BÔNUS — Construir seu próprio agente custom (do zero ao production)

Por que construir agente custom (vs usar templates) (4 min)

Você assistiu o curso inteiro. Implementou Marina (atendente), Carla (vendedor), Bruno (conteúdo). Mas talvez seu nicho específico exija agente CUSTOM com lógica única.

Quando construir custom:

• ▸Nicho ultra-específico sem template existente
• ▸Processo proprietário seu que ninguém replicaria
• ▸Quer vender o agente como produto pra outros (SaaS verticalizado)
• ▸Operação grande exigindo personalização total

Math comparativa:

• ▸Template adaptado: 4-8h de trabalho, funciona 70% pro seu caso
• ▸Agente custom: 40-80h de trabalho, funciona 95-100%
• ▸Compensa custom quando processo gera R$15k+/mês de receita derivada

Caso real: Mariana de Manaus (curso pra médicos). Construiu agente custom 'Diagnóstico Diferencial Assistente' pra residentes médicos. Vende como SaaS USD 47/mês. 280 assinantes em 8 meses = USD 13.160/mês = R$72k/mês. Margem 80% (APIs distribuídas).

Pré-requisitos técnicos (3 min)

Que você precisa antes de começar:

• ▸Conhecimento básico programação (Python OU JavaScript)
• ▸Conta Claude API com créditos USD 50+ pra testes
• ▸VPS Linux (Hostinger ou DigitalOcean) R$50/mês
• ▸Supabase conta (grátis serve)
• ▸Domínio próprio (SaaS precisa)
• ▸Stripe ou Hotmart pra cobrança recorrente

Se não tem programação: você pode trabalhar com dev freelancer (Workana/99freelas), R$80-200/h, 40-80h projeto = R$3.200-16.000 total. Vale se você tem ROI claro.

Arquitetura do agente custom (5 min)

Componentes obrigatórios:

1. Camada de entrada (input)

• ▸Webhook (recebe requisições)
• ▸API REST (cliente consome via integração)
• ▸Interface web (chat estilo ChatGPT)
• ▸WhatsApp Cloud API (canal BR)
• ▸Email parser (alternativa)

2. Camada de processamento (cérebro)

• ▸LLM principal: Claude 4.7 (Anthropic API)
• ▸Fallback: GPT-4o (OpenAI API) — caso Claude falhe
• ▸Embedding model: Claude embeddings ou OpenAI text-embedding-3
• ▸Lógica de roteamento (se intent X, faz Y)

3. Camada de memória

• ▸Vector DB: Supabase pgvector (BR-friendly + LGPD compliant)
• ▸Cache rápido: Redis (queries frequentes)
• ▸Long-term storage: PostgreSQL (histórico completo)

4. Camada de ferramentas (tool use)

• ▸Função A: busca conhecimento (RAG via pgvector)
• ▸Função B: chama API externa (Calendar, CRM, etc.)
• ▸Função C: executa cálculo (Python eval seguro)
• ▸Função D: gera código
• ▸Função E: análise visual (GPT-4o Vision)
• ▸Função personalizada N: específica do seu nicho

5. Camada de saída (output)

• ▸Resposta texto formatado
• ▸Imagens geradas (DALL-E ou Midjourney)
• ▸Vídeos (Heygen)
• ▸Áudio (ElevenLabs)
• ▸Documentos (PDF, Excel)

6. Camada de observabilidade

• ▸Logs detalhados (todas chamadas LLM, custos, latência)
• ▸Métricas (taxa erro, satisfação, performance)
• ▸Alertas Slack quando algo falha

Pipeline de desenvolvimento — passo a passo (8 min)

Semana 1 — Especificação + arquitetura

Documento de especificação (5-10 páginas):

• ▸Persona do usuário (quem usa)
• ▸Casos de uso (3-5 cenários principais)
• ▸Inputs esperados
• ▸Outputs esperados
• ▸Métricas de sucesso
• ▸Custo target por interação (R$0,05? R$0,30?)
• ▸Latência target (resposta em <5s?)
• ▸Limites de escopo (o que NÃO faz)

Diagrama de arquitetura no Excalidraw ou Whimsical.

Semana 2-3 — Setup ambiente

1. ▸VPS Hostinger ou DigitalOcean: Ubuntu 22.04, 4GB RAM mínimo
2. ▸Docker + Docker Compose pra orquestrar serviços
3. ▸Repo Git (GitHub privado)
4. ▸CI/CD básico (GitHub Actions deploy automático)
5. ▸Supabase projeto novo
6. ▸Stack base:

• ▸FastAPI (Python) OU Express (Node.js) — API HTTP
• ▸PostgreSQL (Supabase já oferece)
• ▸Redis (cache)
• ▸Nginx (proxy reverso)
• ▸SSL via Let's Encrypt

Semana 4-5 — Core do agente

Implementa em ordem:

Etapa 1: chat básico Claude (sem ferramentas)

• ▸Endpoint /chat recebe mensagem
• ▸Chama Claude API com system prompt
• ▸Retorna resposta
• ▸Testes unitários

Etapa 2: memória conversacional

• ▸Tabela 'conversations' Supabase
• ▸Endpoint /chat agora puxa últimas 10 msgs
• ▸Claude recebe contexto

Etapa 3: RAG (Retrieval Augmented Generation)

• ▸Tabela 'knowledge_base' com embeddings
• ▸Script ingestão de documentos
• ▸Endpoint /chat busca top 3 docs relevantes antes de chamar Claude

Etapa 4: tool use (function calling)

• ▸Define 5-10 tools que Claude pode chamar
• ▸Implementa execução de cada tool
• ▸Claude decide quando usar qual

Etapa 5: streaming responses

• ▸Resposta token-by-token (sensação de digitação)
• ▸Melhora UX significativamente

Semana 6-7 — Interface + integração

Etapa 6: interface web (chat)

• ▸React + Tailwind OU Next.js
• ▸Autenticação Supabase Auth
• ▸Chat UI estilo ChatGPT
• ▸Histórico de conversas

Etapa 7: integração canais BR

• ▸WhatsApp Cloud API (webhook + envio)
• ▸Email (SendGrid ou Mailgun)

Etapa 8: pagamento + acesso

• ▸Stripe Subscriptions OU Hotmart recorrente
• ▸Limite de uso por tier (free 10 msg/dia, pro 500, premium ilimitado)