Briefing de Notícias com IA

O problema

Notícias sobre IA e automação chegam em volume alto. Ler tudo manualmente gera um feed com pouca relação com decisões práticas de produto, trabalho de portfólio, ideias de automação ou desenvolvimento profissional.

O objetivo era um briefing pequeno: menos itens, mais relevância e um motivo claro para cada item estar ali.

Principais decisões

Priorizar antes de gerar

Coleta, normalização, filtro por histórico, deduplicação e priorização por relevância são caminhos explícitos no código. Um modelo de linguagem não consegue reintroduzir um item que as regras determinísticas excluíram.

Tornar o modelo opcional

O pipeline gera um briefing básico sem chave do Gemini. Quando configurado, o Gemini melhora os resumos, sem assumir a seleção das fontes nem a segurança do envio.

Prévia antes do envio

O fluxo padrão gera uma prévia local. O envio ao Telegram exige um comando explícito e fica separado de qualquer job agendado.

Selecionar menos itens, mais fortes

O pipeline seleciona até cinco notícias úteis, em vez de preencher uma cota fixa com itens fracos.

Fluxo da solução

Fontes públicas RSS, Atom e HTML suportadas
-> coleta e normalização
-> filtro de duplicados e de histórico de envios
-> priorização determinística por relevância
-> geração opcional de resumos com Gemini
-> briefing em português pronto para o Telegram

Engenharia e confiabilidade

• Node.js e JavaScript.
• Coleta de RSS, Atom e HTML.
• Histórico de envios local, fora do Git.
• Integrações opcionais com Gemini e Telegram.
• Acionamento manual pelo GitHub Actions. Um agendamento automático anterior foi desligado em agosto de 2026, até que uma rodada de envio supervisionada valide a saída.
• Validação de sintaxe dos pontos de entrada em JavaScript.

Resultado e evidências

• O repositório documenta um caminho de prévia local reproduzível.
• A alternativa sem modelo mantém o fluxo principal utilizável sem credenciais.
• A implementação registra localmente os itens enviados para reduzir duplicados.
• A automação é supervisionada de propósito, em vez de ser descrita como um sistema autônomo em produção.

O que aprendi

Um fluxo com IA útil precisa de portões de qualidade explícitos antes da geração. O modelo vale mais quando trabalha dentro de um sistema estreito e observável do que quando precisa decidir cada parte do processo.

O que eu melhoraria a seguir

• Fazer uma rodada de envio supervisionada e avaliar a qualidade do briefing com critérios explícitos.
• Medir feedback útil só depois de decidir o que conta como um sinal relevante.
• Adicionar novas fontes apenas quando os endpoints públicos e a relevância se encaixarem nas regras de validação atuais.