Gustavo Karsten

1. Resumo executivo

Quem eu sou

Engenheiro de software e fundador da DockPlus AI (<meu-domínio>.dev), com 20+ anos em TI e ~2 anos dedicados a construir produtos com LLMs, RAG e agentes autônomos. Localizado em Santa Catarina (Florianópolis), Brasil. Opero no eixo full-stack → IA aplicada → infraestrutura, com entregas que vão de landing pages a multi-tenant SaaS, do scraper Python ao cluster Proxmox.

O que eu entrego, em uma frase

Sistemas ponta-a-ponta — do design técnico e modelagem de dados até deploy, observabilidade e operação — com foco em produtos onde IA é o produto principal (não enfeite), e infra auto-hospedada de baixo custo.

O que me diferencia

• Velocidade de prototipagem → produção: tenho ~50+ projetos ativos, mas o que aparece no portfólio é o que sobreviveu à validação real. Trago features ao ar em horas, MVPs em dias.
• IA com engenharia de verdade: meus agentes têm persistência (langgraph-checkpoint-postgres), filas (BullMQ/Redis), observabilidade (Langfuse), segurança (BYOK com criptografia AES-256-GCM) e multi-canal (WhatsApp/Telegram/Email/Voz).
• Opero minha própria infra: cluster Proxmox de 3 nós, Dokploy + Docker Compose, Traefik, Let's Encrypt, PostgreSQL com pgvector, Qdrant, Redis. Sei dizer "funciona na minha máquina" e fazer funcionar no servidor real.

Números que dão peso ao perfil

• 137 repositórios no inventário (70 ativos, 49 pausados, 18 arquivados)
• Stack primária: TypeScript/Next.js, Python/FastAPI, PostgreSQL, Docker
• IA: OpenAI, Anthropic, LangGraph, LangChain, pgvector, RAG multimodal
• Infra: Proxmox, Dokploy, Traefik, nftables, Let's Encrypt

2. Stack que eu uso no dia a dia

Não listo "tudo que já toquei" — só o que entra em produção comigo hoje.

Linguagens que escrevo de verdade: TypeScript no front e BFF, Python no backend e em scripts. SQL quando precisa de migration ou query que o ORM não resolve bonito. Bash pra deploy e automação. Mexo com Go só quando o projeto exige (já aconteceu duas vezes), e tô estudando Swift pra nativo de macOS.

Frontend: Next.js é meu padrão — App Router, server components, route groups pra separar auth/dashboard/public. Tailwind pra tudo que é utility, shadcn quando preciso de componente acessível decente. Framer Motion pra animação com cara de "vivo" (terminal typing é minha marca). next-intl quando o app é bilíngue.

Backend: FastAPI pra APIs novas, Flask só em legado que não vale migrar. Next.js API Routes quando quero BFF no mesmo deploy. BullMQ + Redis pra jobs pesados (transcrição de vídeo é o caso clássico), APScheduler pra coisa cron-like em Python.

Dados: PostgreSQL em quase tudo, com pgvector quando precisa de embedding. Qdrant pra vector store dedicado em projeto grande. SQLite pra dev local e CLIs. Já usei Redis pra cache e fila; Prisma e Drizzle são os dois ORMs que sei, escolho conforme o projeto (Drizzle quando é RAG pesado).

IA: OpenAI como provedor primário, Anthropic quando o prompt pede raciocínio longo. LangGraph quando o agente precisa de estado entre mensagens, LangChain só pra RAG primitives (text splitters, loaders). Langfuse pra ver o que o agente tá fazendo de verdade. Vercel AI SDK pra streaming. Pra imagem/áudio/vídeo, fal.ai é meu canivete (gpt-image-2, Seedance, Kling), ElevenLabs pra TTS, Deepgram pra transcrição, Cohere pra rerank.

Comunicação: Evolution API pra WhatsApp (roda em container Go), python-telegram-bot e telebot pra Telegram, aiosmtplib pra email. Composio/Maton pra OAuth com Google Calendar e cia. Stripe quando o app tem billing.

