Preparando-se para mudar de carreira e se tornar engenheiro de IA, a maioria dos materiais de aprendizado encontrados online são tutoriais dispersos ou hidrologia gerada por IA, o que dificulta encontrar orientações sistemáticas. Por acaso encontrei o AI Engineering Field Guide no GitHub, um projeto open-source baseado em 1.765 descrições reais de cargos e experiências reais de entrevistas, que é orientado por dados e muito prático. O autor analisa requisitos de funções, requisitos de habilidades, processos de entrevista, casos reais, etc., e também oferece caminhos de aprendizagem transformadora para engenheiros com diferentes formações, como dados, back-end e front-end. GitHub: O conteúdo cobre posicionamento de funções e análise de habilidades, um guia completo de preparação para entrevistas, uma coleção selecionada de recursos de aprendizagem em engenharia de IA, além de dados reais do mercado de trabalho e casos de projetos. Também inclui processos reais de entrevista e compartilhamento de experiências de 51 empresas como OpenAI, Anthropic, Google, Meta, etc., além de 17 estudos de caso reais para empregos reais. Se você está pensando em se tornar um engenheiro de IA ou quer entender sistematicamente qual é a função, este guia vale a pena ser colecionado.

A lista de Tending do GitHub de hoje é o projeto open source Hermes Agent, que é bastante interessante. Um agente de IA com um ciclo de aprendizado completo embutido que evolui e cresce conosco. Ele cria habilidades automaticamente a partir do uso real, se aprimora conforme as realiza e se lembra proativamente de lembrar informações importantes. Você pode até buscar conversas históricas e acumular entendimento sobre você ao longo das conversas, o que significa que quanto mais você usa, mais eles te entendem. GitHub: Além disso, há um agendador de tarefas agendadas embutido que permite configurar relatórios diários, backups regulares e outras tarefas automatizadas em linguagem natural. Também oferece uma interface completa de terminal que suporta edição multi-linha, autocompletamento de comandos, histórico de sessões e outras funções. Se você quer um assistente pessoal de IA com memória e crescimento acompanhante, este projeto pode ser implementado e experimentado.

Gerencie vários agentes de IA e veja o que eles estão fazendo, conversas, progresso das tarefas e até custos em tempo real. No entanto, as ferramentas existentes são fragmentadas ou requerem chaves adicionais de API, o que pode ser complicado. Encontrei o ClawPort, um projeto open-source dedicado à equipe de agentes de IA do OpenClaw, com um centro de comando visual que gerencia todos os agentes por meio de uma única interface. Basta conectar-se ao gateway local do OpenClaw para obter organogramas, conversas com agentes, quadros Kanban, monitoramento de tarefas agendadas, acompanhamento de custos, fluxos de log em tempo real e navegadores de memória. GitHub: Oferece organogramas interativos, suporta chat de texto em streaming, reconhecimento visual de anexos de imagens e reprodução de formas de onda de mensagens de voz. Há também uma alocação Kanban de arrastar e soltar, monitoramento em tempo real do status de tarefas agendadas e um painel de uso de tokens e análise de custos, incluindo gráficos diários de custos, detecção de anomalias e tendências semanal. Descobre automaticamente agentes nos workspaces do OpenClaw, não são necessários arquivos de configuração, cinco trocas de tema e início rápido com instalação global do npm.