Estou a preparar-me para mudar de carreira e tornar-me engenheiro de AI. A maioria dos materiais de aprendizagem que encontrei online são tutoriais dispersos ou textos gerados por AI, tornando difícil encontrar uma orientação sistemática. Por acaso, descobri no GitHub o projeto open source AI Engineering Field Guide, que foi elaborado com base em 1765 descrições de cargos reais e experiências de entrevistas, sendo orientado por dados e muito prático. O autor analisou os requisitos dos cargos, as competências necessárias, os processos de entrevista, casos reais, entre outros, e também fornece caminhos de aprendizagem para engenheiros de diferentes áreas, como dados, backend e frontend. GitHub: O conteúdo abrange a definição de papéis e análise de competências, um guia completo de preparação para entrevistas, uma coleção de recursos de aprendizagem em engenharia de AI selecionados, bem como dados reais do mercado de trabalho e casos de projetos. Inclui também os processos de entrevista e partilhas de experiências de 51 empresas, como OpenAI, Anthropic, Google e Meta, além de 17 análises de casos de trabalhos práticos.

Hoje, o projeto open source Hermes Agent está no topo do ranking do GitHub, bastante interessante. Um agente de IA que possui um mecanismo completo de ciclo de aprendizado embutido, capaz de se auto-evoluir e crescer junto conosco. Ele cria habilidades automaticamente a partir do uso real, melhora-se durante a execução e se lembra ativamente de informações importantes. Além disso, pode acumular sua compreensão de você a partir do histórico de conversas e entre sessões, ou seja, quanto mais você usa, mais ele entende você. GitHub: Além disso, possui um agendador de tarefas embutido, que permite configurar tarefas automatizadas como relatórios diários e backups regulares em linguagem natural. Ao mesmo tempo, oferece uma interface de terminal completa, suportando edição de múltiplas linhas, autocompletar comandos, histórico de sessões e outras funcionalidades. Se você deseja um assistente pessoal de IA que tenha memória e cresça junto com você, este projeto pode ser implantado para uma experiência.

Gerir múltiplos agentes AI, querer ver em tempo real o que estão a fazer, registos de chat, progresso das tarefas e até despesas de custos. Mas as ferramentas existentes ou têm funcionalidades dispersas ou requerem configuração adicional de chaves de API, o que é bastante complicado. Por acaso, vi o ClawPort, este projeto open source, um centro de comando visual criado especificamente para equipas de agentes AI OpenClaw, gerindo todos os agentes a partir de uma única interface. Basta conectar ao gateway local OpenClaw para obter um organograma, conversas dos agentes, painéis, monitorização de tarefas agendadas, rastreamento de custos, fluxo de logs em tempo real e um navegador de memória. GitHub: Oferece um organograma interativo, suporta chat de texto em fluxo, reconhecimento visual de anexos de imagem e reprodução de forma de onda de mensagens de voz. Além disso, há um painel de tarefas com arrastar e soltar para atribuição, monitorização do estado em tempo real de tarefas agendadas, e um painel de análise de uso de tokens e custos, incluindo gráficos de custos diários, deteção de anomalias e tendências semanais. Descoberta automática de agentes no espaço de trabalho OpenClaw, sem necessidade de ficheiros de configuração, oferecendo cinco temas diferentes, podendo ser rapidamente iniciado através da instalação global via npm.