Como uso múltiplos modelos de IA em conjunto para criar conteúdo em escala (sem parecer um robô)

Produzir conteúdo técnico de verdade dá um trabalho absurdo. Escrever um post aprofundado, desenhar os diagramas de arquitetura, trazer exemplos que realmente funcionam e documentar as falhas honestamente consome fácil entre 10 e 18 horas de foco absoluto.

Se eu fizesse tudo isso de forma 100% manual e solitária, conseguiria publicar no máximo dois ou três artigos por mês. A minha consistência de distribuição seria engolida pela rotina de trabalho.

Mas o caminho oposto também é um desastre: quando tentei automatizar tudo às cegas para gerar dezenas de Reels e Shorts por semana, o resultado foi o pior possível. Conteúdo raso, repetitivo, sem personalidade e sem alma. O clássico slop gerado por IA que as pessoas detectam de longe e os algoritmos do Google e TikTok punem sem dó.

O grande desafio nunca foi gerar volume. O verdadeiro desafio é escalar a distribuição mantendo a qualidade, a precisão técnica e a sua voz autêntica.

A resposta para isso não é uma automação mágica de clique único. É um sistema inteligente baseado no Pattern de Routing (roteamento de modelos), orquestrado sob o lema que eu sigo à risca em todos os meus projetos de IA:

"Usar o modelo mais barato possível com o melhor prompt e harness (testes e validações). Se não der certo, aí sim escalamos para os modelos mais caros."

Neste guia prático, vou abrir meus bastidores de como divido tarefas entre múltiplos modelos (Kimi, Claude, Qwen e Gemma) para produzir conteúdo premium em larga escala, mantendo o custo operacional abaixo de R$ 200 por mês.

O Problema de Escala Real

A maioria das pessoas que tenta escalar conteúdo com IA cai em um dos dois erros clássicos:

Erro 1 – Romantismo manual: "Eu só publico quando o conteúdo está perfeito". Resultado: 2 posts por mês, zero consistência de distribuição.

Erro 2 – Automação burra: "Vou deixar tudo no piloto automático". Resultado: volume alto, qualidade baixa, audiência que para de confiar.

Ambos os caminhos destroem momentum.

O que eu precisava não era de mais automação. Eu precisava de automação inteligente com portões de qualidade — onde os agentes fazem o trabalho pesado e repetitivo, mas eu mantenho controle sobre estratégia, voz e precisão técnica.

Como o Sistema é Organizado na Prática

Hoje eu não uso n8n, Make ou ferramentas visuais complexas como orquestrador principal do meu fluxo de conteúdo.

Eu uso o Hermes Agent rodando em uma VPS simples da Hostinger, acionado por cron jobs. Esse agente gerencia o roteamento de tarefas se comunicando com diferentes modelos através de suas APIs (e rodando modelos locais por CLI):

• Kimi 2.6 — O operário de texto. Principal modelo para processar grandes volumes de texto, escrever rascunhos rápidos e gerar as primeiras versões de roteiros com ótimo custo-benefício.
• Claude Code / Sonnet — O editor-chefe intelectual. Usado exclusivamente para tarefas que exigem alto nível de raciocínio lógico, planejamento abstrato, estruturação de séries complexas e polimento editorial fino.
• Gemma 12B (Local) — A bibliotecária inteligente. Rodando localmente na própria VPS de forma gratuita, ela é responsável por ler os dados crus raspados por crawlers de SEO, catalogar conteúdos e classificar dados locais sem enviar nada para fora.
• Qwen 3.5 Flash — A operária rápida e multimodal. Excelente em lidar com tomadas de decisão lógicas rápidas, processar imagens (como analisar thumbnails ou ler capturas de tela) a um custo incrivelmente baixo.
• Grok e DeepSeek — Os revisores criativos. Usados pontualmente em paralelo para gerar variações "fora da curva", quebrando a monotonia do texto gerado com múltiplos pontos de vista.

O fluxo geral é o seguinte:

1. Eu publico um post longo aqui no blog.
2. Um agente é disparado via cron para analisar o post e extrair ângulos de alto potencial para Shorts.
3. Agentes especializados criam hooks, roteiros, variações e sugestões de cortes.
4. Eu faço revisão humana nos pontos críticos (voz, precisão técnica e decisão estratégica).
5. Os conteúdos aprovados são renderizados e agendados.

Nada disso é totalmente automático. E é exatamente por isso que o resultado continua sendo bom.

A Filosofia Híbrida que Eu Realmente Uso

A diferença entre sistemas que produzem volume e sistemas que constroem autoridade está aqui:

Agentes escalam execução. Humanos protegem qualidade e direção.

