Engenheiro de software para sistemas de produto backend, SaaS e IA aplicada.

Meu melhor encaixe está em produtos que precisam de backend claro, operação previsível, contratos confiáveis e documentação que continue útil depois da primeira release.

Eu sou mais útil em sistemas que não vivem só do caminho feliz: billing, auth, filas, uploads, isolamento entre tenants, trilhas de aprovação e features com IA que precisam de limite de custo e guardrails legíveis. Também me importo com a superfície do repositório, com a qualidade do handoff e com a parte chata que ajuda outro engenheiro ou operador a entender o produto rápido.

Ver estudos de caso Abrir GitHub

Sistemas de produto backend

APIs, camadas de serviço, fluxos de aprovação e superfícies de repositório que continuam fazendo sentido depois da entrega inicial.

Operação SaaS de verdade

Billing, auth, jobs em fila, isolamento entre tenants e o detalhe operacional que faz um produto pequeno parecer sério.

IA aplicada com limite

Features com IA usando teto de custo, fallback previsível, passos auditáveis e decisões que não tiram o produto do controle de quem opera.

Contratos, APIs e integrações

Design de API, autenticação, webhooks, integrações de billing e fronteiras entre serviços com falhas mais legíveis.

Jobs, pipelines e comportamento operacional

Filas, tarefas assíncronas, pipelines de upload, checklists de release, runbooks e pontos de inspeção para manter o sistema previsível.

Documentação e handoff técnico

Notas de arquitetura, READMEs, guias de deploy, estudos de caso e organização de repositório que ajudam outra pessoa a entrar em contexto mais rápido.

Stack

Ferramentas e camadas em que trabalho com mais conforto

O foco aqui não é volume de ferramenta. É familiaridade real com o que costuma aparecer em sistemas de produto que precisam sobreviver ao uso.

Linguagens e runtimes

TypeScript
Node.js
Next.js
Express e Fastify
Python
React Native

Dados e infraestrutura

PostgreSQL
Prisma e Drizzle ORM
Supabase
Redis e BullMQ
Object storage
Docker Compose

Qualidade e entrega

GitHub Actions
Vitest e Jest
pytest
OpenAPI
Documentação técnica
Padrões de repositório

Comece por estes casos

Três leituras que explicam melhor meu trabalho do que uma lista

Se eu estivesse me apresentando para um founder, recrutador ou tech lead sério, eu começaria por estes caminhos.

Ler estudo de caso

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.

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.

VOWGRID

Um estudo de caso privado para uma plataforma de confiança entre agentes, com simulação, avaliação de política, aprovações, comprovantes de execução e visibilidade de rollback.

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.

Fechamento direto

Se a vaga pede backend de produto com clareza operacional, provavelmente faz sentido conversar.

O retrato mais fiel do meu trabalho está na combinação entre GitHub, estudos de caso e escrita técnica. O resumo ajuda, mas a prova fica mais forte quando essas três camadas são lidas juntas.

Produtos com billing, auth, filas, uploads ou automação que precisam continuar legíveis depois do lançamento.
Times que valorizam documentação, trade-offs explícitos e ownership além do caminho feliz.
Ambientes remotos ou híbridos em que clareza escrita e handoff técnico realmente contam.

Caminhos diretos

Email, GitHub e LinkedIn continuam sendo as formas mais rápidas de chegar em contato e abrir mais contexto.