Infra: Proxmox como hypervisor, Dokploy como PaaS (autohospedado, ~20+ apps meus rodam lá). Docker Compose pra stacks, Traefik na frente fazendo SSL e roteamento por subdomínio, Let's Encrypt automático. nftables/iptables no firewall, OPNsense pra VLANs. Cloudflare R2 quando o storage é grande e barato, AWS S3 quando o cliente já tá lá. GitHub Actions pra CI básico, Coolify eu avaliei mas fiquei no Dokploy.

Scraping: BeautifulSoup+lxml pra HTML estático, Selenium+Chrome WebDriver quando o site é JS-pesado. Apify como serviço quando quero delegar, Firecrawl como alternativa moderna, Scrapy e Crawl4AI pra crawling em escala. Pandas e openpyxl pra ETL, Pillow+pytesseract quando preciso de OCR.

3. Padrões que aplico em vários projetos

Aplica isso em vários projetos. Não é coleção de truques, é método.

3.1 Multi-tenant com isolamento por linha

[Projeto de Leads Multi-tenant] (Reachant) e [Projeto de Recrutamento] usam account_id como chave de partição em todas as queries, com Flask-Login (legacy) ou NextAuth.js v5-beta (atual). Planos diferentes, quotas diferentes, prompts diferentes por tenant.

3.2 BYOK (Bring Your Own Key) com criptografia

[Projeto de Plataforma AI] é o caso emblemático: usuários trazem sua chave da Anthropic/OpenAI, criptografada em repouso com AES-256-GCM (chave de 64-char hex), descriptografada on-demand no servidor. Rate limiting com Upstash Redis. Isso elimina custo variável do meu lado e dá controle total ao usuário.

3.3 Agentes que lembram de tudo (LangGraph + checkpoint)

Agentes que mantêm contexto entre mensagens via langgraph-checkpoint-postgres. Cada thread tem seu estado persistido — o que permite handoff humano, resumable conversations, multi-session memory. Padrão aplicado em:

• [Projeto de Atendimento] (orquestrador → sentimento/duvida/agendamento/email/follow-up)
• [Projeto de Atendimento Imobiliário] (fork para imobiliárias US, com property_search tool)
• [Projeto de Agentes] (spec em specs/, com intent classifier em Haiku + Sonnet para resposta)

3.4 RAG multimodal com pipeline assíncrono

[Projeto de Video RAG] é o projeto mais sofisticado do gênero: admin faz upload → BullMQ enfileira → worker transcreve (Deepgram) → chunking → embeddings (text-embedding-3-small) → pgvector. Query passa por rerank (Cohere) antes de chegar ao GPT-5.2. Langfuse captura cada step. Tudo observável.

3.5 Mesmo agente, vários canais

Mensagens entram por WhatsApp (Evolution API), Telegram (python-telegram-bot) ou Email (aiosmtplib+aioimaplib), são normalizadas para um modelo interno unificado, processadas pelo mesmo grafo LangGraph, e a resposta volta pelo canal de origem. Isso é o que me permite reusar o mesmo agente em domínios diferentes (atendimento genérico, imobiliário, recrutamento) trocando só as tools.

3.6 Self-host por padrão

Todos os meus apps em produção rodam em Dokploy no meu cluster Proxmox. Padrão de deploy:

• Multi-stage Dockerfile (builder → runner com non-root user)
• output: 'standalone' no Next.js → imagem Node final ~150 MB
• Healthcheck no docker-compose.yml
• Traefik faz SSL + routing por subdomínio
• Variáveis sensíveis via Dokploy env (não commita secrets)

3.7 Especificação antes de código

Tenho vários projetos com PRD.md, ARCHITECTURE.md, sdd/* (spec-driven development) antes de qualquer linha. [Projeto de VM Browser Console] tem sdd/08 descrevendo port exposure antes de eu implementar. Isso reduz retrabalho e serve como documentação canônica.

3.8 Sem banco, sem CMS

Meu portfólio ([meu portfólio]) não usa banco nem CMS — todo conteúdo é TypeScript estático em src/lib/projects.ts e src/lib/skills.ts. Mais simples, versionado, sem deploy de migrations pra mudar uma vírgula. Mesma filosofia em [Projeto de Task Tracker] (Astro + JSON).

