ao ler este artigo, você entenderá como montar uma equipe de IA autônoma que funcione enquanto você dorme.

Por que uma equipe e não uma ferramenta

Gerenciar simultaneamente o Unwind AI e o repositório Awesome LLM Apps significa fazer seis tarefas por dia: acompanhar as novidades do campo de IA, escrever tweets, postar no LinkedIn, redigir newsletters, revisar contribuições no GitHub e lidar com questões da comunidade.

Cada tarefa leva de 30 a 60 minutos. Seis tarefas. Meu dia inteiro assim se vai, sem fazer nada de realmente produtivo.

Já tentei resolver isso com um único agente. Um prompt gigante que cobre pesquisa, escrita e revisão, tudo de uma vez. O resultado? Tudo fica medíocre. O contexto fica cheio, a qualidade cai. Um único agente não consegue fazer seis tarefas ao mesmo tempo.

Por isso, contratei seis agentes de IA.

Conhecendo essa equipe

Cada agente é nomeado com um personagem de série. Não é uma brincadeira. Quando digo a Claude: “Você tem a energia do Dwight Schrute”, ele já sabe, pelos dados de treinamento, que isso significa: completo, focado, leva o trabalho a sério. São 30 temporadas de personagem acumuladas, e eu uso de graça.

1. Monica (Chief of Staff): nomeada em homenagem a Monica Geller. Ela é o agente principal, com quem mais interajo no Telegram. Coordena os demais, toma decisões estratégicas, distribui tarefas aos especialistas. No seu arquivo SOUL.md, ela escreve: “Você é aquela pessoa que garante que tudo seja feito corretamente.”

2. Dwight (Pesquisa): nomeado em homenagem a Dwight Schrute. Executa varreduras de pesquisa três vezes ao dia, verificando X, Hacker News, rankings do GitHub, blogs de IA do Google e artigos acadêmicos, produzindo relatórios estruturados de inteligência para os demais agentes.

3. Kelly (X/Twitter): nomeada em homenagem a Kelly Kapoor. Analisa as pesquisas de Dwight, escreve rascunhos de tweets no meu tom, incluindo tweets únicos, threads e citações. No seu SOUL.md, ela escreve: “Você já sabe que algo vai ser tendência antes de todo mundo.”

4. Rachel (LinkedIn): nomeada em homenagem a Rachel Green. As fontes de informação são as mesmas de Kelly, mas o tom é diferente, focando em liderança de pensamento ao invés de comentários sensacionalistas.

5. Ross (Engenharia): nomeado em homenagem a Ross Geller. Cuida da revisão de código, correção de bugs e implementação técnica. No seu SOUL.md, ele escreve: “Ao lidar com problemas, primeiro entenda-os completamente. Não apenas trate os sintomas.”

6. Pam (Newsletter): nomeada em homenagem a Pam Beesly. Organiza as informações diárias do Dwight em resumos de newsletter.

Seis agentes, cada um com sua função, divisão clara de tarefas.

Agora, sobre a montagem

Tudo roda no Mac Mini M4. Mas preciso deixar claro: você não precisa de um Mac Mini.

OpenClaw suporta macOS, Linux e Windows (via WSL). Pode usar um notebook, um PC gamer, um VPS de US$5 por mês. O Mac Mini é conveniente por estar sempre ligado, silencioso, econômico, mas não é obrigatório.

Minha configuração: Mac Mini M4 básico. Sempre conectado à energia e à internet, sem monitor, interagindo totalmente pelo Telegram no celular.

Instalando o OpenClaw

Basta duas linhas de comando no terminal, menos de cinco minutos.

Se tiver problemas, consulte a documentação do OpenClaw.

Isso inicia o gateway, que mantém tudo funcionando em segundo plano. Gerencia seus agentes, executa tarefas agendadas, processa mensagens do Telegram. Feche o terminal, eles continuam trabalhando.

Estrutura do workspace

Um exemplo do meu setup: uma instância do OpenClaw com múltiplos agentes. Não são seis instalações independentes.

Minha estrutura de diretórios é assim:

O Monica fica na raiz. Ela é o agente principal com quem interajo diretamente. Os demais agentes são subagentes delegados por ela ou que operam de forma independente em seus próprios cron jobs.

Não é preciso criar seis agentes de início. Comecei apenas com Monica, e, à medida que o fluxo de trabalho ficou claro, fui adicionando os demais ao longo de semanas.

