10:I[41199,["/_next/static/immutable/chunks/27lvorrfy1kli.js","/_next/static/immutable/chunks/2e26np3pnfvcs.js"],"default"] 11:I[15255,["/_next/static/immutable/chunks/27lvorrfy1kli.js","/_next/static/immutable/chunks/2e26np3pnfvcs.js"],"default"] 12:I[98496,["/_next/static/immutable/chunks/27lvorrfy1kli.js","/_next/static/immutable/chunks/2e26np3pnfvcs.js"],"default"] 13:I[35997,["/_next/static/immutable/chunks/27lvorrfy1kli.js","/_next/static/immutable/chunks/2e26np3pnfvcs.js"],"default"] 14:T118a,

No começo de 2026 uma frase começou a circular no mundo de IA. "O LLM é o componente menos importante do seu sistema de IA".

Sempre ficava comparando benchmark e rodando Claude contra Gemini contra GPT. Aí tentei colocar um agente pra rodar dentro de uma empresa e o modelo virou a parte fácil do problema.

Dado em silo deixa o agente cego

Pergunte pro agente mais capaz que você tem por que o faturamento de março caiu 15% contra fevereiro. Ele não responde.

O raciocínio está lá. O que falta é acesso a coisas assim:

o cliente que responde por 20% da receita renovou com 35% de desconto, aprovado numa conversa verbal
60 notas fiscais travaram no financeiro por divergência de cadastro
o vendedor que bateu meta fechou 80% do número em um contrato de margem negativa
o campo "observação" do CRM guarda reclamação de cliente que ninguém mais lê

Cada uma dessas informações existe em algum lugar. Está num PDF de contrato, num e-mail do comercial, numa mensagem de Slack ou num campo que só quem opera conhece.

Os três pilares que construí

1. ETL e camada de dados

Comecei pelo ETL, que conecta as fontes da empresa e joga tudo numa camada de dados estruturada.

Ele extrai faturamento, cliente, meta e produto do ERP. Transforma em um formato que o agente consegue raciocinar em cima.

E carrega numa camada única onde cada entidade tem contexto próprio: cliente, contrato, nota fiscal, oportunidade.

RAG tradicional busca documento e devolve trecho. A camada entrega a entidade limpa e já relacionada, então o agente gasta raciocínio na pergunta em vez de gastar procurando.

2. Skills pro agente dominar o domínio

Dado organizado sozinho não resolve. O agente precisa saber o que fazer com ele.

Skill aqui é um documento de instrução que ensina o agente a operar no domínio da empresa. Ele cobre quatro coisas:

o que cada entidade significa: pipeline de vendas, ciclo de faturamento, margem por contrato
como cruzar os dados: pergunta sobre faturamento puxa nota fiscal, contrato ativo e projeção
as regras de negócio: desconto acima de 20% precisa de aprovação, cliente com pagamento atrasado entra em bloqueio, meta é mensal por vendedor
o formato da resposta: o comercial quer pipeline, o financeiro quer impacto em reais, o diretor quer resumo

É o mesmo onboarding que uma pessoa nova recebe no primeiro dia. O agente entra sabendo como a empresa funciona em vez de adivinhar.

3. Três camadas de contexto ao mesmo tempo

O agente combina três contextos, e cada um responde por uma pergunta diferente.

O que a empresa é: trato a camada de dados como um ambiente que o modelo consulta por código, em chamadas recursivas. É a ideia dos Recursive Language Models, e o agente puxa só o recorte que a pergunta pede.

Quem está do outro lado: o agente monta um perfil de cada usuário ao longo das conversas. Um pergunta faturamento do trimestre toda semana, outro quer resumo executivo, outro quer o impacto em vendas primeiro.

O que fazer com isso: a Skill define o dado a consultar, a ordem e o formato da saída.

Quando falta uma das três, o agente erra com confiança. Esse é o pior tipo de erro, porque ninguém confere uma resposta que soa certa.

