<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:content="http://purl.org/rss/1.0/modules/content/">
  <channel>
    <title>Omnigent on Wiliam Rosa | Lakehouse, Dados &amp; IA</title>
    <link>https://wiliamrosa.github.io/tags/omnigent/</link>
    <description>Recent content in Omnigent on Wiliam Rosa | Lakehouse, Dados &amp; IA</description>
    <image>
      <title>Wiliam Rosa | Lakehouse, Dados &amp; IA</title>
      <url>https://wiliamrosa.github.io/images/wiliam-rosa-blog-og.png</url>
      <link>https://wiliamrosa.github.io/images/wiliam-rosa-blog-og.png</link>
    </image>
    <generator>Hugo</generator>
    <language>pt-br</language>
    <lastBuildDate>Sat, 05 Sep 2026 09:00:00 -0300</lastBuildDate>
    <atom:link href="https://wiliamrosa.github.io/tags/omnigent/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>Skill ou app no Databricks: quando cada um vale a pena pra relatório</title>
      <link>https://wiliamrosa.github.io/posts/skill-ou-app-databricks-reporting/</link>
      <pubDate>Sat, 05 Sep 2026 09:00:00 -0300</pubDate>
      <guid>https://wiliamrosa.github.io/posts/skill-ou-app-databricks-reporting/</guid>
      <description>O Databricks MVP Domonkos Pal publicou um guia prático sobre quando um skill de agente basta pra gerar relatório e quando vale migrar pra um Databricks App, com skill e app compartilhando a mesma camada de governança.</description>
    </item>
    <item>
      <title>Rodei o Omnigent com um LLM local no Mac, e a configuração levou menos de 30 minutos</title>
      <link>https://wiliamrosa.github.io/posts/omnigent-llm-local-llama-cpp/</link>
      <pubDate>Fri, 04 Sep 2026 09:00:00 -0300</pubDate>
      <guid>https://wiliamrosa.github.io/posts/omnigent-llm-local-llama-cpp/</guid>
      <description>Configurar o Omnigent para rodar com um modelo quantizado local via llama.cpp é mais simples do que parece, e ainda revela que o Ollama, apesar de mais popular, é mais lento e mais trabalhoso de configurar pro mesmo modelo.</description>
    </item>
    <item>
      <title>Omnigent: a Databricks aposta que orquestrar agentes importa mais do que escolher um só</title>
      <link>https://wiliamrosa.github.io/posts/databricks-omnigent-orquestracao-agentes-codigo/</link>
      <pubDate>Tue, 25 Aug 2026 08:30:00 -0300</pubDate>
      <guid>https://wiliamrosa.github.io/posts/databricks-omnigent-orquestracao-agentes-codigo/</guid>
      <description>O Omnigent propõe uma camada compartilhada para orquestrar múltiplos agentes de código sem perder contexto entre eles. Acho que essa é a pergunta certa, mas a resposta ainda depende de execução.</description>
    </item>
    <item>
      <title>Omnigent: trocar de agente de código sem recomeçar o contexto</title>
      <link>https://wiliamrosa.github.io/posts/linkedin-omnigent-agentes-codigo/</link>
      <pubDate>Tue, 25 Aug 2026 00:05:00 -0300</pubDate>
      <guid>https://wiliamrosa.github.io/posts/linkedin-omnigent-agentes-codigo/</guid>
      <description>A pergunta que o Omnigent tenta responder importa mais do que &amp;lsquo;qual agente é melhor&amp;rsquo;, mas &amp;lsquo;meta-harness universal&amp;rsquo; é uma categoria que merece ceticismo.</description>
    </item>
  </channel>
</rss>
