A Memoket lançou o Memoket Gem, um dispositivo vestível de inteligência artificial com 11 gramas, projetado para ser usado em conjunto com o Apple Watch, podendo ser facilmente inserido na pulseira que se usa em conjunto. O utilizador só precisa de pressionar um botão para capturar o conteúdo da conversa, e o Gem irá automaticamente vincular essa conversa a discussões relevantes de semanas anteriores, fornecendo um link de origem. O preço inicial do produto é de US$179 (cerca de HK$1,396) e a entrega está prevista para agosto de 2026. Com a recente onda de inteligência artificial provocada pelo ChatGPT já a durar quase quatro anos, aqui estão algumas ferramentas que realmente usei e que tornaram a minha vida, trabalho e projetos pessoais no Mac muito mais fáceis.
É importante notar que você pode já ter ouvido falar ou lido sobre a maioria, se não todas, as ferramentas que vou descrever. Mas esse é precisamente um dos objetivos deste artigo. Embora descobrir algumas joias raras seja sempre agradável, na minha experiência, há uma razão pela qual alguns produtos se tornam mainstream. Isso é especialmente verdade para ferramentas de inteligência artificial que dependem de modelos excessivamente caros para serem treinados ou executados. Mas, de qualquer forma, o que importa é quão útil você consegue ser com essas ferramentas. No entanto, nem todas as ferramentas são adequadas para todos, seja ferramentas impulsionadas por inteligência artificial ou outras.
Abaixo estão alguns exemplos de como uso essas ferramentas para simplificar e melhorar o meu trabalho, na esperança de inspirar algumas ideias para o seu próprio fluxo de trabalho. Se isso não se aplica a você, está tudo bem. Melhor ainda, se você tiver alguma ferramenta favorita ou caso de uso que o ajude no seu próprio fluxo de trabalho, adoraria lê-lo nos comentários.
MacWhisper torna o meu fluxo de trabalho mais eficiente
Atualmente, gravo cinco podcasts por semana e edito sete programas. Para a maioria dos programas, também sou responsável pela publicação, incluindo descrições dos programas, notas dos programas e outros materiais auxiliares, como citações em texto simples ou pequenos trechos para as redes sociais. Alguns programas também publicam um boletim semanal baseado no conteúdo. Após concluir a edição, ouço o programa do início ao fim, enquanto anoto os links nas notas do programa, marco os timestamps de cada capítulo e destaco algumas frases ou trechos que podem ser adequados para postagens nas redes sociais. Quando termino de ouvir, escrevo a descrição do programa e o texto para as redes sociais enquanto tudo ainda está claro na minha mente.
Este tem sido o meu fluxo de trabalho há cerca de dez anos e sempre funcionou. No entanto, nos últimos anos, adicionei o MacWhisper a esse processo. Sempre que exporto um episódio para audição final, uso o modelo Parakeet v3 da Nvidia para executar o MacWhisper, que tem precisão suficiente para servir como uma rede de segurança útil. Após concluir a revisão do programa, forneço a transcrição completa e o texto que já escrevi ao ChatGPT para me ajudar a verificar se perdi algum link ou outros detalhes importantes, como a melhor posição para postagens nas redes sociais.
Embora meu uso do MacWhisper seja relativamente simples, é uma das ferramentas de inteligência artificial mais impressionantes atualmente na plataforma Mac. O investimento do desenvolvedor Jordi Bruin em personalização, flexibilidade e acessibilidade (incluindo casos de uso muito específicos) é surpreendente. Esses recursos incluem pastas de monitoramento para transcrições automáticas, gravações de reuniões, atalhos de teclado, legendas em tempo real, suporte a modelos na nuvem e locais, dicionários personalizados, exportação em lote, integrações de terceiros… a lista continua. O MacWhisper ajuda-me a trabalhar de forma mais eficiente, e para qualquer trabalho relacionado a transcrições, não posso recomendá-lo o suficiente.
Codex torna a programação mais fácil
Apesar de ter tentado várias vezes nos últimos anos, tive de aceitar que não possuo a mentalidade de um programador. Estou muito interessado neste tema e faço o meu melhor para dominar o conhecimento relacionado, mas a programação prática nunca foi o meu forte. No entanto, como qualquer utilizador, tenho algumas necessidades específicas que as aplicações existentes não conseguem satisfazer completamente. Assim, no final do ano passado, decidi experimentar ferramentas como o Codex da OpenAI e o Claude Code da Anthropic. No meu primeiro projeto, pedi a essas duas plataformas de programação para escreverem um aplicativo idêntico: um para monitorar sites que não oferecem feeds RSS, para ser notificado quando surgirem notícias importantes.