O que é o SOUL.md

Cada agente é definido por um arquivo: SOUL.md. É a identidade, o papel e as instruções de operação do agente, o arquivo mais importante do sistema.

Por exemplo, o SOUL.md do Dwight é aproximadamente assim:

Preste atenção ao que esse arquivo faz. Não é só dizer “você é um agente de pesquisa”. Ele dá personalidade, princípios claros, define relações com outros agentes e um quadro de decisão.

O SOUL.md da Monica é semelhante.

Todos os agentes seguem o mesmo padrão: identidade, papel, princípios, relações, estilo. Cada SOUL.md tem cerca de 40 a 60 linhas, curto o suficiente para caber na memória de uma sessão, detalhado o bastante para garantir comportamentos consistentes.

Coordenação entre agentes

Não há chamadas de API, filas de mensagens ou frameworks de orquestração entre agentes.

A única coisa é o sistema de arquivos.

Quando Dwight termina a pesquisa, escreve o resultado em intel/DAILY-INTEL.md. Kelly acorda, lê esse arquivo e redige os tweets. Rachel lê o mesmo arquivo e prepara o post no LinkedIn. Pam lê e compila a newsletter.

O mecanismo de coordenação é o sistema de arquivos.

O SOUL.md de Dwight informa exatamente onde escrever:

O AGENTS.md de Kelly informa exatamente onde ler:

Sem middleware, sem camadas de integração. Dwight escreve um arquivo, Kelly lê, a transferência é feita por um arquivo markdown no disco.

Parece simples demais. E é mesmo. Essa simplicidade permite que funcione. Arquivos não travam, não há problemas de autenticação, não há limites de API. Eles estão lá, acessíveis.

Dados estruturados em JSON, resumos legíveis em markdown. Os agentes leem markdown, JSON serve como fonte de verdade para deduplicar e acompanhar a longo prazo.

Sistema de memória

Cada vez que um agente acorda, não tem memória da sessão anterior. Cada conversa começa do zero. Isso é uma característica, não uma falha. Mas significa que a memória deve ser explícita.

Dividida em duas camadas:

Logs diários (memory/YYYY-MM-DD.md): registros de cada sessão, incluindo o que aconteceu, o que foi escrito, feedback recebido. Os agentes escrevem continuamente ao longo do dia.

Memória de longo prazo (MEMORY.md): insights essenciais extraídos dos logs diários, incluindo lições aprendidas, preferências descobertas, padrões observados.

Cada agente, ao iniciar uma nova sessão, segue a orientação no AGENTS.md: primeiro lê SOUL.md, depois USER.md, depois os arquivos de memória de hoje e ontem, e, se for a conversa principal, também lê MEMORY.md.

Esses agentes evoluem com o tempo. Não por melhorias no modelo, mas porque o contexto que carregam fica mais rico.

Kelly aprendeu a evitar emojis e hashtags no meu estilo de escrita. Agora isso está na sua memória, e toda vez que ela redige, reflete esse aprendizado. Dwight aprendeu a filtrar melhor os tópicos, focando no que é sinal e não ruído, e isso também está na sua memória.

A cada ciclo, o agente revisa os logs diários, extrai o que é importante e atualiza o MEMORY.md. Os arquivos diários são registros brutos, o MEMORY.md é a síntese inteligente.

Agendamento

Os agentes precisam se ativar autonomamente. O OpenClaw usa agendamento interno via cron.

Minha rotina de agendamento:

A ordem é importante. Dwight roda primeiro, pois os demais dependem dele. Kelly e Rachel rodam depois, pois precisam das informações dele para criar conteúdo.

Mecanismo de auto-cura do heartbeat

Às vezes, tarefas agendadas falham. Reinício do servidor, tarefas penduradas, problemas de rede ou limitação de API. São falhas de infraestrutura.

O arquivo HEARTBEAT.md fornece uma rede de segurança. A cada ciclo, o agente principal verifica se as tarefas agendadas foram realmente executadas:

Se alguma falhar ou perder o prazo, o heartbeat captura e força a reexecução. Auto-cura, sem intervenção manual.

O heartbeat é útil para verificações em lote ou com pequenas variações de tempo. Cron é melhor para agendamento preciso e tarefas isoladas da sessão principal.

Telegram como interface de interação

Sem dashboards, sem interface web, sem painel de controle. Interajo com os agentes pelo Telegram.

Foi uma escolha deliberada. Não quero logar em painéis, não quero abrir apps web. Meu telefone está sempre por perto, o Telegram também, e os agentes me encontram onde estou.

