Assinei o contrato às 9h, entreguei às 21h.
Um projeto de terceirização completo. Front-end, back-end, implantação, testes. Ainda almoçamos e conversamos por duas horas no meio do caminho. A IA realmente funcionou por 7 horas e 20 minutos.
Não escrevi uma única linha de código de restrição. Nenhuma colaboração multiagente. Nem ajustei os parâmetros.
Dei três coisas para a IA: um demo de front-end com cada botão e página claramente identificados; um contrato definindo o escopo e os padrões de entrega; e um documento de desenvolvimento — não um PRD de 50 páginas, apenas alguns parágrafos explicando a lógica central. Então deixei que ela encontrasse as ferramentas certas no skills.sh, buscasse bibliotecas correspondentes no GitHub e decidisse a stack tecnológica por conta própria.
No passado, um projeto como esse levaria pelo menos uma semana. Até um trabalho urgente levaria três dias.
Agora, leva 7 horas.
Por quê? Bons prompts? O modelo certo?
Nenhum dos dois.
Foi a base de conhecimento que construí nos últimos três anos fazendo o trabalho. Eu estava tomando chá enquanto ela trabalhava.
Já conversei sobre isso com amigos da área de terceirização. As reações deles se dividem em duas categorias. Um acha que estou me gabando. O outro fica em silêncio por alguns segundos e pergunta quais ferramentas eu uso.
O segundo grupo entendeu. O primeiro grupo ainda não percebeu o problema — não é a IA que está roubando seu emprego; é a pessoa com uma base de conhecimento que está roubando seu emprego.
Sua 'Base de Conhecimento' Provavelmente é um Armazém Morto
Deixe-me perguntar: Sua base de conhecimento pode ser transformada diretamente em dinheiro agora?
Já perguntei isso a muitas pessoas. A maioria fica atônita e depois diz que não.
Porque as chamadas bases de conhecimento da maioria das pessoas são cemitérios digitais. Duzentas anotações inacabadas no Notion começando com 'Para organizar' que nunca mais são abertas. Favoritos 'Assistir depois' de três anos atrás que você sabe que nunca vai assistir. Uma dúzia de arquivos markdown espalhados em pastas diferentes, sem saber da existência uns dos outros.
Um amigo me disse que sua 'base de conhecimento' tem mais de 3.000 artigos favoritados. Perguntei quando foi a última vez que ele usou um para resolver um problema real. Ele pensou por um bom tempo e não conseguiu responder.
Isso não é uma base de conhecimento. É lixo digital. Você está jogando coisas em um buraco negro de onde elas nunca mais podem ser encontradas.
Uma base de conhecimento verdadeiramente monetizável não é um armazém; é um ecossistema.
Um armazém é morto. As coisas jogadas lá dentro não mudam; seu único destino é serem esquecidas. Um ecossistema é vivo. Coisas novas entram, coisas antigas são eliminadas, e diferentes camadas se alimentam mutuamente, fazendo o sistema inteiro evoluir. O que você joga hoje se conecta com o que você jogou ontem, e amanhã cresce em algo que você nunca esperava.
Um ecossistema de conhecimento vivo tem três camadas.
Camada 1: O Pool Genético Técnico. Não é o número de suas Estrelas no GitHub. São todos os projetos que você fez, todos os códigos-fonte que comprou e todas as armadilhas em que você pisou, tudo mapeado e modularizado. A IA não apenas copia e cola; ela entende a estrutura e os remonta. Como um gene biológico, não é um manual, mas um conjunto de programas que podem ser reexpressos.
Camada 2: Solo de Dados Vivo. Seus registros de chat, vídeos que assistiu, anotações que fez, suas falas em grupos e gravações de você discutindo com clientes. Nenhum fabricante de modelo consegue isso; só você tem. Solo não é bom ou ruim; só depende do que você enterra nele.
Camada 3: Raízes Cognitivas. Cada artigo que você escreveu e cada julgamento que expressou não está 'pronto' depois de postado. Eles são etiquetados, linkados e estruturados. Quanto mais profundas as raízes, mais estável o crescimento acima do solo. Não importa o quanto o vento sopre, não vai cair.
