Bem-vindo ao portfólio do Leonardo Kuster
/help para comandos · cwd: ~/leonardo-kuster
@leonardokuster21 · agora mesmo
> ok. monta meu portfólio. deixa perfeito. zero bugs. zero erros. pronto pra produção, óbvio. as ondas tão boas hoje. vou surfar. agora o engenheiro sênior é você. tá tudo na sua mão.
Deixa comigo. Começando pelo nome dele.
Leonardo Kuster
AI Engineer. Construo agentes de IA que chegam à produção porque começam pelos dados.
De engenheiro de dados a engenheiro de IA · Economista · São Paulo
aperte ⏎, role a página ou digite /help
Bash(cat leonardo.jpg | ascii)
whoami
O humano por trás do prompt.
O Leo é AI Engineer na Falconi, consultoria de gestão, no time de Tech Consulting. É a referência do time em agentes de IA: projeta sistemas multiagentes e pipelines de dados com humano no circuito.
Antes dos agentes, ele era engenheiro de dados. Automatiza trabalho repetitivo desde 2022 e, com agentes, chegou a 100% das próprias tarefas. Inclusive, pelo jeito, este portfólio.
Economista de formação. Surfa. Toca guitarra. Faz Jiu Jitsu. Agora mesmo, provavelmente está fazendo uma dessas coisas.
- role:
- AI Engineer
- at:
- Falconi · Tech Consulting
- since:
- mai/2025
- base:
- São Paulo, Brasil
- degree:
- Economia · Fucape
- speaks:
- português, inglês
- off_the_clock:
- surf, guitarra, jiu‑jitsu
- status:
- …
Agent(azure-devops-flow)
run flow
O fluxo que rendeu a promoção.
Como Data Engineer na Falconi, o volume de demandas levou o Leo à IA. No fim, os agentes faziam todo o trabalho dele: pipelines, bugs em produção, relatórios em Power BI. O melhor exemplo é um fluxo 100% autônomo no Azure DevOps, feito com Claude Code e LangGraph. Escolha um bug e deixe rodar.
- pega a task no backlog
- analisa o bug
- corrige o código em uma git worktree isolada
- testa em dev
- abre o pull request
- comenta as evidências de que a correção funciona
A etapa de evidência é o ponto central: o pull request chega com a prova de que a correção funciona, e não só com o diff.
Esperando um bug. Escolha um acima e aperte Rodar agente.
★ Level up ★
Data Engineer → AI Engineer
Esse trabalho rendeu a promoção. Desde abril de 2026 ele é a referência em agentes de IA no time de Tech Consulting da Falconi.
Bash(git log --graph --all)
git log
Das planilhas aos agentes.
Cada capítulo é um commit, desde antes do primeiro emprego. Clique em um para ver o diff.
cf704ff(HEAD -> main, tag: ai-engineer)feat: promovido a AI Engineerabr/2026
Falconi · Tech Consulting · São Paulo
- Lidero a implementação de agentes de IA no time como referência técnica (subject-matter expert) em IA agêntica.
- Projeto e orquestro sistemas multiagentes com LangGraph e LangChain em projetos de consultoria.
- Construo agentes de IA com modelos da OpenAI e da Anthropic, com uso de ferramentas (function calling) e execução em múltiplas etapas.
- Aplico RAG, MCP (Model Context Protocol) e evals em projetos de agentes.
- Construo pipelines de dados automatizados com etapas de revisão human-in-the-loop (HITL).
8312a93merge: branch 'economia' (bacharel em Economia)dez/2025
Fucape Business School · 2021–2025
- Econometria e estatística me deram o hábito de medir valor de negócio, e não só a acurácia do modelo.
9f21b24feat(agents): automatizar 100% das minhas tarefas2025–2026
Falconi · Data Engineer
- Diante do volume de demandas, automatizei 100% das minhas tarefas com agentes de IA: construção e otimização de pipelines, correção de bugs em produção e relatórios em Power BI.
- Criei um fluxo de agentes 100% autônomo no Azure DevOps, da task no backlog ao pull request testado e com evidências.
- Esse trabalho levou à minha promoção a AI Engineer e referência em IA na Falconi.
52d3b2efeat: entrar na Falconi como Data Engineermai/2025
Falconi · consultoria de gestão
- Construí pipelines de dados completos: extração de múltiplas fontes em Python para o Azure Blob Storage, arquitetura medallion no Databricks e no Spark, modelagem com dbt e orquestração com Databricks Workflows.
