// substituível
Modelo ≠ dependência
Só artefatos de dados são aprendidos — pesos, prompts, fontes. Nunca o código da aplicação. A configuração sobrevive a qualquer troca de modelo.
Local primeiro · Rust · LLMs locais
Um briefing matinal que
se aprimora todos os dias.
O ibrief monta durante a noite um briefing curado, sob medida para uma pessoa específica — e então mede o que foi realmente útil para se adaptar. Cinco minutos de sinal em vez de horas de ruído. Totalmente local numa máquina Apple Silicon.
- evoluir
- manter-se atualizado
- decidir bem
- conversas melhores
Filosofia de design
A memória é o produto — não o modelo.
O ibrief adota uma postura "LLM-OS": o LLM é um núcleo de computação substituível, o valor está no estado persistente e versionado. A auto-melhoria fica na coleira — propor, verificar contra feedback real, proteger, adotar, reverter.
// controle de autonomia
Na coleira
Cada mudança proposta passa por um portão de segurança antes de virar padrão. Verificar é mais barato que gerar — propor muito, adotar pouco (só o verificado).
// anti-bolha
Engajamento não é o objetivo
Um otimizador de engajamento ingênuo te deixa mais confortável, porém mais burro. O ibrief sacrifica de propósito a pontuação de curto prazo para preservar diversidade e invariantes anti-bolha.
// autoresearch contido
Profundidade, controlada
A pesquisa em várias etapas (estilo Karpathy) é poderosa, mas cara e propensa a alucinações — por isso é um módulo com orçamento e citações obrigatórias, não um agente solto.
O círculo de auto-melhoria
Entregar → Feedback → Avaliar → Aprender → Proteger.
O mesmo ciclo roda toda noite. O que foi útil se reforça; o resto se desvanece — dentro de limites de segurança rígidos.
01
Entregar
montar e enviar o briefing
02
Feedback
👍/👎 via botões do Telegram
03
Aval
comportamento + juiz + estrutura
04
Aprender
pesos · prompts · fontes
05
Portão
checar · adotar · reverter
↺ A pontuação comportamental é a verdade de referência; o juiz LLM ajuda sobretudo no arranque a frio e é calibrado contra o feedback real.
Três eixos, cada um protegido
Auto-melhoria não é uma função — são três.
EixoAlavancaSalvaguarda
Pesos
fontes & temas
fontes & temas
Bandit multibraço (Thompson / amostragem Beta) com um piso de exploração [0.2, 2.0]
Portão de segurança: limites + diversidade de fontes (máx. 50%), versionado, reversão
Prompts
ex.: síntese do TL;DR
ex.: síntese do TL;DR
Um LLM otimizador gera variantes; um teste em sombra pontua ambas na mesma entrada
Adotado só com margem clara do juiz; versionamento de prompts + registro de experimentos
Fontes
registro de feeds
registro de feeds
Pontuação de qualidade a partir de feedback + frequência de seleção; as fracas são aposentadas
Vigia de deriva (HHI): ao estreitar, a poda é suspensa — amplitude antes da pontuação
O pipeline noturno
Do feed bruto ao briefing curado.
Ingestão→Dedup.→Enriquecer→Score (pesos)→Curar→TL;DR (prompt aprendido)→Render→Persistir→Enviar
O nível de massa (resumir, etiquetar) roda num modelo pequeno e rápido, o nível de síntese (curadoria, juiz) num modelo da classe 70B — ambos locais. Todo o ciclo de aprendizado roda à noite praticamente de graça; um modelo de fronteira só é acionado de forma opcional para calibrar o juiz por meio de uma assinatura existente (claude -p).
Anatomia de um briefing
Três seções com intenção clara.
As duas últimas não podem ser otimizadas para fora pela personalização. O ciclo de aprendizado não pode te otimizar para uma bolha confortável.
Destaques
As notícias mais importantes do dia — personalizadas pelos pesos aprendidos. Mais "As 3 coisas de hoje" como resumo executivo.
Contraponto fixo
Um contra-argumento sério e apresentado com honestidade (steelman) à sua própria posição — para você conhecer o outro lado na conversa em vez de argumentar dentro da bolha.
Curinga fixo
Um artigo real deliberadamente surpreendente, fora dos seus interesses habituais — de preferência de uma fonte que não entrou na seleção principal.
Roteiro — totalmente implementado
Seis marcos, cada um útil por si só.
M1 ✓
Briefing estático
Ingestão → Enriquecer → Curar → Render contra o Ollama local.
M2 ✓
Persistência & feedback
SQLite (sqlx), dedup., registros de briefing; envio ao Telegram com botões 👍/👎.
M3 ✓
Motor de avaliação
Pontuação comportamental + juiz LLM contra uma rubrica versionada + verificações estruturais determinísticas.
M4 ✓
Aprendizado: pesos
Bandit de Thompson sobre fontes/temas, portão de segurança, versionamento de config e reversão.
M5 ✓
Aprendizado: prompts
LLM otimizador + teste em sombra; primitiva de decisão A/B temporal.
M6 ✓
Evolução de fontes + AutoResearch
Pontuação, poda, vigia de deriva; ciclo de pesquisa profunda contido com verificação de citações.
Início rápido
Local em dois minutos.
Requisito: Ollama com um modelo de massa e um de síntese. Em hardware mais modesto, basta colocar modelos menores em config/profile.toml.
# baixar modelos ollama pull qwen2.5:14b # nível de massa (enriquecer) ollama pull llama3.3:70b # nível de síntese (TL;DR, juiz) # montar um briefing cargo run -p ibrief-app # = brief # aprender & otimizar cargo run -p ibrief-app -- eval # pontuar o briefing de hoje cargo run -p ibrief-app -- learn # aprender pesos (Thompson + portão) cargo run -p ibrief-app -- optimize # melhorar o prompt do TL;DR via teste em sombra cargo run -p ibrief-app -- sources evolve # pontuar fontes + vigia de deriva cargo run -p ibrief-app -- research "O que há de novo em LLMs locais?"
Pilha técnica
Rust 1.95 · Edition 2024Tokio asyncOllama LLMs locaissqlx + SQLitefeed-rs ingestãoreqwest API do Telegramrand_distr Thompson12 crates · CI no verde
FAQ
Perguntas frequentes.
O que é o ibrief?
Um briefing matinal personalizado que se aprimora sozinho. Ele monta um briefing curado durante a noite e se adapta diariamente ao feedback medido — totalmente local em Rust, com LLMs locais via Ollama.
Como o ibrief se aprimora sozinho?
Em três eixos protegidos: pesos (bandit de Thompson), prompts (teste em sombra) e fontes (pontuação mais um vigia de deriva). Cada mudança passa por um portão de segurança e é versionada e reversível.
Como o ibrief evita a bolha de filtro?
O engajamento não é o objetivo de otimização. Duas seções — Contraponto e Curinga — não podem ser desativadas, e um vigia de deriva impõe a diversidade de fontes, mesmo ao custo da pontuação de curto prazo.
Preciso de uma API na nuvem?
Não. O ibrief roda totalmente local com o Ollama. Um modelo de fronteira na nuvem é opcional e usado apenas para a calibração periódica do juiz por meio de uma assinatura existente (claude -p).