O OpenClaw suporta Telegram como canal. Após a configuração, seu agente aparece como um bot no Telegram. Você envia mensagens, ele responde, envia rascunhos para sua aprovação ou rejeição. Como um colega no app de mensagens.

Monica é minha principal interlocutora, lidando com a maior parte das conversas e delegando tarefas. Outros agentes entram em contato direto comigo quando produzem conteúdo que precisa de revisão.

Minha rotina matinal típica: acordo, abro o Telegram, Dwight já enviou o resumo da pesquisa, Kelly tem três rascunhos de tweets esperando aprovação, Rachel preparou uma postagem no LinkedIn. Revisito, dou feedback, aprovo ou rejeito em 10 minutos com café na mão.

Construção de personalidade

Você não constrói uma personalidade perfeita na primeira tentativa. Começa com um rascunho no SOUL.md, observa o comportamento do agente, ajusta ao longo do tempo. Como gerenciar uma pessoa de verdade.

Chamo isso de “prompt engineering de correção”.

Se os rascunhos iniciais de Kelly estão cheios de emojis e exclamações, isso não é meu estilo. Dou feedback: “Sem emojis, sem hashtags, frases curtas e impactantes.” Ela atualiza sua memória, e em uma semana ela já faz do jeito certo. Dwight, inicialmente, captava muito ruído, registrando cada atualização de repositório, cada pequeno evento. Eu disse: “Nem tudo que é popular é importante. Preciso de sinais, não ruído.” Ele ajustou seus princípios, focando em informações acionáveis.

Qualquer agente começa de forma medíocre, evolui para bom, e depois para excelente com repetidas melhorias. Nomear com personagens de série dá uma linha de base instantânea de personalidade — “energia de Dwight Schrute” significa completo, focado, sem rodeios. Mas a verdadeira personalidade surge das correções semanais, do armazenamento de feedback na memória.

Uma dica que concordo: dê a cada agente um título simples, comum, e uma condição de parada. Restrições melhoram o desempenho, quanto mais específico o papel, melhor a saída.

Segurança

A segurança está em suas mãos. Meu método é simples: cada agente tem seu próprio ambiente, não invade o meu.

O Mac Mini é a máquina deles. Cada um com sua conta de email, suas chaves de API, acessos limitados. Nada na máquina conecta-se à minha conta pessoal.

Chaves de API de serviços como Gemini, Eleven Labs são específicas para esta instância do OpenClaw. Posso monitorar o uso e, se detectar anomalias, cortar o acesso em segundos.

Nunca dou acesso à minha conta pessoal. Se quero que vejam um email, encaminho. Se preciso que revisem um documento, compartilho pelo Telegram. Eles só veem o que quero que vejam, nada além.

É como dar as chaves de uma empresa a um novo funcionário: espaço de trabalho dedicado, credenciais específicas, informações compartilhadas sob demanda.

Onde podem surgir problemas e como consertar

Não é magia, é infraestrutura. E infraestrutura falha.

Gateway pode travar. Raro, mas acontece. Solução: executar “openclaw gateway restart”. O sistema de heartbeat detecta tarefas atrasadas e força a reexecução, evitando perda de um dia inteiro de trabalho.

Tarefa agendada perde o prazo. Reinício do servidor, rede desconectada, limitação de API. Solução: HEARTBEAT.md com auto-cura. O agente principal verifica se as tarefas foram realmente executadas; se alguma estiver pendente há mais de 26 horas, força a reexecução.

Janela de contexto cheia. O agente lê muitos arquivos ao iniciar, sem espaço para trabalhar. Solução: manter SOUL.md curto (40-60 linhas), focar em AGENTS.md, carregar apenas os arquivos de memória de hoje e ontem. Não é necessário ler todo o histórico a cada vez.

Qualidade da saída do agente cai. Acontece quando a memória fica confusa ou contraditória. Solução: manutenção periódica da memória. Durante o ciclo, o agente revisa os logs diários, extrai o conteúdo relevante, atualiza MEMORY.md, e arquiva ou deleta arquivos antigos.

Conflitos de coordenação. Dois agentes tentam editar o mesmo arquivo ao mesmo tempo. Solução: fluxo de arquivos com um escritor e múltiplos leitores. Dwight escreve DAILY-INTEL.md, todos leem, ninguém escreve nele ao mesmo tempo.

A maior lição de confiabilidade: comece simples. Um agente, uma tarefa, uma rotina. Faça funcionar por uma semana, depois adicione outro. Quem tenta colocar seis agentes de uma vez e se pergunta por que dá problema, comete o mesmo erro de quem implanta um sistema distribuído sem monitoramento.