Quando as três camadas funcionam juntas, sua base de conhecimento não está morta. Ela cresce sozinha. Ela cresce até enquanto você dorme.
Camada 1: Pool Genético Técnico — A Verdade Entre 50.000 e 200
Aqui vai um dado: O preço para terceirizar o desenvolvimento de mini-programas caiu de 50.000 RMB para 200 RMB em três anos.
De 50.000 para 200. Mesmos requisitos, mesmas funções. Isso não é piada; são cotações reais do Zhubajie e do Taobao.
Quando vi isso pela primeira vez, senti um arrepio. Depois percebi que não era que minhas habilidades tinham se desvalorizado. Era que as pessoas sem um pool genético estavam sendo precificadas para fora do mercado por aqueles que tinham um.
Duas coisas aconteceram que viraram a lógica subjacente do mercado de terceirização.
Primeiro, os pacotes de código-fonte ficaram baratos. Você pode comprar o código-fonte completo de um mini-programa no Taobao por algumas dezenas de yuans. De todos os tipos: delivery de comida, shoppings, sistemas de reserva, compras coletivas em comunidade. Pessoas capazes os compram, mapeiam e jogam em seu pool genético técnico. Da próxima vez que pegarem um pedido, a IA puxa módulos do pool para montar, terminando o trabalho em algumas horas.
E aqueles sem um pool genético? Escrevem do zero. Quando terminam, descobrem que seu trabalho não é tão bom quanto a versão montada pela IA. O outro cara leva 7 horas; você leva 7 dias. Ele tem lucro a 2.000; você perde dinheiro a 20.000.
Segundo, a IA derrubou o preço da 'habilidade de escrever código'. Antes, saber programar era valioso porque poucos sabiam. Agora, até quem não sabe programar pode pedir para a IA fazer. Então, o que os programadores fazem? Eles sobem de nível. Não se trata de escrever código; trata-se de acumular código. Não se trata de execução; trata-se de acumulação.
A IA não substituiu os desenvolvedores. Pessoas que usam IA substituíram aquelas que não usam. E entre aqueles que usam IA, a competição não é sobre quem escreve prompts melhores, mas sobre quem tem o pool genético mais denso. Prompts mudam a cada mês; pools genéticos só se tornam mais valiosos.
Como fazer? Três coisas, nesta ordem específica.
Primeiro: Mapeamento de Código. Use ferramentas como CodeGraph para esclarecer as relações entre cada projeto, módulo e função. Deixe a IA ver um mapa navegável em vez de arquivos isolados. Se você já fez um módulo de pagamento, ela sabe. Se já fez um sistema de usuários, ela sabe. Se usou a mesma arquitetura em três projetos, ela sabe.
Para ser específico: No mês passado, peguei um trabalho de geração de imagens de e-commerce. O cliente queria um sistema para produzir cartazes de produtos em massa. Parece complexo, mas meu pool genético já tinha três módulos relacionados: um motor de workflow ComfyUI, um script de implantação automática no Cloudflare e uma integração com WeChat Pay. A IA juntou as peças, escreveu uma camada de cola e estava funcionando em algumas horas. Sem o pool genético, só configurar o ambiente teria levado dois dias.
Segundo: Transformar o Pool Genético em API. Transforme seus ativos de código em interfaces chamáveis. Seja Claude Code, Codex ou outras ferramentas de IA, elas devem poder chamá-los diretamente. Faça a atualização de 'uso pessoal' para 'entregável'. Este é um salto qualitativo. Uso pessoal economiza dinheiro; entregável gera dinheiro.
Terceiro: O Pacote Quádruplo do Pool Genético. A estrutura de base de conhecimento mais poderosa agora é: Código + Artigos Acadêmicos + Relatórios do Setor + Documentos de Política. Código é o tijolo, artigos acadêmicos são as plantas baixas, relatórios do setor são os mapas de mercado e documentos de política são as birutas. Com todos os quatro, seu projeto não é apenas 'me ajude a construir um site', mas 'me ajude a construir um sistema que possa solicitar direitos autorais de software, passar por auditorias e ser comercializado'. O preço unitário do último tem dois zeros a mais que o primeiro.
