Eu construo os loops que tornam agents úteis.
Orquestração de agents, protocolos de avaliação, AEO e features de LLM em produção. Entregue em produção e medido em leaderboards públicos. As ferramentas open-source abaixo são a prova.
Sistemas de agents & orquestração
Swarms multi-agent sobre git worktrees isoladas, MCP servers que expõem o loop inteiro, roteamento role→model entre providers com adapters fail-closed.
prova · #1 no ECDSA.fail. Runtime da Bitte em produção, 2.85M+ mensagens de agents
Desenho de avaliação & benchmarks
Protocolos de avaliação anti-overfitting, Pareto frontiers entre objetivos concorrentes, keep/reject validity gating a cada iteração.
prova · #1 no leaderboard de QEC decoder do Optimization Arena
AEO / AI search
Answer Engine Optimization: robots policy para AI crawlers, llms.txt e exports estruturados. Eu escrevi a ferramenta que mede o que ChatGPT, Claude e Perplexity citam.
prova · criador do aeo.js + check.aeojs.org. 4.569 scans
Features de LLM em produção
Loops de agents com streaming, conversão OpenAPI→tool e agents on-chain que agem, não só conversam.
prova · ~20 primitivas on-chain em NEAR / EVM / SUI / Cardano
Open Source
Todas as AI tools →- Detecção de roubo de credenciais
- Análise de supply-chain
O stack de IA que eu realmente uso em produção.
- Orquestração de agents Swarms de race / consensus / pipeline sobre git worktrees isoladas: ralph-starter.
- MCP / tool use O MCP server do ralph-starter expõe o loop inteiro a qualquer cliente MCP.
- Evals & benchmarks Protocolos anti-overfitting e Pareto frontiers. O core loop do Autoresearcher.
- Multi-provider routing Roteamento role→model entre 7+ providers de LLM no harness do ECDSA.fail.
- Guardrails & spend gates Adapters fail-closed e budget gates em toda run autônoma.
- Streaming UX Loops de agents com streaming no runtime de produção da Bitte.
- Structured output / function calling Conversão OpenAPI→tool e manifests de function calling na Bitte.
- Memory Memória de agents com Zep / GraphRAG, productizada no Mirofi.sh.
- RAG Pipelines de GraphRAG dentro do motor de simulação multi-agent por trás do Mirofi.sh.
- Vector search & embeddings A camada de retrieval sob os stacks de memória e RAG acima.
- Context engineering Exports de llms.txt + ai-index.json pra LLMs lerem um site direito. No aeo.js.
- Fine-tuning vs prompting Loops de prompt + eval em vez de fine-tunes. A aposta por trás dos dois #1.
Ralph Starter
Specs viram código. A IA cuida do resto.
Uma plataforma open-source de orquestração de código com IA. O modo swarm multi-agent roda estratégias de race, consensus ou pipeline sobre git worktrees isoladas; um MCP server expõe o loop inteiro para qualquer cliente MCP; e um pipeline de validação visual Figma→code fecha o loop de design. 100+ downloads diários no npm.
- Swarms multi-agent: race · consensus · pipeline sobre git worktrees isoladas
- MCP server: o loop completo de orquestração exposto a qualquer cliente MCP
- Pipeline de validação visual Figma→code
- 5 fontes de spec: OpenSpec · Figma · GitHub · Linear · Notion
- Roda testes, lint e build sozinho, captura erros shift-left
- 100+ downloads diários no npm
Autoresearcher
Loops de pesquisa general-purpose.
Um CLI de pesquisa autônoma guiado por benchmark. Co-evolução multi-agent: populações divergentes de agents exploram em git worktrees isoladas, os campeões fazem merge de volta, e uma Pareto frontier acompanha os melhores candidatos, com keep/reject validity gating a cada iteração. Usado internamente na MultiVM Labs para benchmarks de criptografia pós-quântica, smart wallets e chain-level, mas propositalmente general-purpose.
- Co-evolução multi-agent: populações divergentes em git worktrees, merge dos campeões
- Pareto frontier: melhores candidatos acompanhados entre objetivos concorrentes
- Keep/reject validity gating por métrica de benchmark
- Relatório final em Markdown + audit log JSONL por run
- Componível com qualquer benchmark expressável como shell command
AEO.js
Answer Engine Optimization para a web moderna.
Um framework open-source de Answer Engine Optimization. Analisa sua robots policy para AI crawlers e gera exports prontos pra LLM (llms.txt, ai-index.json) para que ChatGPT, Claude, Perplexity e qualquer LLM descubra e cite seu site. Grátis, sem cadastro, 100+ downloads diários no npm.
- Análise de robots policy p/ AI crawlers: quem vê o quê, e por quê
- Exports prontos p/ LLM: llms.txt · ai-index.json · Markdown por página
- Plugins first-class: Astro · Next.js · Vite · Nuxt · Angular · Webpack
- Modo CLI standalone
- Widget humano/IA drop-in
- 100+ downloads diários no npm
A frota de agentes
O lado de produção desse trabalho: na Bitte eu desenhei o padrão de agent e o runtime. Um spec OpenAPI vira um agent com tool calling e assinatura de carteira no chat. Depois entreguei agents chain-specific em cima dele que fazem swap, stake, apostam e lançam tokens de verdade.
Eu construí a camada de AEO. Agora rodo ela como serviço.
Eu sou o criador do aeo.js (100+ downloads diários no npm) e do check.aeojs.org (2.259 sites únicos escaneados). Eu sei exatamente o que faz ChatGPT, Claude e Perplexity citarem um site, porque escrevi a ferramenta que mede isso.
AEO
Um projeto de escopo fechado: eu audito seu site contra os answer engines, entrego as correções de structured-data / llms.txt / camada de conteúdo e te devolvo um relatório de antes/depois do check.aeojs.org.
Relatório antes / depois
Pontuado na mesma rubrica que meu scanner usa
Você recebe o scan inicial, o diff entregue e o re-scan. A melhora no seu score de AI search é medida, não afirmada.
Conserte seu score de AI search
Vagas limitadas. O trabalho é mão na massa, não delegado.
O ecossistema em volta das ferramentas.
Templates, trackers de ideias, awesome-lists curadas e pacotes compartilhados de criptografia.
SaaS hospedado, productizado a partir de um motor open-source de simulação social multi-agent (GraphRAG/Zep, OASIS). Auth, storage Supabase, deploy Railway/Vercel, plataforma web.
mirofi.shCinco chain agents em produção, autor único: assistente Solana, Aerodrome (Base, ~25 tools), Morpho (Ethereum), meme.cooking (NEAR), explorer Sui.
github.com/bitteprotocolTemplates de projeto prontos pra uso, consumidos pelo ralph-starter.
github.com/multivmlabs/ralph-templatesRoadmap público e changelog do ecossistema Ralph.
github.com/multivmlabs/ralph-ideasLinks curados do ecossistema Ralph.
github.com/multivmlabs/awesome-ralphTooling de criptografia pós-quântica para Rust e TypeScript: ML-KEM, ML-DSA, SLH-DSA, Falcon.
github.com/multivmlabs/post-quantum-packagesQuer integrar uma dessas na sua stack?
Bora conversar. São open source, mas eu costumo ajudar times a adotar.