O que mudou na prática

Antes eu gastava algumas horas montando planilha pra responder esse tipo de pergunta. Agora leva segundos.

Por que o faturamento caiu em março?

O agente cruza contrato, nota fiscal e projeção. Devolve os dois eventos que explicam o delta, com o valor de cada um.

Qual vendedor teve a melhor margem no trimestre?

Ele cruza venda com custo, desconto concedido e tipo de contrato. Em um dos trimestres, quem bateu a meta tinha a pior margem da equipe.

Como está o pipeline pro fechamento do mês?

Puxa oportunidade aberta, probabilidade histórica por estágio e compara com o mesmo período do ano passado.

A ordem dos três pilares importa mais do que parece. Gastei o tempo primeiro no ETL e faria de novo, porque sem dado organizado o agente vira um gênio sem memória.

15:T14aa,

Depois de muito tempo sem postar nenhum artigo, hoje eu volto com um ano a mais de experiência na programação utilizando agentes de IA. Em um ano tivemos uma GRAAAANDE evolução no mundo da inteligência artificial, no último artigo falei de o3, Gemini-2.5 e Claude 4, hoje estamos na era do Gemini 3.1, Opus 4.6 e Codex 5.3. Com isso, nesse artigo vamos falar das minhas experiências com IA e como eu venho desenvolvendo código no último ano.

O (Lab)irinto das ferramentas

O que há um ano atrás se resumia em Cursor, Copilot e Windsurf, hoje é um mar sem fim de ferramentas de Vibe Coding e de programação acelerada com IA (Duas coisas que se parecem muito, mas são bem diferentes). A minha lista de ferramentas testadas vai longe, mas trago hoje somente as com que eu obtive melhores resultados. Vamos para a lista:

Cursor

A minha ferramenta principal do dia a dia não poderia faltar nessa lista. Cursor vem sendo uma ótima ferramenta, sempre integrando novos fundamentos de programação com IA assim que são liberados, como foi o caso do AGENTS.md (Farei um artigo somente para ele), Skills, Subagents, e outras ferramentas que são muito úteis no dia a dia. Porém nem tudo são flores... o Cursor atualmente está gerando um custo elevado de tokens, fazendo com que fosse necessário aumentar o plano de US$20 para o plano de US$60 e ainda ativar o custo por demanda com mais US$60.

Um dos maiores culpados desse custo elevado nesse caso, são os modelos da Anthropic: Opus 4.6 e Sonnet 4.6, ambos tem um desempenho excelente, tanto em qualidade de código quanto em entender profundamente o que o usuário pede. Em testes que eu realizei, os modelos da OpenAI: Codex 5.2 e 5.3, tiveram um ótimo desempenho se comparando a modelos anteriores, porém pode-se identificar que são modelos muito mais técnicos e diretos, ou seja, um prompt mal formado pode sair do controle muito facilmente, algo que não acontece tanto com os modelos da Anthropic, pois o Opus e o Sonnet têm a prática de fazer perguntas mais relacionadas ao processo e não à arquitetura do código como os Codex.

Antigravity

Outro editor de código que venho utilizando é o Antigravity da Google, que na minha opinião é um showcase dos modelos Gemini 3 e 3.1 que reduz a capacidade do modelo. O editor é um fork do Windsurf que remove a maior parte dos modelos, usa modelos de ponta da Anthropic, removendo as ferramentas que dão os "poderes" a eles, e os compara com modelos da Google, também sem ferramentas e se utilizar muito você ultrapassa o seu limite.

Mas da mesma forma que nem tudo são flores, nem tudo são espinhos. O Antigravity e os modelos da Google ainda conseguem desempenhar muito bem, principalmente no desing frontend, que aliás pode ser visto aqui nesse site, o qual foi totalmente repaginado utilizando o Gemini 3.1 Pro e o Antigravity, mesmo assim vejo esse editor como uma plataforma que tem muito a melhorar.