Conheço um cara na indústria de digitalização de segurança contra incêndio. O pool genético dele contém não apenas código, mas todos os documentos de política relacionados a incêndio, padrões da indústria e interpretações de especialistas dos últimos três anos. Quando um cliente pede um sistema, ele pode dizer qual projeto especial do governo solicitar, quais subsídios estão disponíveis e quais auditorias são necessárias. Ele não vende um sistema; ele vende um plano de implementação completo. O preço dele é cinco vezes o do desenvolvimento puro.
Este é o juro composto de um pool genético. Não é adição; é multiplicação.
Camada 2: Solo de Dados Vivo — Seu Ativo Mais Subestimado
Deixe-me perguntar: Quanto vale seu histórico de chat do WeChat?
Não role para longe. Pense nisso de verdade.
Sua forma de se expressar, seu vocabulário, sua lógica, seu senso de humor. O que te deixa com raiva, como você convence os outros, se você lidera com dados ou histórias. O que você diz para confortar um amigo versus como você dispensa alguém.
Tudo isso está enterrado no seu histórico de chat. Centenas de milhares de mensagens, cada uma um ponto de amostra da sua personalidade.
Nenhum modelo grande geral consegue imitar isso. Ele pode imitar Lu Xun ou Jin Yong, mas não pode imitar você porque não tem seus dados.
O Google Colab tem créditos gratuitos de GPU. Você pode jogar seus artigos, registros de chat e transcrições de voz para ajustar um modelo pequeno que pertence só a você. Você não precisa de experiência em treinamento de modelos; apenas alimente com o material. A saída dele carregará sua essência. Seus amigos dirão 'isso soa como você', não 'isso soa como IA'.
É assim que a qualidade 'humana' realmente acontece. Não é técnica; são dados.
Noventa e nove por cento do conteúdo de IA no mercado é reconhecível de imediato. Não por causa de palavras estranhas, mas porque falta suporte de dados pessoais. Ele come corpora genéricos e cospe estéticas medianas. Se você quer que não pareça IA, o único jeito é alimentá-lo com dados que só você tem. Seus vieses, seus pontos cegos, suas idiossincrasias: a IA não pode aprender essas coisas a menos que você mostre a ela.
De onde vem o material? Quatro direções, em ordem de prioridade.
Primeiro, a mina de ouro mais negligenciada: as seções de comentários do Bilibili e do YouTube.
O roteiro do vídeo em si é valioso, claro — basta usar o Whisper para transcrevê-lo. Mas o ouro real está nos comentários. O texto principal é a visão de um criador; os comentários são as reais reações de uma multidão. O que os importa, sobre o que discutem, o que entendem errado, o que os faz rir ou ficar com raiva. Ler cem comentários é melhor do que dez relatórios do setor para saber sobre o que as pessoas naquele círculo estão ansiosas.
Quando escrevo conteúdo técnico, frequentemente verifico primeiro os comentários de grandes influenciadores. Não para copiar opiniões, mas para descobrir: Onde os leitores estão travando? As perguntas deles são os próximos tópicos. As discussões deles são os pontos de dor mais agudos.
Segunda mina de ouro: Seu ambiente de trabalho local.
Quais ferramentas de IA você tem instaladas, quais CLIs você configurou, quais MCPs você usa, em quais armadilhas você caiu e como as resolveu. A IA pode ler tudo isso. Quando você escreve um tutorial, ela não precisa inventar casos ou procurar por 'problemas comuns'. Ela lê seus registros de operação reais, seus logs de erro reais e suas soluções reais.
As armadilhas em que você pisou são naturalmente os caminhos que outros não podem evitar. Você não precisa inventar histórias; seu histórico de terminal é o melhor material.
Terceira mina de ouro: Chats em grupo.
Tópicos interessantes, discussões e reclamações que você vê em grupos técnicos, da indústria ou casuais — todos são tópicos. Muitas pessoas lutam para saber o que interessa aos leitores; a resposta está nos registros de chat que você rola todos os dias. Você só precisa fazer uma coisa: capturar a tela ou anotar as coisas que te fizeram parar e olhar duas vezes.
