Dia 2: Meu agente de IA escreveu sobre jogadores da NFL... para um produto de fotos de pets.

Ontem foi o Dia 1. Hoje, um usuário me mostrou o que meu agente de IA estava realmente postando para o seu produto de fotos de pets: "Building in Public: Dicas para Indie Makers" e "Leis de Privacidade que Todo Fundador Deve Conhecer". O produto dele transforma fotos de animais de estimação em retratos de guardiões de fantasia. A IA estava completamente fora de tópico.

Este é o tipo de bug que faz os usuários irem embora e nunca mais voltarem.

A Causa Raiz

Lá no fundo do prompt de geração de conteúdo, eu havia deixado fixo (hardcoded) a identidade do agente como um "especialista em redes sociais e indie maker que entende de indie hackers, fundadores e criadores de conteúdo". Cada exemplo no prompt era sobre startups, hacks de crescimento no Bluesky e engajamento no LinkedIn.

Não importava qual era o produto do usuário — um app de fotos de pets, um serviço de transfer de viagem, um blog de crescimento pessoal — a IA sempre gerava conteúdo para indie makers. O contexto do produto era injetado como algo secundário, enterrado sob 2000 tokens de exemplos de startups.

A correção: Reescrevi a identidade do agente de "guru genérico de redes sociais" para "especialista em marketing dedicado para {product_name}". Agora, a indústria e o público do produto são os drivers PRINCIPAIS do conteúdo. Se o seu produto é sobre pets, a IA fala sobre pets. Ponto final.

Antes vs. Depois

	Antes (Com erro)	Depois (Corrigido)
Guardião pet de IA (fotos de pets)	"Building in Public: Dicas para Indie Makers"	"Como reconhecer quando o medo repentino do escuro de um cão é, na verdade, uma mudança sensorial"
Agentfer (transfers de viagem)	Teria escrito sobre métricas de SaaS	Agora escreve sobre tópicos da indústria de viagens
BlogBurst (ferramenta de marketing)	"O interesse de busca por Maxx Crosby destaca marcas de atletas"	Deve escrever sobre ferramentas de marketing de IA

A parte embaraçosa: a própria conta do BlogBurst estava postando sobre jogadores da NFL. O agente de IA da minha ferramenta de marketing estava escrevendo sobre futebol americano em vez de marketing.

Mais Três Bugs Encontrados Hoje

1. Sistema de Metas Forçava 3 Postagens Por Dia

Os usuários definiam 1 post/dia durante o onboarding. Mas a meta criada automaticamente dizia "21 posts/semana". O código: max(posts_per_day, 3) * 7 — aquele max(..., 3) ignorava a escolha do usuário. Um usuário que queria 1 post/dia recebia 3. Todo santo dia.

2. Numeração de Threads em Postagens Únicas

Cada tweet começava com "1/" — notação de thread para uma postagem única. O prompt dizia explicitamente "NUNCA comece com 1/", mas a IA ignorava. Adicionei um pós-processamento para remover isso automaticamente.

3. Direção da Estratégia Não Exibida

O dashboard tinha uma linha de "Estratégia" que deveria mostrar o PORQUÊ de a IA ter criado o plano de conteúdo de hoje. Em vez disso, mostrava: "Carregadas 0 memórias de marketing". Os dados bons existiam no backend — eles apenas não estavam sendo salvos no campo certo ou lidos da fonte correta no frontend.

Números do Dia 2 (11 de março de 2026)

Usuários e Crescimento

• Total de usuários registrados: 63 (+4 hoje)
• Novos cadastros hoje: 4 (ontem: 1) — melhor dia até agora
• Usuários no piloto automático: 6 (eram 4 ontem)
• Destaque de novo usuário: Agentfer (serviços de transfer de viagem da Turquia) — cadastrou-se via Google e conectou o Twitter em poucos minutos
• Clientes pagantes: 0 (ainda pré-receita)

Atividade do Agente de IA

• Posts gerados: 21
• Posts publicados: 1
• Posts pendentes: 20
• Plataformas: Twitter (20 posts), Bluesky (1 post)
• Eventos de aprendizado processados: 205
• Novos insights gerados: 31
• Total de memórias de IA: 613 (eram 522 ontem)
• Erros do agente: 0

Código Enviado

• Arquivos modificados: 4 (assistant_service.py, auto_pilot.py, assistant.py, dashboard page.tsx)
• Correções de bugs: 5 (relevância de conteúdo, sobreposição de metas, numeração de threads, exibição de estratégia, persistência de product_thinking)
• Deploys: 6+ (API do backend, celery worker, frontend)
• Tempo de codificação humana: ~2 horas com Claude Code

O Que Eu Aprendi

Os bugs mais difíceis em produtos de IA não são travamentos ou erros — são falhas silenciosas de qualidade. O sistema funcionava perfeitamente do ponto de vista técnico: o conteúdo era gerado, os posts eram publicados, nenhum erro era disparado. Mas o conteúdo estava completamente errado para o produto do usuário.

Os usuários não enviam relatórios de bug dizendo "sua IA escreveu sobre o tópico errado". Eles simplesmente vão embora. É por isso que sou obsessivo em testar com produtos reais de diferentes indústrias, não apenas o meu.

Os 4 novos cadastros de hoje são encorajadores. Um deles (Agentfer) foi do cadastro à conexão do Twitter e ativação do piloto automático em menos de 10 minutos. O fluxo de onboarding está funcionando — agora preciso garantir que o conteúdo que eles recebem seja realmente bom.

Foco de Amanhã

• Rodar novamente o piloto automático do próprio BlogBurst com o novo prompt — nossa conta precisa parar de postar sobre jogadores da NFL
• Monitorar o primeiro conteúdo gerado automaticamente do Agentfer — o prompt da indústria de viagens funciona?
• Escrever um post no blog sobre a arquitetura do sistema de CMO Virtual

Dia 2 do log diário. O agente de IA ficou mais esperto hoje — ele aprendeu que um produto de pet deve postar sobre pets, não sobre cultura de startups. Às vezes, as coisas óbvias são as que quebram.