4. Features que eu já domino

Features que eu já sei fazer de olho, sem precisar pesquisar:

4.1 Autenticação & autorização

• NextAuth.js v5-beta com credentials + JWT + adapter Prisma
• OAuth Google + LinkedIn (recruiter)
• JWT próprio (python-jose + bcrypt) com refresh tokens
• Roles-based (Admin, Accountant, Assistant em [Projeto de CRM Contábil v3]; superadmin em [Projeto de Leads Multi-tenant])
• Middleware de proteção de rotas em middleware.ts

4.2 Multi-idioma

• next-intl v3/v4 com middleware, locales pt e en, mensagens por namespace
• Usado em [Projeto de Plataforma AI], [Projeto de CRM Contábil v3], [Projeto de Recrutamento], [Projeto de Atendimento Imobiliário]

4.3 Pagamentos & billing

• Stripe Checkout + webhooks ([Projeto de Delivery], [Projeto de SaaS de Leads], [Projeto de Recrutamento])
• Planos Free/Premium com feature gates ([Projeto de Recrutamento])
• Stripe Customer Portal para auto-gestão

4.4 Real-time

• WebSockets no admin ([Projeto de Delivery] para pedidos ao vivo)
• Server-Sent Events (SSE) para streaming de LLM ([Projeto de Agentes], [Projeto de Video RAG])
• BullMQ workers para jobs pesados (transcrição de vídeo)

4.5 Upload & file handling

• AWS S3 + presigned URLs (currículos em [Projeto de Recrutamento])
• Cloudflare R2 (asset bank [Projeto de Banco de Imagens])
• Multer / UploadThing alternatives
• Drag-and-drop com preview

4.6 Validação & formulários

• Zod 3/4 em todas as bordas (API + forms)
• React Hook Form + @hookform/resolvers no frontend
• Type-safe end-to-end

4.7 Background jobs & filas

• BullMQ + Redis para pipelines assíncronos
• APScheduler em Python para cron-like
• Webhooks outbound (Stripe, GitHub, custom)

4.8 Observabilidade

• Langfuse para traces de LLM (com self-host opcional via docker-compose.langfuse.yml)
• Logs estruturados + correlation IDs
• Sentry (avaliado em alguns projetos)

4.9 SEO & performance

• Next.js Metadata API + generateMetadata por rota dinâmica
• OG images dinâmicas
• Schema.org structured data
• Core Web Vitals como meta (Lighthouse 90+ nos meus deploys)

4.10 Animações & UX

• Framer Motion (motion variants, layout animations)
• GSAP em projetos com timeline complexa ([Projeto de Delivery])
• Terminal UI (TypingEffect, comandos animados) — minha marca visual
• Dark/light/matrix/high-contrast themes (ThemeContext no portfólio)

5. Domínios de produto onde tenho profundidade

Projetos onde já coloquei em produção (não "já brinquei com"):

5.1 Atendimento ao cliente com IA

• Projetos: [Projeto de Atendimento], [Projeto de Atendimento Imobiliário], [Projeto de Meeting Assistant] (spec), [Projeto de Meeting Assistant (VSCode)] (spec)
• Capacidade validada: ~100 atendimentos/dia, ~2 simultâneos (foco demo, não volume)
• O que me diferencia aqui: handoff humano com contexto, follow-up de leads frios via APScheduler, knowledge base RAG editável num painel.

5.2 RAG e knowledge assistants

• Projetos: [Projeto de Agentes], [Projeto de Video RAG], [Projeto de RAG Feeder], [Projeto de Vector Store], [Projeto de MCP RAG], [Projeto de Plataforma AI]
• O que já implementei: RAG sobre texto, sobre vídeo (transcrição+chunking), sobre docs crawlados, sobre código (com knowledge graph e hallucination detection via Neo4j)
• MCP server próprio com 8 tools: crawl_single_page, smart_crawl_url, get_available_sources, perform_rag_query, search_code_examples, parse_github_repository, check_ai_script_hallucinations, query_knowledge_graph