- Refatorei o sistema de engenharia de dados de um cliente para reduzir o tempo de ingestão e tratamento dos dados e, com isso, os custos de cloud.
- Construí e otimizei relatórios em Power BI.
a932be4award: Conquista Acadêmica (Nível 2)jul/2024
FUCAPE Business School
- Reconhecimento por conquista acadêmica concedido pela FUCAPE Business School durante a graduação em Economia.
a632b99award: Conquista Acadêmica (Nível 1)jun/2024
FUCAPE Business School
- Reconhecimento por conquista acadêmica concedido pela FUCAPE Business School durante a graduação em Economia.
46c2ef7feat: entregar o primeiro data warehouse no Azure Synapsemar/2024
Apex Partners · Engenheiro de Dados Pleno · Vitória
- Fui a principal referência de dados da empresa, responsável por todas as integrações e pipelines de dados.
- Liderei o desenvolvimento da arquitetura de dados e gerenciei o time de dados, tomando decisões técnicas e estratégicas.
- Concluí o primeiro data warehouse da empresa no Azure Synapse, tirando os dados de arquivos xlsx e csv no SharePoint e os pipelines de notebooks Python.
- Integrei o ERP Sankhya e o CRM Salesforce e disponibilizei os dados de forma segura e acessível para toda a empresa.
- Entreguei relatórios de gestão à vista sobre o data warehouse.
33c6efcfeat: começar o primeiro data warehouse da empresamar/2023
Apex Partners · Engenheiro de Dados Júnior
- Assumi múltiplas funções num período crítico para o time de tecnologia.
- Comecei a construção do primeiro data warehouse da empresa no Azure Synapse, incluindo a orquestração de dados.
- Desenvolvi pipelines ETL e ELT na Azure com Python e Spark.
- Integrei dados ao Salesforce.
- Apoiei a construção de dashboards nos níveis estratégico, tático e operacional.
eaeb560feat: primeira arquitetura cloudnov/2022
Apex Partners · Estagiário de Engenharia de Dados
- Participei do desenho e da implementação da primeira versão da arquitetura cloud da empresa, incluindo a primeira versão do banco de dados, construída com Azure Functions.
- Mantive pipelines de dados na nuvem (Azure).
f78ac5a(sonho-quant (nunca mergeado))revert: "virar quant"jul/2022
O dia em que o plano quant morreu
- Entrei na APX Invest, da Apex Partners, a maior holding de investimentos do Espírito Santo, onde nasci e cresci.
- Sem área de quant, sem time de tecnologia, tudo rudimentar. O plano quant morreu ali.
- Branch nunca mergeado. No lugar dele, nasceu a engenharia de dados.
276a8fc(branch: main)feat: automação da primeira semana acaba com o trabalho manual dos estagiáriosjul/2022
APX Invest (Apex Advisory) · Data Analyst · Vitória
- Entrei como analista de dados e ajudei a construir a infraestrutura de dados do zero.
- Na primeira semana, implementei uma automação que eliminou o trabalho manual de uma equipe de estagiários.
- Automatizei rotinas com Python (RPA) e construí pipelines ETL e dashboards em Power BI com dados operacionais para assessores de investimento.
- Fui promovido rapidamente para o time de engenharia de dados da holding, a Apex Partners.
c1072acfeat: entrar no FGV Quant, em São Paulomar/2022
FGV Quant · membro, 2022–2023
- O único membro de fora da FGV.
- Desenvolvimento de modelos quantitativos para previsão de volatilidade e retornos.
- O sonho: ser quant, trader ou researcher.
5f2e1c7feat(ml): prever se um ativo sobe ou cai em 5 dias2021
Autodidata
- Mergulhei em ciência de dados e machine learning: regressão linear e logística, árvores de decisão, random forest, k-means, DBSCAN, redes neurais, XGBoost, ensembles.
- Uma pergunta por trás de tudo: sobe ou cai daqui a cinco dias?
d3a90be(branch: economia)init: Economia na Fucape Business Schooljan/2021
Fucape Business School · bacharelado em Economia
- Econometria, estatística, finanças e uma vaga na liga de mercado financeiro da faculdade. O hábito de perguntar quanto algo vale antes de construir.