CLIs: Codex, Kilo, Gemini, Claude

Saindo dos editores e indo direto para o terminal, hoje as CLIs estão vindo com muita força, e até saindo do terminal e indo para os próprios aplicativos desktop nativos. Uma das primeiras CLIs que utilizei foi a do Gemini, a qual hoje, utilizo para tarefas menores pois, da mesma forma que o Antigravity, ela deixa a desejar bastante. Outras CLIs que venho utilizando são a Kilo Code e Open Code, ambas tem a mesma estrutura (Kilo é um fork da OpenCode), e são muito agradáveis de se utilizar, Utilizei o GLM 5 e KIMI K2.5 nas duas e obtive ótimos resultados, principalmente com o modo orquestrador da Kilo, que conseguiu fazer um one shot de um aplicativo mobile em Expo que ficou muito acima do esperado.

Agora, na minha opinião, as CLIs mais bem desenvolvidas ainda vão ficar com a Anthropic e OpenAI. Venho testando o Codex enquanto ele está gratuito e obtive ótimos outputs de código dessa ferramenta, sem erros de tipo, build ou lint mesmo em um Turborepo bem grande. Já o Claude dispensa apresentações, sozinho depois de ser anunciado que poderia trabalhar com Cobol, fez as ações da IBM despencarem 13%. A Anthropic vem puxando uma onda de tecnologia que não tem fim, lançando uma feature atrás da outra, seria esse movimento um "Extreme Go Horse", como o Lucas Montano do canal Lucas Montano levantou no seu último vídeo, ou o Claude está se construindo espantosamente muito bem e muito rápido?

Conclusão

Encerrando esse artigo que poderia ser bem mais longo (porém já são 4 da manhã no momento que eu estou o escrevendo), podemos concluir que olhando para trás nesses últimos 12 meses, a IA e toda a área de tecnologia vem evoluindo muito rápido. Ferramentas, modelos, frameworks, tudo isso vem mudando, se moldando e crescendo e isso me gera uma grande dúvida, estamos preparados para nos mudar, moldar e crescer nessa velocidade para não ficar no passado? Fica a dica, nos vemos na próxima! ; - )

16:T18c5,

Hoje faz exatamente 1 mês que eu comecei a desenvolver meus apps utilizando o Cursor. Hoje nos vamos explorar minhas experiências com esse editor de código que pode fazer literalmente tudo! (Spoiler: ele também pode quebrar seu sistema)

A experiência Cursor

"Ahhhhhhh!!! A IA vai roubar meu trabalho!" <- Frase falada por alguém que vai perder o emprego pra quem sabe utilizar IA, e não pra IA.

O Cursor realmente é uma tecnologia assustadoramente boa, porém ainda não escreve código sozinha. O medo que muitos programadores tem, do júnior ao sênior, é perder seus empregos para uma inteligência artificial que sabe escrever código como ningúem, mas o que não contaram para eles é que até a IA pode ser burra às vezes. Nesse tempo que venho utilizando o cursor no meu dia a dia posso dizer que minha velocidade de desenvolvimento aumentou uns 300%. Bugs que levariam algumas horas para resolver se tornaram um simples "Estou com problema x na rota /dashboard/pagina_com_erro.tsx" ⏎ Enter e boom! Erro corrigido! Porém, contudo, entretanto, se você não sabe utilizar o cursor corretamente, você pode ficar desapontado com os resultados.