5.3 Plataformas SaaS multi-tenant

• Projetos: [Projeto de Leads Multi-tenant] (Reachant), [Projeto de SaaS de Leads], [Projeto de Recrutamento], [Projeto de SaaS Scraper], [Projeto de SaaS Mocker]
• Patterns que aplico: account_id como chave de partição, feature flags por plano, quotas, billing, superadmin, prompts que sabem se o tenant é US ou BR.
• Métricas de uso: 1 conta = 1 usuário, histórico de buscas com custo em USD

5.4 CRM e ERPs verticais

• Projetos: [Projeto de CRM Contábil], [Projeto de CRM Contábil v2] (legado), [Projeto de CRM Contábil v3] (atual), [Projeto de CRM]
• Domínio: escritórios de contabilidade nos EUA — clientes, tax returns, EIN/SSN, entity types, documentos
• Bilíngue EN/PT, roles Admin/Accountant/Assistant

5.5 Recrutamento e matching

• Projetos: [Projeto de Recrutamento] (SaaS principal), [Projeto de Secretária] (assistente)
• Como funciona: upload de currículo, parse com pdf2json+mammoth, score 0–100 via GPT-4, matching empresa↔candidato, planos Free/Premium/Basic/Pro.

5.6 Marketing e geração de conteúdo

• Projetos: [Projeto de Gerador de Posts], [Projeto de Multi-blog], [Projeto de Content Farm], [Projeto de Vídeo Educacional], [Projeto de Meta Ads], [Projeto de Carrossel], [Projeto de Reels], [Projeto de Stories], [Projeto de Post Único], [Projeto de Carrossel], [Projeto de Máquina de Conteúdo]
• Pipeline Reddit → Perplexity ideas → Gemini images → blog com revisão humana em FastAPI+React dashboard
• Multi-formato: carrossel, reels, stories, post único, vídeo educacional

5.7 Geração de mídia

• Projetos: [Projeto de Banco de Imagens] (banco R2+SQLite com OCR), [Projeto de Vídeo], [Projeto de Vídeo Educacional], [Projeto de GIFs], [Projeto de Música], [Projeto de Áudio]
• Stack: fal.ai (gpt-image-2, Seedance, Kling, audio), ElevenLabs, Freepik AI voices
• Truque que me orgulho: OCR dos screenshots pra extrair o request_id e recuperar os assets via R2. Automação de recuperação.

5.8 Scraper/ETL pipelines

• Projetos: [Projeto de Scraper (Realtor)], [Projeto de Scraper (Cape Cod)] (Cape Cod), [Projeto de Scraper (Zillow)], [Projeto de Scraper (Zillow Firecrawl)], [Projeto de Scraper (Permits)], [Projeto de Scraper (Apify Permits)], [Projeto de Scraper (PermitEyes)], [Projeto de Scraper (IRS)], [Projeto de Scraper (Thiago)], [Projeto de Scraper (Cape Cod)], [Projeto de Scraper (Google Maps Leads)], [Projeto de Música]
• Stack: Selenium + BeautifulSoup + Pandas + openpyxl + ReportLab + Apify + Firecrawl + Crawl4AI
• Como eu monto esses scrapers: orquestrador com checkpoint, gera PDF no final, faz git commit automático.

5.9 Infra self-hosted e DevOps

• Projetos: [Projeto de Cluster], [Projeto de Segurança], [Projeto de Manutenção], [Projeto de Datacenter], [Projeto de VM Browser Console], [Projeto de Token Guard]
• Escopo: 3-node Proxmox cluster, OPNsense, VLANs, Let's Encrypt, Traefik, Dokploy, runbooks operacionais versionados
• Datacenter modular documentado pra 30 clientes leves (<região SC>). CAPEX/OPEX estudados.
• [Projeto de Token Guard]: hooks para Claude Code que bloqueiam leitura de lockfiles/builds (>200KB) e logam custo por sessão

5.10 Ferramentas de dev e automação

• Projetos: [Projeto de Automação] (Astro landing), [Projeto de Conversor] (utilitário), [Projeto de Task Tracker] (Astro dashboard), [Projeto de Token Guard] (Claude Code hooks), [Projeto de Agente WhatsApp] (whatsapp RAG bot)
• Como seleciono o que entra aqui: ferramentas que eu mesmo uso no meu setup ([Projeto de Token Guard] tá instalado aqui), não toy projects.

