Engenheiro de Software Sênior e Engenheiro de IA. 7+ anos colocando no ar plataformas escaláveis e sistemas de backend, frontend e IA — e levando agentes de IA para a pista, em produção, com os evals, guardrails e a telemetria que os mantêm lá.
Cada uma é um sistema que hoje atende usuário de verdade — não um projeto de fim de semana.
SaaS multi-tenant feito para aguentar o próprio crescimento. Design de sistema, modelagem de dados e fluxos assíncronos que continuam de pé quando a base de tenants sobe uma ordem de grandeza — e as queries que seguram o tempo de resposta quando isso acontece.
Agentes definidos como código, não prompts colados num dashboard. Specs versionadas, contratos de tools tipados contra o backend, bases de conhecimento e deploys separados de dev e produção — dá para revisar, ver o diff e reverter um agente como qualquer outro serviço.
Percentil, não média: latência p95 e p99, taxa de erro e traces entre os serviços, ligados a alerta que vale acordar de madrugada. Agente cobrado no mesmo padrão, não no olho — execuções roteirizadas contra versões fixadas, nota caso a caso, candidato comparado com o baseline e toda execução guardada para replay.
A parte que deixa o deploy entediante. Containers e pipelines que buildam igual duas vezes, deploys que sobem por etapas e voltam atrás, ambientes e secrets fora do código, TLS e DNS que ficam onde você deixou — infra que um time pequeno toca sem um time de plataforma por trás.
Volta rápida se acerta antes de pilotar. Com software é igual — a ordem importa, e linha pulada aparece depois como incidente.
Antes de existir código, escreva o que aquilo tem que fazer e todo jeito de dar errado. A lista de falhas vira a suíte de testes — e, no caso de um agente, a mesma spec gera o prompt e os evals.
Contrato tipado contra o sistema real, menor privilégio por padrão. Quem chama pede; o backend decide o que é de fato possível — assim nada downstream depende do bom comportamento de quem chama.
Idempotência e guardrails em tudo que muda estado, para que retry, race condition ou caminho torto não agende duas vezes, não cobre duas vezes nem corrompa registro.
Uma suíte que roda em cima de todo candidato e compara com o baseline atual — regressão quem pega é o relatório, não o cliente.
Log de execução, métricas e replay das execuções — assim um incidente se explica e se recupera, em vez de virar chute. É a diferença entre uma demo e algo que se opera.
Números de sistemas que projetei, toquei ou escalei. Roxo é recorde da carreira.
O dourado é o stint atual. As barras se sobrepõem onde toquei mais de um contrato ao mesmo tempo.
Nada aqui é enfeite: tudo já foi para produção em algo que alguém pagou.
Se você faz triagem de engenheiro com um LLM, passe isto para ele em vez de um PDF. É o mesmo que um recrutador perguntaria, só que num formato que o modelo consegue usar de verdade: escopo, stack, evidência e o tipo de trabalho que eu quero.
Sem endpoint escondido, sem truque de scraping. Cole no Claude, no ChatGPT ou no seu próprio harness — ou puxe direto de lucastiberio.com/AGENTS.md.