A "manha" para trabalhar com o cursor é escolher o LLM certo para a tarefa certa (e o editor até te ajuda com isso). Alguns usos por LLM que eu mapeei durante meus testes foram:

🧠 - Reasoning

LLM	Pros ✅	Cons ❌
claude-4-sonnet	Bom para problemas de linter pequenos e problemas de interface gráfica	Em problemas maiores ele se atrapalha
claude-4-sonnet 🧠	Ótimo para criação de interfaces gráficas mais complexas	Refatorações grandes e planejamento não são seus pontos fortes
gemini-2.5-pro 🧠	Refatorações gigantes e planejamento de sprints	Interface gráfica é um problema para o Gemini
o3 🧠	Problemas bem complexos e planejamento bem profundo	Lento e interfaces bem "padrão"

Um ótimo fluxo de trabalho para seguir com esses LLMs é fazer um "Manus" manual. Primeiro você pede para o gemini definir os escopos da aplicação, o que ela será e como será construída, sugiro esrtuturar bem esse seu primeiro prompt ou ir construíndo um documento junto do Gemini e ir discutindo com ele pontos de melhoria ou outros pontos de vista; depois disso passe para o o3 e defina as sprints e tarefas para seguir, caso for necessário, pessa para separar as tarefas para sua equipe, isso te ajudará a passar tarefas para os outros programadores, ou se você programa solo que nem eu, te ajudará a escolher o LLM perfeito para te ajudar no desenvolvimento. A partir desse escopo que os LLMs criaram para você, escolha por onde quer começar, caso tenha escolhido o front, selecione o claude-4-sonnet e peça para ele desenvolver as tarefas descritas no arquivo que o o3 escreveu, mas caso tenha optado pelo backend, use o próprio o3 ou vá com o gemini-2.5-pro para desenvolver essa parte. Pronto! assim você terá um app inteiramente feito por IA, como o Duckduki!

Duckduki - o companion feito inteiramente por IA

O Duckduki foi um experimento feito por mim para testar até onde o Cursor iria (ele vai bem longe). Esse projeto começou com alguns testes utilizando o Gemini e scripts do Powershell, estava tentando fazer um patinho que ficasse na minha tela me lembrando de tomar água. Mas como sempre que eu começo uma coisa eu vou até o fim com ela (90% dos meus projetos estão criando teia em repositórios abandonados 💀), eu decidi dar uma outra vida para esse patinho: Ele seria meu companheiro de trabalho. Para construir ele eu utilizei um prompt no ChatGPT:

com base nas nossas connversas me dê ideias de ferramentas para o meu assistente de IA para desktop. O que eu posso colocar para melhorar minha produtividade?

Com a resposta que eu obtive eu mandei para o Cursor desenvolver e adivinhe? Esse foi o resultado.

Esse app se tornou minha ferramenta nº 1 no dia a dia do trabalho (claro, depois do cursor), nas últimas alterações que fiz nele consegui deixar parecido com a Spotlight do MacOs (bem de longe se parecem um pouco), optei por esse design pois ele fica no meio da tela e facilita na visualização do conteúdo. Minhas ToDo lists que antes eram em papel agora são 100% no Duckduki. Meus emails? Só pergunto para ele se tem alguma coisa importante. O que eu tenho pra fazer amanhã mesmo? "Duki, dá uma olhada na minha agenda para amanhã". Minha produtividade melhorou em 98%, e sabe por que não foi 100%? Porque a IA é um junior e não sabe o que está fazendo na maior parte das vezes.

Como estragar seu sistema com um prompt?

Quando estava desenvolvendo o Duki, eu liguei o modo Auto-run do cursor, que roda todos os comandos do shell sozinho, a não ser que precise de root ou de um input de usuário, e isso me causou uma baita dor de cabeça. Ao tentar deixar o modo Spotlight do app com um blur à lá MacOs, eu acabei descobrindo que o Electron não suporta blur nativamente no windows ou linux (minhas duas plataformas de trabalho), mas nada que uma integração direto com o KDE não funcionaria né? Né??? Bom, rodei o prompt para o cursor fazer essa integração e fui tomar meu banho, e adivinhe? Quando voltei o Pc estava com tela preta. O que aconteceu foi que o Claude achou interessante reiniciar o KDE de um jeito que nem eu entendi o que ele fez, porém isso deixou o meu notebook em loop tentando iniciar o KDE, que só foi se resolver instalando o Gnome em cima. Resumo da ópera: perdi todas as personalizações que eu tinha no KDE, não é um desastre, mas poderia ter sido evitado se eu tivesse dado as instruções certas para a IA. E por esse motivo que a IA é só um programador junior, se estiver sem a documentação e sem um norte bem definido para seguir.