Embora o Claude tenha se saído melhor no geral, não consegui me acostumar com sua interface baseada em CLI. Continuei a usar o Codex até ficar satisfeito com o meu aplicativo, e então deixei de usar o Codex até cerca de dois meses atrás, quando tive uma ideia para outro aplicativo que queria criar. A diferença desta vez em relação ao modelo do final do ano passado é como dia e noite, qualquer desenvolvedor prático lhe dirá isso. Desde então, comecei a trabalhar em mais duas ferramentas úteis, e em breve compartilharei mais detalhes. Recentemente, a OpenAI causou algum alvoroço ao fundir o principal aplicativo do ChatGPT com o Codex, mas isso não muda o fato de que o Codex continua a ser uma das ferramentas mais impressionantes que uso várias vezes ao dia,
sempre que encontro um erro ou penso em como melhorar esses projetos, recorro a ele. Uma vez que esse pequeno processo começa a rodar na minha mente, é difícil desligá-lo. Embora isso possa soar mal para algumas pessoas, é uma sensação boa.
Perplexity Computer simplifica tarefas tediosas
Primeiro, preciso esclarecer diretamente: o preço do Perplexity Computer não é barato. Atualmente, os usuários do Perplexity Pro pagam US$20 por mês (cerca de HK$156) e devem comprar créditos para usar esta funcionalidade, enquanto os usuários do Perplexity Max, que pagam US$200 por mês (cerca de HK$1,560), recebem 10.000 créditos mensais e podem comprar créditos adicionais. Sempre quis escrever um artigo sobre o Perplexity Computer, mas até agora não consegui concluir.
Resumindo, quando o usei pela primeira vez, percebi imediatamente que cada sistema operativo em breve teria a sua própria versão deste tipo de ferramenta com funcionalidades de agente, como Claude Cowork e ChatGPT Work, capaz de executar tarefas de longo prazo que envolvem criação de documentos, uso de computador, ferramentas de agente e integrações de terceiros, para completar o trabalho de acordo com os requisitos do usuário. Ao contrário das ferramentas de agente da OpenAI e da Anthropic, o Perplexity Computer seleciona o modelo que melhor se adequa à descrição do usuário a partir de dezenas de modelos de texto, imagem, vídeo e áudio, e então começa a trabalhar.
Isso requer alguns ajustes e experimentação, mas o Perplexity Computer acabou por lidar com a minha tarefa repetitiva de analisar cerca de 200 documentos de várias páginas por mês, explicando e desagregando dados, e depois transferindo uma parte para uma folha de cálculo com múltiplas etiquetas. Isso ainda requer alguns ajustes manuais e uma verificação completa para garantir que tudo esteja correto. Mas o Perplexity Computer assumiu o trabalho pesado e moroso, completando tarefas que antes levavam quase um dia inteiro a cada poucas semanas em apenas alguns minutos.
LM Studio oferece a conveniência de executar modelos de inteligência artificial localmente
À primeira vista, o conceito de executar modelos de inteligência artificial localmente pode parecer menos conveniente em comparação com simplesmente abrir o Safari ou a aplicação ChatGPT e começar a trabalhar. Mas os modelos locais realmente têm as suas vantagens. Primeiro, eles não precisam de uma conexão ativa à internet, o que pode ser muito útil em certas situações. Recentemente, usei o LM Studio durante um voo, executando o modelo Gemma 4 do Google (com 12 bilhões de parâmetros), cujo desempenho foi tão bom quanto o dos modelos baseados na web de parâmetros em escala de terabytes que usei com o ChatGPT.
Em segundo lugar, para os usuários que lidam com informações que não desejam (ou não podem) enviar para servidores de terceiros, os modelos locais são uma excelente alternativa. Mesmo que você escolha não usar os dados para treinamento, esses dados ainda precisam sair do seu dispositivo e ser processados em outro lugar, o que pode ser um fator decisivo dependendo da natureza do trabalho. Claro, a quantidade de modelos que você pode executar localmente no Mac depende em grande parte das suas especificações técnicas, mas o LM Studio permite que você determine facilmente quais modelos podem ser executados confortavelmente no seu dispositivo, quais funcionam com dificuldade ou quais não podem ser executados de todo.
A boa notícia é que laboratórios de inteligência artificial e comunidades de código aberto estão cada vez melhores na produção de modelos menores e mais eficientes, que ainda conseguem oferecer resultados impressionantes. Vale a pena mencionar que o LM Studio lançou recentemente o Bionic, a ferramenta própria da empresa para modelos de agente. Além dos modelos locais, o LM Studio Bionic também oferece acesso sob demanda a modelos abertos na nuvem, que são hospedados em servidores nos Estados Unidos, com uma rigorosa política de não retenção de dados. Eu consegui realizar apenas testes básicos de criação de documentos no LM Studio Bionic, mas já posso recomendá-lo sem reservas.