Artigos e projetos sobre LLMs em produção: RAG, agentes, avaliação, latência e custo, a partir de sistemas reais.https://josehernane.dev/pt-BRhttps://josehernane.dev/blog/medir-qualidade-latencia-custo/https://josehernane.dev/blog/medir-qualidade-latencia-custo/Por que um eval de 100 exemplos não prova nada, por que a cauda de latência de um agente é pior do que parece, e por que custo por token é a métrica errada.Tue, 08 Sep 2026 15:00:00 GMTAgentes em produçãohttps://josehernane.dev/blog/observabilidade-agentes-producao/https://josehernane.dev/blog/observabilidade-agentes-producao/Health check não é observabilidade. O padrão OpenTelemetry para GenAI, os limites documentados do LLM como juiz, e o que realmente uso para saber por que um agente errou.Tue, 08 Sep 2026 15:00:00 GMTAgentes em produçãohttps://josehernane.dev/blog/rag-cag-ou-arquitetura-hibrida/https://josehernane.dev/blog/rag-cag-ou-arquitetura-hibrida/O paper que propôs abandonar RAG em favor de cache de contexto, os números reais que ele reporta, e a conta que decide quando cachear a base inteira compensa.Tue, 08 Sep 2026 15:00:00 GMTRAG e contextohttps://josehernane.dev/blog/antes-do-prompt-tokenizadores-llms-rust/https://josehernane.dev/blog/antes-do-prompt-tokenizadores-llms-rust/BPE, WordPiece, SentencePiece-BPE e Unigram implementados do zero, com a matemática de cada critério de seleção e um benchmark controlado de tempo e compressão.Tue, 26 May 2026 15:00:00 GMTFundamentos de LLMhttps://josehernane.dev/blog/rinha-backend-2026-rust-ia-engenharia/https://josehernane.dev/blog/rinha-backend-2026-rust-ia-engenharia/Como construí uma API de detecção de fraude sob 1 CPU e 350 MB, equilibrando k-NN, latência p99, precisão e uso disciplinado de IA durante o desenvolvimento.Mon, 25 May 2026 15:00:00 GMTBackend e performance