17:T1a03,

A idealização de aplicações de sucesso é um passo difícil para o desenvolvimento de startups, porém a metodologia Zero To Hero dos hackathons pode ajudar a transformar um simples problema em um produto viável e escalável. Neste artigo, vamos explorar os principais passos desse processo e como aplicá-los no contexto de uma startup.

1. Identificação do problema

Problemas todos nós temos, mas nem todos podem ser resolvidos através de uma aplicação, sendo assim, temos que aprender a filtrar quais podem virar um MVP e posteriormente uma aplicação de sucesso.

Vamos para um exemplo prático: imagine que você é um estudante universitário e tem dificuldades em organizar suas notas e trabalhos. Esse é um problema comum, mas que pode ser resolvido através de uma aplicação que centralize todas essas informações em um só lugar. Assim surgiu o Notion, uma das maiores aplicações de anotação do mundo.

Algumas dicas que me ajudaram muito nos hackathons que participei foram:

Foque em problemas que você entende: quanto mais você conhece o problema, mais fácil será a resolução.
Pense em problemas que você mesmo tem: se você tem um problema, é bem provável que outras pessoas também tenham.
Converse com outras pessoas: a melhor forma de entender um problema é conversando com quem o tem.

2. Desenvolvimento do MVP

Com o problema identificado, é hora de desenvolver um MVP (Minimum Viable Product) para validar a ideia. O MVP é uma versão simplificada da aplicação que contém apenas os recursos essenciais para resolver o problema. Ele é fundamental para testar a aceitação do mercado e validar a viabilidade da ideia. O MVP deve ser uma aplicação focada no problema, com uma interface simples e intuitiva, que permita aos usuários resolver o problema de forma rápida e eficiente.

O DDD ou Domain-Driven Design é uma técnica muito utilizada para desenvolver MVPs de sucesso. Ele consiste em dividir a aplicação em domínios, que são áreas específicas do problema que podem ser resolvidas de forma independente. Cada domínio é desenvolvido separadamente e integrado ao restante da aplicação no final. Essa abordagem permite desenvolver a aplicação de forma mais rápida e eficiente, focando nos problemas mais críticos e entregando valor aos usuários de forma incremental.

3. Validação do produto

Com o MVP desenvolvido, é hora de validar a ideia com os usuários. A validação é um processo fundamental para garantir o sucesso da aplicação, pois permite identificar possíveis problemas e ajustar a solução antes do lançamento. Existem várias formas de validar um produto, como entrevistas com usuários, testes de usabilidade, pesquisas de mercado, entre outros. O importante é coletar o máximo de feedback possível e usar essas informações para melhorar a aplicação.

Uma técnica muito utilizada para validar produtos é o A/B testing, que consiste em testar duas versões da aplicação com grupos de usuários diferentes e comparar os resultados. Essa abordagem permite identificar qual versão é mais eficaz e tomar decisões baseadas em dados reais.

Porém no caso do hackathon, o tempo é curto e a validação deve ser feita de forma rápida e eficiente. Uma boa estratégia é criar um protótipo da aplicação e testá-lo com usuários reais, coletando feedbacks e ajustando a solução conforme necessário. O importante é manter o foco no problema e garantir que a solução atenda às necessidades dos usuários de forma eficaz.

4. Escalabilidade e deploy

Com a validação do produto, é hora de pensar na escalabilidade e no deploy da aplicação. A escalabilidade é um aspecto fundamental para o sucesso de uma startup, pois permite atender a um número crescente de usuários sem comprometer a qualidade do serviço. Para garantir a escalabilidade da aplicação, é importante adotar boas práticas de desenvolvimento, como a utilização de arquiteturas de microsserviços, a implementação de caches e a otimização de consultas ao banco de dados.