6. Soft skills & como eu trabalho (observáveis)

• Documentação antes de código: a maioria dos projetos ativos tem um README ou CLAUDE.md na raiz, com seções tipo Commands, Architecture, Gotchas. Serve pra qualquer pessoa (ou agente) entrar rápido no contexto.
• Versionamento consciente: .gitignore cobre node_modules, .env*, dist, __pycache__. Nada de segredos no repo.
• Spec-driven development: sdd/ em projetos maiores, PRD.md + ARCHITECTURE.md antes do primeiro npm init.
• Multi-perfil: código de portfólio, código de produto, código de infra, código de cliente — tudo convive sem misturar.
• Operação real: não tenho só "apps no GitHub" — tenho ~20+ serviços em produção respondendo em subdomínios *.<meu-domínio>.dev e *.<meu-domínio>.cloud.
• Iteração rápida: média de 3-5 features/fix por semana nos projetos ativos, com PR descritivo e changelog.

7. O que me diferencia tecnicamente (em uma linha por ponto)

1. IA não é enfeite: meus agentes têm persistência, filas, observabilidade, multi-canal, voice, RAG, tools. Não é prompt -> chatgpt -> texto.
2. Full-stack + infra: consigo desenhar a arquitetura, codar frontend, codar backend, fazer deploy, configurar o proxy, monitorar, e voltar pra consertar. Sem handoff pra "time de DevOps".
3. Multi-tenant real: já entreguei SaaS com isolamento, billing, quotas e feature flags — não é tutorial.
4. Self-host como primeira opção: Traefik + Dokploy + Proxmox + Let's Encrypt. Sei o que cada peça faz.
5. Velocidade sem perder rigor: testes onde fazem sentido (o portfólio tem 60% no jest --coverage), mas evito ceremony onde o ROI é baixo.
6. Voz + multimodal: ElevenLabs + Whisper + fal.ai + Deepgram. Não é só texto.

8. Estatísticas de portfólio (junho/2026)

• Total de projetos no inventário: 137
• Ativos: 70
• Pausados: 49
• Arquivados: 18
• Domínios cobertos: 10+ (atendimento, RAG, SaaS, CRM, recrutamento, marketing, mídia, scraping, infra, dev tools)
• Linguagens principais: TypeScript, Python
• Frameworks primários: Next.js 15/16, FastAPI
• Bancos primários: PostgreSQL + pgvector
• Stack de IA: OpenAI + Anthropic + LangGraph + LangChain + Langfuse
• Deploy: Dokploy em Proxmox VE

Apêndice A — Projetos-âncora (os que melhor demonstram profundidade)

Apêndice B — Taxonomia oficial (alinhada com src/lib/skills.ts do portfólio)

O portfólio público ([meu portfólio]) já traz uma taxonomia curada de skills em src/lib/skills.ts. Esta seção replica a estrutura canônica para alinhamento:

• Infrastructure — Linux (Debian/Ubuntu, FreeBSD, Slackware), Windows Server, Virtualization (Proxmox, Hyper-V), Networking & Security (pfSense, Mikrotik, OPNsense, VLANs), Containers (Docker, Dokploy, multi-stage), Reverse Proxy (Traefik, Nginx, Let's Encrypt), HA (ProxySQL, Keepalived, VRRP)
• Databases — PostgreSQL (13+ com pgvector), Qdrant, Redis, SQLite, MySQL
• Automation — n8n, Airflow, APScheduler, BullMQ, custom Python pipelines
• AI/ML — LLM Operations (OpenAI, Anthropic, Ollama), Vector Databases (pgvector, Qdrant, ChromaDB), Agent Development (LangGraph, LangChain, MCP, Vercel AI SDK)
• Data Engineering — Extraction (Scrapy, Selenium, Apify, Firecrawl, Crawl4AI), Analysis (Pandas, Polars), ETL (custom + Airflow)
• Marketing Automation — CRM (HubSpot, ActiveCampaign, custom), Social Media (Meta Ads, content farm), Lead Generation (multi-tenant scrapers)
• Monitoring — Langfuse, Sentry, custom healthchecks, Uptime Kuma, Grafana