1️⃣ Google puxou os agents para workflows Google publicou a explicação do ADK 2.0: separar routing, retries, HITL e estado em workflows determinísticos, deixando o LLM só nas partes que precisam mesmo de linguagem.
💡 Porque importa Para agents em produção, isto muda a pergunta: que passos devem ser código previsível e que passos merecem chamada ao modelo?
☕ Conversa de café Quantos agents ainda estão a gastar tokens só para decidir o próximo nó do fluxograma?
2️⃣ SkillOpt pôs os agents a dormir sobre o próprio trabalho O SkillOpt 0.2.0 trouxe SkillOpt-Sleep: um ciclo offline que lê sessões de coding agents, encontra tarefas recorrentes, faz replay e propõe skills validadas antes de as adoptar.
💡 Porque importa É uma via prática para melhorar agents sem mexer em pesos: aprender com histórico real, mas com gate de validação e revisão humana antes de mudar comportamento.
☕ Conversa de café Se a equipa já guarda transcripts, porque é que eles ainda não viram material de treino controlado?
3️⃣ Simon Willison testou o trabalho caro dos coding agents Simon Willison usou Claude Fable para rever o sqlite-utils 4.0rc1. O processo gerou 34 commits, mexeu em 30 ficheiros e ainda passou por revisão cruzada com Codex/GPT-5.5 antes do rc2.
💡 Porque importa O sinal útil não é “o agent escreveu código”. É quanto trabalho de revisão, custo e critério humano continua a ser preciso até algo poder ser lançado.
☕ Conversa de café Quando a factura chega aos 149 dólares por uma sessão, isto ainda é automação barata ou engenharia assistida?