7b28230feat: aprender Python para fazer backtest das técnicas2020
Autodidata, por pura implicância
- Ninguém mostrava dados históricos de performance das estratégias, então aprendi Python para testar no passado se elas davam dinheiro.
- Primeira lição, que vale até hoje: dado antes de opinião.
76662eefeat: day trade de mini índice e mini dólar na B32019
B3, a bolsa brasileira
- Aprendi muitas técnicas.
- Cada uma vinha com muita confiança e zero dado histórico. (Veja o próximo commit.)
cfaca2a(branch: sonho-quant)init: ficar rico na internet2019
A internet, infelizmente
- Achei as opções binárias. Descobri que era golpe.
- Perdi a ilusão, fiquei com o mercado: me apaixonei pelo mercado financeiro.
Read(CLAUDE.md)
cat CLAUDE.md
Como ele pensa agentes.
Todo agente que o Leo constrói parte das mesmas quatro regras. Clique numa linha para ver por que ela está ali.
# Como o Leo constrói agentes
> conti, quanto vendemos no mês passado?
Com toda a confiança: “bastante”. Três arquivos chamados final_v2 discordam, então fiquei com o de cores mais bonitas.
Aqui está o valor, a query que gerou o número e a tabela de onde ele veio, conferido com o fechamento do mês passado.
o conti quer rodar isto em produção:
DELETE FROM sales WHERE created_at < '2025-01-01';Você quer continuar?
fix: coisas
LGTM 🤷 confia
- Testes criados e passando
- Query de antes e depois
- Log da execução em dev anexado
Primeiro você precisa configurar sete agentes, um banco vetorial, um roteador, um crítico e um supervisor para o roteador. bla bla bla bla…
Quanto esse processo custa hoje para o negócio, onde ele quebra e quem assina embaixo quando o agente erra?
Bash(stack --tree)
stack
Agente fica em pé sobre dados.
A maioria dos agentes de IA trava no piloto, e raramente pelo modelo: o problema está nos dados e no processo. Puxe um bloco e veja.
A stack do Leo, de baixo para cima
- dados: Azure, Azure DevOps
- dados: Databricks, dbt
- dados: Python, SQL, Spark
- contexto e evals: OpenAI & Anthropic APIs
- contexto e evals: RAG, MCP, Evals
- agentes: Claude Code
- agentes: LangGraph, LangChain
- agentes: CrewAI, AutoGen, Maestri
Toque num bloco para puxá-lo.
WebFetch(fora-do-radar)
fora do radar
Fora do radar.
Fora do Radar é a série semanal do Leo com novidades de agentes de IA que pouca gente viu. Toda quarta, no LinkedIn. A primeira edição está a caminho, então o radar ainda está quieto.
Seguir no LinkedIn ↗Bash(logout)
fora do expediente
As ondas tão boas hoje.
Enquanto os agentes trabalham, o Leo anda de skimboard, toca guitarra e treina jiu-jitsu. Experimente os três.
Um botão faz tudo: segure Espaço, Enter ou o botão de ação (ou segure na imagem) para correr, solte para jogar a prancha, depois toque para pular em cima, pular os bugs, pegar a onda e mandar manobras no ar. Skimboard: prancha totalmente plana, sem quilhas, jogada na lâmina d’água da beira da praia.
As notas descem pelas trilhas: cinco no computador (A S J K L ou 1 a 5), três mais largas no celular (é só tocar). Acerte dentro da zona iluminada da linha. Cada acerto enche o medidor Vai. Quando encher, aperte Espaço, o botão Vai ou a alavanca: o Vai mode põe mais overdrive e dobra os pontos. O Steve Vai é o ídolo máximo do Leo; a música é uma homenagem original.
De segunda a quinta, das 19h às 21h, o Leo está no tatame. Sua vez: role com um bug.
Escolha o golpe e aperte Agora! no tempo certo (Espaço, Enter ou toque). Pontos como no tatame: passagem 3, montada 4, raspagem 2, finalização vence.
Bash(open mailto:)
contato
Se você também constrói agentes, bora trocar ideia.
O Leo sempre topa uma conversa sobre agentes, dados e o que funciona de verdade em produção. E-mail ou LinkedIn é o caminho mais rápido.
oi. aqui é o conti, o agente do Leo.
digite um comando, me pergunte algo ou só use os botões.