Dividir os modelos por função, em vez de usar o modelo mais forte (e mais caro) para tudo, é a nossa maior alavanca de eficiência de custo e qualidade.

Como eu uso cada modelo

• Gemma 12B: Roda localmente na VPS. Funciona como um crawler de SEO inteligente e catalogadora rápida. Ela analisa a estrutura inicial e faz o trabalho "sujo" de catalogação sem gastar tokens pagos.
• Qwen 3.5 Flash: A operária multimodal ultra-barata. Usada para lógica rápida, categorização e decisões visuais simples (como ler e processar thumbnails de vídeo ou prints de layouts).
• Kimi 2.6: Nosso gerador de volume de texto. Excelente em reescrever posts longos, criar as primeiras versões de roteiros e variações rápidas de hooks.
• Claude: A mente estratégica. Usado apenas para estruturar a lógica do roteiro principal, delinear arcos de séries e fazer tomadas de decisão que exigem raciocínio complexo.
• Grok e DeepSeek: Os agentes de variação. Usados em paralelo para dar "tempero" criativo às aberturas e hooks, evitando o tom monótono clássico de redação de IA.

Essa abordagem de modelo certo para a tarefa certa reduz custos operacionais em até 75% sem comprometer a qualidade.

O Pattern de Roteamento Inteligente de Modelos

O roteamento não é uma decisão "o modelo mais inteligente vence". É uma tabela de decisão explícita que o Hermes consulta antes de gastar dinheiro ou tempo. Isso é aplicação direta do Pattern de Routing que detalhei em Como Construir Agentes de IA Efetivos.

Regra prática do router:

• Se a tarefa envolve leitura de imagens, análise de thumbnails ou classificação lógica direta → Qwen 3.5 Flash.
• Se envolve varredura de SEO local, catalogação ou leitura de dados de crawlers → Gemma 12B (Local).
• Se a tarefa exige estruturação narrativa complexa, arco de episódios ou >4 camadas de raciocínio → Claude.
• Se exige criação de ângulos contra-intuitivos ou perspectivas disruptivas → Grok + DeepSeek.
• Para todo o resto que for geração em volume ou rascunho de roteiro baseado em plano existente → Kimi 2.6.

O Hermes implementa isso como um classificador simples baseado em metadados. Não há um LLM decidindo para qual LLM enviar (o que seria caro e redundante). É código previsível tomando decisão econômica inteligente, de acordo com o nosso lema: tentar o modelo mais econômico e otimizado primeiro, escalando apenas quando necessário.

Prompts e Exemplos Concretos

Aqui estão os prompts reais que uso hoje e exemplos de o que sai quando dá errado (e como corrijo).

1. Prompt de Extração de Ângulos (Kimi 2.6)

Você é um editor técnico que trabalha comigo há tempo suficiente para saber exatamente como eu penso.

Minha voz: direta, honesta, sem hype, prática, levemente irônica quando o material é ridículo. Eu desconfio de soluções mágicas e prefiro admitir limitações.

Tarefa:
Leia o post completo abaixo. Extraia entre 6 e 12 ângulos reais de alto potencial para Shorts de 60-90 segundos.

Regras rígidas:
- Cada ângulo deve girar em torno de algo CONCRETO do post (número, falha comum, trade-off, afirmação contraintuitiva).
- NUNCA use: "descubra", "o poder transformador", "revolucione", "o segredo que ninguém conta".
- Prefira ângulos que soem como algo que eu diria em uma conversa séria com outro profissional técnico.
- Score cada ângulo em retenção (1-10) e voz (1-10).
- Marque o risco de slop (alto / médio / baixo).

Output em JSON válido.

2. Prompt de Planejamento de Série (Claude)

Você é um arquiteto de conteúdo técnico. Transforme o post abaixo em uma série coerente de 8-12 Shorts mantendo minha voz (direta, honesta, sem hype).

Regras:
- Cada short precisa de um gancho forte nos primeiros 3 segundos.
- A série como um todo deve contar uma história, não repetir o mesmo padrão de abertura.
- Marque explicitamente quais ganchos precisam de revisão humana pesada.

3. Prompt de Geração de Primeiras Versões (Kimi 2.6)

Você é um roteirista técnico que entende minha voz: direta, sem enrolação, um pouco seca, levemente irônica quando algo é absurdo.

Tarefa:
Transforme o plano de short abaixo em um roteiro falado de 60-90 segundos.

Regras:
- Linguagem falada, como se eu estivesse explicando para um colega inteligente.
- Inclua pausas naturais ([pausa]).
- Sugira 2-3 variações de abertura.
- No final, sugira cortes visuais ou timestamps interessantes.
- Evite floreio e frases de efeito.