Mas, no caso do hackathon, o foco deve ser no deploy da aplicação de forma rápida e eficiente. Uma boa estratégia é utilizar plataformas de hospedagem na nuvem, como o Heroku, Netlify ou Vercel, que permitem fazer o deploy da aplicação com apenas alguns cliques. Essas plataformas oferecem recursos como integração contínua, escalabilidade automática e monitoramento em tempo real, que facilitam o processo de deploy e garantem a disponibilidade da aplicação.

Com a aplicação no ar, é hora de apresentá-la para os jurados e os demais participantes do hackathon.

5. O Pitch

O pitch é a apresentação da sua ideia para os jurados e os demais participantes do hackathon. Ele deve ser claro, objetivo e convincente, destacando os principais pontos da aplicação e o impacto que ela pode causar no mercado. Alguns elementos que não podem faltar no pitch são:

Problema: apresente o problema que a aplicação se propõe a resolver e a importância dele para o mercado.
Solução: explique como a aplicação resolve o problema de forma eficaz e inovadora.
Diferencial: destaque os principais diferenciais da aplicação em relação à concorrência.
Impacto: mostre o impacto que a aplicação pode causar no mercado e na vida dos usuários.

Esses são pontos fundamentais para convencer os jurados de que a sua ideia é inovadora, viável e escalável. Além do pitch no Hackathon esses pontos também são fundamentais para convencer seu cliente final a comprar seu produto.

Conclusão

A metodologia Zero To Hero dos hackathons é uma abordagem eficaz para desenvolver aplicações de sucesso, pois permite transformar um simples problema em um produto viável e escalável. Com os passos certos e a dedicação necessária, é possível criar uma aplicação que atenda às necessidades dos usuários e gere impacto no mercado.

Se você tem uma ideia de aplicação e quer transformá-la em realidade, não deixe de participar de um hackathon. Esses eventos são uma ótima oportunidade para colocar a mão na massa, aprender novas técnicas e ferramentas, e validar a sua ideia com outros desenvolvedores e empreendedores.

E aí, pronto para transformar o seu problema em uma aplicação de sucesso?