Criei um canal privado no Telegram e no WeChat só para mim chamado 'Materiais'. Quando vejo uma discussão interessante, encaminho para lá, às vezes adicionando um pensamento que tive na hora. Consigo reunir mais de duzentas entradas por mês. Ao escrever, folheio-as e nunca me faltam tópicos.
Quarta mina de ouro, que muitos não consideram: Sua própria voz.
Pensamentos que surgem na sua cabeça enquanto dirige, caminha ou toma banho. Abra o telefone, grave por um minuto e use o Whisper para transcrever. É dez vezes mais vívido do que o que você pensa sentado no computador porque você não poliu, não estruturou, não se autocensurou ao falar. A IA nunca poderia escrever aquilo.
Uma sensação humana não é representada. É nutrida por dados. O que você enterra em seu solo é o que vai crescer.
Camada 3: Raízes Cognitivas — Você Esqueceu, Mas a IA Não
A maioria das pessoas escreve artigos um por um. Depois de postados, pronto.
Como isso é? Uma árvore que só cresce folhas, mas não tem raízes. Cada folha cai e desaparece, como se nunca tivesse crescido. Da próxima vez, você começa do zero. O que você escreveu há dez anos e o que escreve hoje não se conhecem.
Raízes cognitivas resolvem isso.
Em março de 2024, você escreveu um artigo com um julgamento: 'A IA substitui trabalhadores de linha de montagem de conteúdo, não criadores de conteúdo. Trabalhadores de linha de montagem não produzem opiniões; eles só executam formatos.'
Em julho de 2026, você está escrevendo sobre bases de conhecimento. A IA automaticamente puxa aquele julgamento de dois anos atrás e te diz: Você disse isso naquela época, e pode apoiar o argumento central de hoje — 'Uma pessoa com uma base de conhecimento é como ter uma equipe movida a IA.'
Não é uma lista rasa de 'leitura relacionada'. É um verdadeiro suporte argumentativo. Quando você disse, em que contexto, como se relaciona com o tópico de hoje e como a cadeia de evidências se conecta. Como um assistente de pesquisa que nunca sai, toda vez que você escreve um, ele arquiva um para você. Dez anos depois, você tem uma linhagem cognitiva completa, vendo como você entendeu essas coisas passo a passo.
Isso não é fantasia. Testei no meu próprio sistema de escrita.
Tenho um arquivo de plano de criação no meu diretório de trabalho. Uma vez, quando pedi à IA para gerar uma imagem de capa, ela perguntou ativamente: Você quer linkar isso com o plano de criação? Então, automaticamente leu as tags de opinião de todos os artigos passados para combinar materiais argumentativos para o artigo daquele dia. Essa sensação é difícil de descrever. Não foi 'a IA é tão inteligente', mas 'eu pensei em tantas coisas nos últimos três anos que eu mesmo esqueci'.
Você esqueceu o que disse, mas ela não. Você esqueceu as verdades que percebeu há dois anos, mas ela se lembra por você. A única coisa que você precisa fazer é continuar enterrando coisas novas no solo. As raízes crescerão sozinhas; você só precisa ser responsável por viver.
Uma Pessoa, Uma Máquina, Uma Equipe
De volta à pergunta inicial. Como entregar um projeto completo em 7 horas?
A resposta deve estar clara agora.
O pool genético técnico está funcionando. Ativos de código modularizados e mapeados significam que a IA não escreve do zero; ela recombina genes existentes. Como Lego, as peças já estão no seu armazém; a IA apenas as monta de forma diferente. Você economizou por três anos só para este momento.
O solo de dados vivo está funcionando. Experiência e julgamento pessoais insubstituíveis garantem que a entrega não seja um modelo genérico. O cliente não está comprando código; está comprando sua experiência encapsulada. Para o mesmo requisito, outros entregam código; você entrega uma solução que pode passar por auditorias, ser solicitada e comercializada. A diferença de preço está no seu solo.
As raízes cognitivas estão funcionando. Conexões cognitivas entre períodos de tempo significam que acumulações passadas são automaticamente usadas para o presente. Você não vai cair na mesma armadilha duas vezes. Na primeira vez que caiu, a IA registrou. Na segunda vez que você passa, ela te lembra: Você caiu aqui antes; dê a volta.
Três camadas do ecossistema funcionando simultaneamente. Uma pessoa está operando, mas essencialmente uma equipe está entregando.