4. Exemplos Reais de Output (Ruim vs Publicado)

Exemplo 1 – Voz

• Ruim: "Descubra o poder transformador dos agentes de IA..."
• Publicado: "A maioria dos agentes que testei gerou slop. O que funciona é mais chato."

Exemplo 2 – Precisão Técnica

• Ruim: "Claude é 3x melhor que Kimi em todas as tarefas complexas."
• Publicado: "Em decomposição de problemas com mais de 5 passos, Claude alucina menos que Kimi."

Exemplo 3 – Tom

• Ruim: "Revolucione sua estratégia de conteúdo com IA agora!"
• Publicado: "Não construí uma máquina que publica sozinha. É amplificação com portões."

Lição geral: O modelo sempre tenta vender. Eu sempre tenho que puxar de volta para o tom cético e direto.

Exemplo de output real do prompt de extração (resumido):

{
  "angulos": [
    {
      "id": 1,
      "titulo_curto": "Roteamento por função vs modelo único",
      "gancho_sugerido": "Usar o mesmo modelo para tudo é a forma mais cara de produzir conteúdo ruim.",
      "evidencia_do_post": "Custo 4-5x maior quando não roteamos",
      "score_retenção": 9,
      "score_voz": 8,
      "risco_slop": "baixo"
    }
  ]
}

Anti-Patterns Comuns Nesse Tipo de Sistema

Depois de testar várias abordagens, aqui estão os erros que mais vejo (inclusive os meus):

1. Modelo Único para Tudo
   Usar só Claude ou só Kimi para todas as etapas. Custo explode ou qualidade cai.

2. Confiar que o Prompt Vai "Captar Sua Voz"
   O modelo sempre tende a ficar mais formal ou mais empolgado que você. Revisão nos ganchos é obrigatória.

3. Gerar Volume e Revisar Só o Top 3
   Você acaba publicando coisas medianas porque "já gastou o token". O portão humano tem que ser real.

4. Deixar o Agente Decidir o Que é Alto Potencial
   O modelo é péssimo em julgar o que realmente vale a pena contar. Isso é trabalho humano.

5. Tratar Prompts como "Set and Forget"
   Prompts degradam com o tempo. O que funcionava em março pode estar gerando lixo em junho.

Custos Reais com Breakdown

Em meses normais, o gasto total da minha infraestrutura de APIs fica entre R$ 120 e R$ 250 (bem menor do que antes, graças à otimização local e ao uso de modelos "flash").

Aqui está o breakdown típico de custos para processar 1 post denso → 9-12 shorts:

• Catalogação & Crawling de SEO (Gemma 12B Local): R$ 0,00 (roda de graça na própria VPS)
• Lógica e Checagens Visuais (Qwen 3.5 Flash): R$ 0,05 – R$ 0,15
• Extração de ângulos iniciais (Kimi 2.6): R$ 0,60 – R$ 1,10
• Planejamento da série principal (Claude Sonnet): R$ 3,80 – R$ 5,40
• Geração de primeiras versões dos roteiros (Kimi 2.6): R$ 1,90 – R$ 2,70
• Variações criativas extras (Grok + DeepSeek): R$ 0,90 – R$ 1,50
• Mitigação, compilação e formatação final: R$ 0,30 – R$ 0,50

Total médio por fluxo completo: ~R$ 7,50 – R$ 11,35

Se eu fizesse tudo isso usando apenas o Claude (que é a mentalidade padrão de quem não entende de arquitetura), o mesmo fluxo custaria fácil entre R$ 38,00 e R$ 47,00 por post. O roteamento e o uso inteligente de modelos menores me economizam mais de 75% em faturas de API!

Código Simples de Mitigação

Uso duas verificações leves antes de mandar para revisão humana:

# Filtro robusto por Expressões Regulares (insensível a maiúsculas, plurais e caracteres)
import re

SLOP_PATTERNS = [
    re.compile(r'\bdescubra\b.*\bpoder\b', re.IGNORECASE),
    re.compile(r'\brevolucione\b.*\bsua\b', re.IGNORECASE),
    re.compile(r'\bo\b.*\bsegredo\b.*\bque\b', re.IGNORECASE),
    re.compile(r'\bgame\s*changer\b', re.IGNORECASE),
]

def contains_slop(text: str) -> bool:
    # Normalização básica de espaços
    normalized = " ".join(text.split())
    return any(pattern.search(normalized) for pattern in SLOP_PATTERNS)