5:["$","main",null,{"className":"relative flex-1 bg-neutral-950","children":[["$","$L10",null,{"card":["$","$L11",null,{}],"stickers":["$","$L12",null,{"srcs":["/stickers/alien_green.webp","/stickers/asterisk_black.webp","/stickers/asterisk_blue.webp","/stickers/atom_black.webp","/stickers/cd_iridescent.webp","/stickers/checker_glitch_black.webp","/stickers/code_brackets_black.webp","/stickers/code_tag_black.webp","/stickers/cursor_outline.webp","/stickers/fire_eyes_yellow.webp","/stickers/fire_smiley.webp","/stickers/fire_smiley_blue.webp","/stickers/gameboy_white.webp","/stickers/gem_red.webp","/stickers/globe_black.webp","/stickers/globe_blue.webp","/stickers/globe_drip_black.webp","/stickers/oval_sparkle_black.webp","/stickers/paper_plane_black.webp","/stickers/pixel_cat_white.webp","/stickers/pixel_cursor_arrow.webp","/stickers/pixel_cursor_hand.webp","/stickers/pixel_glitch_black.webp","/stickers/pixel_smiley_yellow.webp","/stickers/planet_purple.webp","/stickers/recycle_green.webp","/stickers/scribble_black.webp","/stickers/smiley_blue_disc.webp","/stickers/smiley_blue_outline.webp","/stickers/sparkle_green.webp","/stickers/star_chrome.webp","/stickers/star_scribble_black.webp","/stickers/star_scribble_red.webp"]}],"notebook":["$","$L13",null,{"articles":[{"slug":"contexto-e-o-novo-codigo","title":"Contexto é o novo código","excerpt":"Como criei um ETL com camada de dados, dei Skills ao agente e construí um sistema de contexto com RLM e memória. O código que importa em 2026 não é lógica — é contexto.","tags":["IA","agentes","contexto","ETL","skills","RLM","arquitetura"],"date":"11 de jun. de 2026","html":"$14"},{"slug":"a-ia-e-um-senior","title":"A IA agora é um sênior","excerpt":"Um ano testando ferramentas de código com IA, em que ponto estamos?","tags":["IA","desenvolvimento","code"],"date":"28 de fev. de 2026","html":"$15"},{"slug":"a-ia-e-um-junior","title":"A IA é um junior sem acesso à documentação","excerpt":"Minhas aventuras utilizando o Cursor como editor principal por um mês.","tags":["desenvolvimento","IA","code"],"date":"26 de jun. de 2025","html":"$16"},{"slug":"do-problema-a-deploy","title":"Do problema ao deploy","excerpt":"Como a metodologia Zero To Hero dos hackathons pode ajudar startups a desenvolver aplicações de sucesso.","tags":["hackathon","ideação","startups"],"date":"06 de fev. de 2025","html":"$17"}],"stamps":[{"id":1,"seed":-1777649572,"ff":true,"country":"BR","face":0,"x":75.61539,"y":18.448088,"date":"2026-09-24T18:48:13.984Z","best":0,"beans":null},{"id":2,"seed":1416501749,"ff":true,"country":"BR","face":0,"x":87.69231,"y":6.9868994,"date":"2026-09-24T20:38:28.815Z","best":3,"beans":null},{"id":3,"seed":-1405383330,"ff":true,"country":"BR","face":0,"x":50.42493,"y":29.277567,"date":"2026-09-24T20:38:33.445Z","best":0,"beans":null},{"id":4,"seed":-341134077,"ff":false,"country":"BR","face":0,"x":20.05277,"y":13.284133,"date":"2026-09-24T20:52:11.652Z","best":0,"beans":null},{"id":5,"seed":188313090,"ff":false,"country":"BR","face":0,"x":69.32367,"y":71.32018,"date":"2026-09-24T21:56:11.994Z","best":1,"beans":null},{"id":6,"seed":-1681030003,"ff":false,"country":"BR","face":0,"x":18.333334,"y":92,"date":"2026-09-24T22:10:13.758Z","best":4,"beans":null},{"id":7,"seed":-605697689,"ff":false,"country":"BR","face":0,"x":26.614174,"y":54.97268,"date":"2026-09-24T22:16:09.038Z","best":1,"beans":null},{"id":8,"seed":2126526120,"ff":false,"country":"BR","face":0,"x":39.50276,"y":79.92424,"date":"2026-09-24T22:59:16.765Z","best":2,"beans":null},{"id":9,"seed":1008007122,"ff":false,"country":"BR","face":9,"x":61.02719,"y":71.45488,"date":"2026-09-24T23:02:08.417Z","best":4,"beans":null},{"id":18,"seed":463759279,"ff":false,"country":null,"face":0,"x":76.15385,"y":40,"date":"2026-09-25T00:34:44.788Z","best":0,"beans":100},{"id":20,"seed":-549523638,"ff":false,"country":"BR","face":0,"x":55.2,"y":78.219696,"date":"2026-09-25T00:46:40.779Z","best":0,"beans":100},{"id":26,"seed":2118042952,"ff":false,"country":"BR","face":0,"x":21.333334,"y":30.113636,"date":"2026-09-25T00:53:18.408Z","best":2,"beans":null},{"id":27,"seed":-1417134083,"ff":false,"country":"BR","face":2,"x":23.229462,"y":77.911644,"date":"2026-09-25T00:53:32.258Z","best":4,"beans":null}]}]}],"$L18"]}]