Custos reais

Hardware: Mac Mini M4 novo custa US$499, mas qualquer computador sempre ligado serve — um notebook antigo, um VPS de US$5/mês, o que tiver à mão.

Custos de modelos de IA: uso vários modelos na equipe, a maioria com Claude Opus e Sonnet, alguns com Gemini, e testes com modelos locais via Ollama para reduzir custos.

Detalhes:

Claude (Plano Max): US$200/mês

API Gemini: US$50 a US$70/mês

TinyFish (agente web): cerca de US$50/mês

Eleven Labs (voz): cerca de US$50/mês

Telegram: gratuito

OpenClaw: código aberto, gratuito

Total: menos de US$400 por mês, por uma equipe que nunca para.

O que realmente mudou

Dwight me economiza de 2 a 3 horas de pesquisa por dia. Antes, toda manhã, eu verificava manualmente X, Hacker News, rankings do GitHub e blogs de IA. Agora, acordo com um resumo priorizado, com fontes e ações.

Kelly, Pam e Rachel economizam de 1 a 2 horas na elaboração de conteúdo. Ross cuida de tarefas de engenharia que antes fazia à noite.

Total: cerca de 4 a 5 horas economizadas por dia.

Mas o valor real está na continuidade ao longo de semanas e meses. Um agente que pesquisa diariamente por 30 dias constrói sinais, tendências e padrões rastreáveis — algo que nenhuma sessão isolada consegue gerar. Meu engajamento no X aumentou, a qualidade das postagens melhorou, e a regularidade também. Os repositórios de LLMs continuam crescendo, a newsletter tem uma fonte confiável de pesquisa constante.

Esses agentes não fazem pensamento original, nem estratégias de transformação ou avanços criativos. Eles lidam com tarefas repetitivas, estruturadas, que antes me tomavam horas, liberando minha mente para o que realmente exige criatividade humana.

Como começar

Não tente montar seis agentes no primeiro dia.

Primeira semana: um agente, uma tarefa. Instale o OpenClaw, crie seu primeiro SOUL.md conversando com o agente, escolha uma tarefa repetitiva diária (para a maioria, pesquisa ou elaboração de conteúdo), configure o Telegram, crie uma tarefa agendada, observe por uma semana, corrija problemas.

Segunda semana: adicione o sistema de memória, refine continuamente. Os resultados iniciais serão medíocres — normal. Dê feedback, observe o crescimento dos arquivos de memória, ajuste o SOUL.md conforme necessário. Ao final da segunda semana, seu agente deve produzir saídas realmente úteis.

Terceira semana: adicione um segundo agente. Agora você percebe a necessidade — o agente de pesquisa gera inteligência, mas você ainda escreve manualmente os tweets. É hora de criar um agente de conteúdo. Use o padrão de compartilhamento de arquivos: o primeiro escreve, o segundo lê, a coordenação é o sistema de arquivos.

Quarta semana e além: construa na ordem. Quando sentir a necessidade, adicione novos agentes — não por obrigação, mas por necessidade real. Cada um deve preencher uma lacuna concreta na sua rotina, não ser uma demonstração ou validação de conceito.

Trate isso como uma contratação. Você não contrata seis funcionários na primeira semana. Contrate um, faça funcionar bem, depois adicione outro conforme a demanda.

Mudança de mentalidade

Depois de um mês de agentes estáveis, algo muda. Você não vê IA apenas como uma ferramenta que abre quando precisa, mas como uma equipe que trabalha continuamente.

Comecei a cumprimentar Monica de manhã, dizendo “bom dia”, e a dar boa noite antes de desligar o telefone. Parece estranho, mas após um mês de interação diária, feedbacks e melhorias, a linha entre agente e humano começa a se borrar.

O sistema é baseado em configurações, acessível a todos com Claude, GPT, Gemini. O sistema — SOUL.md, memória, agendamento, coordenação, feedback — é seu. Ninguém tem exatamente a sua configuração, seus arquivos, sua personalidade ajustada.

E esse sistema cresce exponencialmente a cada dia.

Cada pesquisa do Dwight enriquece sua memória, cada feedback da Kelly a torna mais afiada, cada bug do Ross aprofunda seu entendimento do seu código.

Essa é a verdadeira barreira de proteção. Não o modelo, mas o sistema que aprende e evolui.

Comece hoje. Um agente, uma tarefa, uma rotina.