# Similaridade Semântica por Cosseno com SentenceTransformers
# Substitui o difflib.SequenceMatcher, que ignora sinônimos ou paráfrases
import numpy as np
from sentence_transformers import SentenceTransformer

# Modelo ultraleve carregado localmente (~80MB de pegada de memória)
semantic_model = SentenceTransformer('all-MiniLM-L6-v2')

def is_semantically_similar(a: str, b: str, threshold=0.75) -> bool:
    emb_a, emb_b = semantic_model.encode([a, b])
    # Cálculo vetorial de similaridade por cosseno
    cosine_sim = np.dot(emb_a, emb_b) / (np.linalg.norm(emb_a) * np.linalg.norm(emb_b))
    return cosine_sim > threshold

Essas checagens não substituem revisão humana. Elas só reduzem o volume de porcaria que chega na minha mesa.

Fluxo Interno do Hermes Agent

Quando publico um post longo, o processo segue um fluxo de 7 passos com artefatos concretos em cada etapa e um portão humano obrigatório no final.

Aqui está exatamente o que acontece:

Cada passo gera um artefato específico. O portão humano no final é obrigatório — especialmente em ganchos e precisão técnica.

Como o Roteamento Acontece na Prática

A decisão de modelo não é feita por outro LLM (isso seria caro e imprevisível). O Hermes usa um classificador simples baseado em:

• Estimativa de camadas de raciocínio necessárias
• Palavras-chave na tarefa ("série", "planejamento estratégico", "variação criativa")
• Tipo de output esperado

Isso é deliberadamente "burro" e previsível — exatamente o oposto do que a maioria das pessoas tenta fazer.

O Que Ainda Dá Problema

Mesmo com roteamento e revisão humana, o sistema ainda tem limitações reais:

• Drift de voz continua acontecendo em hooks e aberturas. Por mais que o prompt tente reproduzir meu tom, o modelo tende a ficar mais "bonitinho" ou levemente marketeiro.
• Precisão técnica em temas densos ainda exige revisão pesada. O agente simplifica ou inventa detalhes com mais frequência do que eu gostaria.
• Degradação de prompts é real. O que funcionava bem em abril pode começar a gerar saídas piores em junho sem que eu perceba imediatamente.
• Custo sobe rápido quando eu aumento volume ou faço experimentos. O roteamento ajuda, mas não é mágico.

Eu ainda considero esse sistema experimental. Ele exige atenção constante e não substitui julgamento humano em vários pontos.

[!WARNING]
O Custo Oculto da Infraestrutura: Rodar modelos como a Gemma 12B localmente na VPS parece "gratuito", mas exige hardware robusto (mínimo de 16 GB de RAM para não ativar o OOM Killer do sistema). Isso eleva a fatura fixa da VPS de R$ 25 para R$ 120+ mensais, além de consumir processamento de CPU que pode sofrer throttling da hospedagem compartilhada. Para contornar isso com eficiência real, migrar a inferência local para APIs serverless sob demanda (como Groq ou Together AI) é a melhor prática recomendada de arquitetura, reduzindo a VPS para custos mínimos de hospedagem e gerando inferências em milissegundos.

Quando Isso Faz Sentido (e Quando Não)

Esse tipo de sistema faz sentido quando:

• Você já produz conteúdo denso com alguma regularidade (pelo menos 1 post sólido por mês).
• Você está disposto a revisar os pontos críticos (voz e precisão técnica) em vez de publicar tudo automaticamente.
• Você tem conforto técnico mínimo para manter prompts, cron jobs e uma VPS simples.

Não vale a pena tentar montar algo parecido se:

• Você ainda está validando se consegue produzir conteúdo bom de forma consistente.
• Você odeia revisar texto gerado por IA.
• Você não quer (ou não pode) manter o sistema ao longo do tempo.

Nesse caso, o mais honesto é continuar publicando manualmente até ter volume e padrão de qualidade claros. Escala sem portões costuma só multiplicar o problema.

Conclusão

O objetivo não é construir uma máquina que publica sozinha.

É aplicar o pattern de Routing de forma disciplinada: usar cada modelo para o que ele faz melhor, manter portões humanos onde a voz e a precisão técnica realmente importam, e aceitar que o sistema exige manutenção constante.

A diferença entre volume e autoridade continua dependendo de onde você coloca esses portões.

Se você está pensando em montar algo parecido, a pergunta certa não é "qual ferramenta eu uso?". A pergunta certa é:

"Onde eu coloco os portões humanos e como eu roteio os modelos de forma inteligente?"

Essa decisão importa muito mais que a escolha entre n8n, Hermes, Claude ou qualquer outra coisa.

Publicado em andrecosta.ia.br.