E essa equação só vai ficar mais exagerada. As ferramentas de front-end estão explodindo. Google Stitch, Figma AI, vários geradores de demo — você nem precisa saber escrever código front-end para fazer um protótipo interativo. O efeito de cada botão e a lógica de navegação de cada página estão claramente marcados. Então, o demo mais o contrato mais o documento de desenvolvimento são jogados para a IA. O resto é só esperar.
O futuro do serviço pessoal se parece com isso: Um anúncio no Xianyu, um mini-programa do WeChat e um host de PC com IA em casa. O cliente pede no mini-programa, o host executa a IA e a entrega é concluída automaticamente. Um host com 128 GB de RAM executa inferência local e workflows ComfyUI, produzindo uma imagem em 3 segundos. Com um painel Pagoda implantado e nomes de domínio analisados no Cloudflare, a IA escreve plugins para gerenciar a implantação automática.
Uma linha de montagem completa. Uma pessoa. Uma máquina.
Não é ficção científica. O hardware está aqui, e as ferramentas estão maduras. O que está faltando? Não é tecnologia; é que seu ecossistema de conhecimento ainda não foi construído. Seu pool genético ainda está espalhado, seu solo ainda é um terreno baldio e suas raízes ainda não começaram a se firmar.
Três Coisas Que Você Pode Começar Hoje
Não espere. Quanto mais cedo você construir um ecossistema de conhecimento, maior o juro composto. Você pode fazer três coisas hoje.
Primeiro: Passe uma hora mapeando seus projetos de código. Não busque a perfeição. Apenas liste os projetos que você fez, as stacks tecnológicas usadas, os problemas resolvidos e os módulos reutilizáveis. É só uma tabela. Depois de pronta, você perceberá que, embora pensasse ter escrito dez projetos, os módulos centrais eram apenas aqueles quatro ou cinco, só com roupagens diferentes.
Segundo: Crie um canal de materiais só para você. Telegram, WeChat File Transfer, Notas — qualquer um serve. A partir de hoje, quando vir algo interessante, jogue lá. Sem necessidade de categorizar ou etiquetar; apenas jogue primeiro. Você vai me agradecer em um mês.
Terceiro: Encontre um artigo que você escreveu no passado e releia-o. Extraia as opiniões e veja se elas podem apoiar algo que você quer escrever a seguir. Se puderem, você começou a ter suas próprias raízes cognitivas. Se não, significa que seu trabalho passado foi jogado fora depois de escrito. A partir de hoje, não jogue nada fora.
Modelos Expiraram, Solo Não
Já vi muitas pessoas ansiosas. Modelos se atualizam, técnicas de prompt se tornam obsoletas e ferramentas iteram. Você não consegue acompanhar. Você nunca vai acompanhar a velocidade das atualizações das ferramentas, e não deveria tentar.
Mas pense em uma coisa.
Modelos mudam. Ferramentas são substituídas. Estilos de prompt mudam a cada mês. Uma técnica de prompt de um ano atrás provavelmente é inútil hoje. Apenas seus dados são seus.
Sua acumulação de código. Seus registros de chat. Suas opiniões em evolução. As armadilhas em que você pisou. Os artigos acadêmicos que leu. Os produtos que criticou. As discussões que teve com clientes. Uma verdade que você percebeu às 3 da manhã. Uma frase que gravou enquanto dirigia.
Essas coisas não expiram. Ninguém pode lançar uma 'nova versão' que torne seus dados inválidos. Eles são seus ativos pessoais insubstituíveis, tornando-se mais valiosos com o tempo.
Uma base de conhecimento não é empilhada; é alimentada. O que você alimenta todos os dias determina o que seu ecossistema de IA pode cultivar em três anos.
Algumas pessoas alimentam com favoritos. Em três anos, a IA só pode ajudá-las a pesquisar páginas da web, e elas podem nem ter lido o que a IA encontrou.
Outras alimentam com dados vivos. Em três anos, a IA as ajuda a entregar, criar e tomar decisões. Elas estão tomando chá enquanto a IA está funcionando.
Duas vidas. A diferença é o que você começa a enterrar hoje.
O que você está alimentando?
