Estudos de caso, notas de sistema e encaixe de vaga organizados na mesma superfície editorial.
Savio Filho / Portfólio / 2026
Engenheiro de produto backend no Brasil
Eu construo sistemas de produto com caminhos de aprovação, operação previsível e prova técnica visível.
O trabalho aqui gira em torno de camadas de confiança, isolamento entre tenants, ciclos de webhook, pipelines de upload, estados de cobrança, limites de custo para IA e documentação que mantém esses sistemas compreensíveis depois do lançamento.
Comece por aqui
Leia este portfólio como um dossier operacional.
O caminho mais rápido não é cronológico. Comece pelos sistemas, depois olhe as notas por trás das decisões e termine no resumo técnico e de disponibilidade.
01
Inspecione os sistemas
Abrir projetos02Comece pelos repos públicos e depois compare com os casos privados que explicam fluxos e fronteiras mais profundas.
Leia as notas operacionais
Ver textos03Depois entre nas notas curtas sobre billing, visibilidade de filas, contratos de API e guardrails de IA.
Feche no encaixe da vaga
Abrir resumoTermine com foco, stack, disponibilidade e a camada de contato que conecta o site de volta ao GitHub.
Lógica de leitura
Como esta superfície é curada
- Repos públicos só continuam visíveis quando README, setup e evidência técnica se sustentam em inspeção real.
- Estudos de caso privados ainda precisam explicar fluxo, limites do sistema e impacto operacional de forma útil.
- Os textos continuam curtos e concretos para o site parecer documentação de campo, não conteúdo genérico.
Runbooks, checklists de QA e notas de arquitetura ficam visíveis.
Repositórios públicos vêm com testes, build e trade-offs explícitos.
Sistemas privados ainda mostram fluxo, restrições e trilha de decisão.
Por que este site existe
Isto é um dossier de campo, não uma parede de screenshots.
O GitHub é onde eu guardo o código. Este site é onde eu explico o que o sistema faz, onde ele pode quebrar e por que as decisões importam quando outra pessoa precisa manter ou operar o projeto.
Princípios de operação
01
Fluxos de aprovação e execução que tornam ações com IA mais seguras.
02
Sistemas com billing, auth e filas que continuam saudáveis depois do dia um.
03
Escrita de portfólio que mostra restrições, falhas prováveis e detalhes para operadores.
Projetos selecionados
Sistemas principais com limites técnicos claros
01
OnboardPulse
Um SaaS multi-tenant de onboarding com billing, automação de follow-up, storage controlado e documentação operacional.
Este projeto mostra trabalho além de CRUD: isolamento entre tenants, orçamento de IA, webhooks de cobrança, política de storage e follow-ups via cron.
02
MailSieve
Uma API enxuta de risco para signup com contrato OpenAPI, fluxo de chaves, rate limits e scripts de verificação de deploy.
MailSieve é um bom exemplo de produto API pequeno em que clareza de contrato, scripts operacionais e prontidão para monetização importam mais que volume de features.
03
Neural Network From Scratch
Uma implementação educacional de rede neural com avaliação determinística, logs, testes e pipeline reproduzível.
Ele continua público porque mostra disciplina de engenharia dentro de um projeto de estudo: avaliação reproduzível, smoke checks e documentação estruturada.
Projetos privados, ainda legíveis
O código pode ser privado. O raciocínio do sistema não.
Os projetos privados aqui continuam mostrando limites de fluxo, restrições operacionais e trade-offs reais. VOWGRID, AcessoQR e ORCEI ainda ajudam a explicar como eu penso mesmo com o código fechado.
VOWGRID
O sinal central não é só orquestrar IA. É a camada de confiança antes da execução: propor, simular, avaliar, aprovar, executar, gerar recibo e expor rollback.
AcessoQR
Este é o projeto privado com ângulo público mais forte: checklists ponderados, captura de evidência, moderação e uma camada pública de certificação.
ORCEI
O sinal mais forte aqui é desenho de workflow de produto: orçamentos, links públicos, UX mobile-first e IA assistindo um fluxo real de negócio.
Superfície pública no GitHub
Os repositórios públicos carregam a primeira prova. Os casos privados carregam a história mais profunda do sistema.
Eu mantenho o lado público enxuto de propósito. Cada repo precisa ter prova executável, docs limpas e um sinal técnico ou de produto crível antes de continuar visível.
OnboardPulse
Este projeto mostra trabalho além de CRUD: isolamento entre tenants, orçamento de IA, webhooks de cobrança, política de storage e follow-ups via cron.
MailSieve
MailSieve é um bom exemplo de produto API pequeno em que clareza de contrato, scripts operacionais e prontidão para monetização importam mais que volume de features.
Neural Network From Scratch
Ele continua público porque mostra disciplina de engenharia dentro de um projeto de estudo: avaliação reproduzível, smoke checks e documentação estruturada.
Textos
Notas curtas escritas como relatórios de engenharia.
A área de escrita agora fica organizada pelos limites de sistema que mais importam para mim: guardrails de IA, operação SaaS, contratos de backend e notas de construção.
Mapa operacional
Os sistemas que eu quero que um recrutador entenda primeiro
VOWGRID
VOWGRID agora aparece como estudo de caso privado com foco em simulação, avaliação de política, aprovações, comprovantes de execução e visibilidade de rollback.
01Propor
02Simular
03Aprovar / executar
OnboardPulse
OnboardPulse mostra isolamento entre tenants, cobrança, jobs de follow-up, uploads e limites de custo para IA.
01Tenant
02Cobrança
03Follow-up
MailSieve
MailSieve e os textos de apoio mostram como produtos pequenos ainda precisam de contrato, verificação e disciplina operacional.
01OpenAPI
02Auth / limite
03Validar deploy
Neural Network From Scratch
O repositório de rede neural continua visível porque mostra avaliação determinística, logs, testes e um pipeline de estudo reproduzível.
01Normalizar
02Treinar
03Avaliar / logar