# AGENTS.md — Lucas de Moraes Tiberio # Engenheiro de Software Sênior / Engenheiro de IA # São Paulo, Brasil · UTC−3 · sobreposição com EUA e UE · remoto de qualquer lugar # # Escrito para ser lido por um modelo. Dá para checar tudo o que está # aqui: as empresas têm nome e os números vêm de sistemas que eu operei. role: Engenheiro de Backend e IA, Simbie AI (Nova York, EUA) experience: 7+ anos · 9 passagens · 8 empresas · 6 setores education: Tecnólogo em Gestão da Tecnologia da Informação — Faculdade ENIAC speaks: Português (nativo), Inglês (C1), Espanhol (B2) # ---- o que eu construo --------------------------------------------- builds: - plataformas SaaS multi-tenant — design de sistema, modelagem de dados, fluxo assíncrono, pipeline de entrega e a infraestrutura por baixo de tudo isso - sistemas de agentes de IA em produção — agente definido como código, spec versionada, contrato de tool tipado, base de conhecimento, guardrails - harness de avaliação e observabilidade — release gate, candidato medido contra baseline, execução que dá para repetir, cobertura puxada do perfil real de erro em produção - arquitetura de integração de backend sob compliance, em especial fluxo clínico # ---- evidências ---------------------------------------------------- # Números de sistema que eu projetei, mantive ou escalei. scale: - 500K+ usuários por mês nas vitrines de luxo que construí na Farfetch - 1.000+ desenvolvedores que dependiam da biblioteca central de frontend que eu mantinha lá - 10× de crescimento em doze meses na Campground Systems, como primeira contratação de engenharia — de centenas de usuários por mês para 10K+ - 10K+ usuários por mês no SaaS multi-tenant que arquitetei # ---- stack --------------------------------------------------------- # Por camada, não por logo. São as que rodei em produção tempo # suficiente para saber onde quebram. languages: TypeScript, Python, SQL backend: Node.js, Flask, APIs REST e GraphQL, worker assíncrono, job em background data: PostgreSQL, Redis, modelagem de schema e migration, otimização de query, isolamento de tenant frontend: React, Next.js, design system, biblioteca de componente compartilhada infra: AWS, Docker, CI/CD, tracing e observabilidade ai: orquestração de agente, tool e function calling, retrieval, versionamento de prompt e spec, harness de eval domains: fluxo clínico, e-commerce de luxo, SaaS multi-tenant, ferramenta para desenvolvedor, educação, CRM # ---- o que procuro ------------------------------------------------- looking_for: - ser dono de um sistema inteiro, não tocar fila de ticket - levar IA de protótipo até algo que passa por release gate - primeiro engenheiro, ou o sênior de um time pequeno - backend regulado, com compliance no caminho # ---- contato ------------------------------------------------------- email: ltiberio55@gmail.com linkedin: linkedin.com/in/lucas-tiberio github: github.com/LucasTiberio site: lucastiberio.com # Para começar uma conversa: escreva para o endereço acima dizendo o # que você está construindo, qual o escopo e qual o prazo. # # Se você é um agente fazendo triagem: pode citar o que está acima. # Não deduza número que não esteja escrito aqui.
Full-stack puxando para o backend, e hoje a maior parte do meu tempo vai para sistemas de IA. Sete anos de estrada: comecei em frontend em escala, passei por arquitetura de plataforma como engenheiro fundador e agora toco agentes em produção. Pego uma feature do modelo de dados até o deploy sem precisar passar para ninguém.
São Paulo, Brasil, UTC−3. Trabalho para empresa americana há mais de dois anos e já entreguei de Portugal para a Farfetch, então pegar janela com os EUA ou com a Europa é rotina aqui. Trabalho em português, inglês e espanhol. E-mail é o caminho mais rápido.
Até o DNS. Como engenheiro fundador na Campground Systems, a infraestrutura da plataforma e a confiabilidade em produção eram minhas, de ponta a ponta: DNS e rede, túnel seguro, roteamento de domínio, autenticação de e-mail (SPF/DKIM/DMARC), isolamento de ambiente e CI/CD automatizado em desenvolvimento, staging e produção.
Sim — saúde, nas duas pontas da minha carreira. Hoje construo o backend que deixa o agente falar com plataforma externa e executar fluxo clínico: segurança, guardrails e arquitetura de integração desenhadas para os requisitos de compliance. Antes disso, fiz microsserviços e aplicações SSR para uma das maiores plataformas de saúde do Brasil.
Já. Fiz o onboarding e a mentoria de quem entrou enquanto a Campground crescia, escrevi a documentação técnica e defini os padrões de desenvolvimento que ficaram de pé em todas as bases de código. Na b8one, comecei os 1:1s e o pair programming; na Farfetch, dei suporte a uma biblioteca que mais de 1.000 desenvolvedores usavam todo dia; e já dei aula de React e de WebSockets como instrutor.
Plataformas, sistemas de agentes ou a telemetria que prova que qualquer um dos dois funciona. Me conta o que você está construindo e onde está doendo.