Economia de tokens: agente responde só com o resultado

O que eu queria resolver

Na parte anterior, mostrei como batizei meu assistente principal de Darth e dei a ele o papel de recepcionista e coordenador de pedidos para organizar meu time de agentes.

Com o Darth na porta de entrada, os pedidos começaram a fluir com ordem. Só que conforme o time cresceu, um hábito invisível começou a pesar na conta e a poluir a rotina.

Trabalho durante o dia e, à noite e aos domingos, construo com agentes de IA. Meu tempo livre é curto, e meu orçamento precisa render. Quem já usou qualquer assistente virtual conhece bem o jeito padrão desses modelos. Você manda uma tarefa e ele responde: “Com certeza, Rodrigo! Já vou começar a trabalhar nisso e em breve trago novidades, combinado?”. Quando termina, volta com outro recado: “Aqui está o que você pediu! Espero que ajude. Se precisar de mais alguma coisa, estou por aqui. Tenha um excelente dia!”.

Num bate-papo casual de uma pessoa com uma máquina, isso soa simpático. Mas quando você monta um grupo de agentes trabalhando em linha, essa educação vira um problema sério.

No começo de outubro de 2026, a rotina foi ficando barulhenta. Eu passava um pedido ao Darth. Ele confirmava com gentileza e repassava ao especialista. O especialista agradecia, fazia a parte dele e passava adiante. Na redação que montei no Hermes Cloud, com papéis de apuração, checagem, texto, arte e edição, cada etapa gerava duas ou três mensagens vazias: “Recebido!”, “Vou checar agora”, “Tudo certo, repassando para o colega”.

Isso trouxe dois problemas práticos. Primeiro, poluição no celular: no Telegram, onde acompanho o que roda na nuvem, o aparelho vibrava toda hora com robôs dizendo “ok” uns para os outros. Segundo, desperdício puro de tokens e de limite de uso.

No dia 3 de outubro de 2026, decidi cortar essa gordura. Criei uma diretriz direta para todos os agentes: quem recebe uma tarefa não responde “ok”, “feito” ou “recebido”, nem manda mensagem de cortesia. O agente trabalha em silêncio e devolve apenas o resultado final pronto, ou uma única linha curta avisando se houve um bloqueio real.

Resumo rápido

• Na parte anterior, mostrei como o Darth assumiu a triagem dos meus pedidos no Grok Bot.
• Em 3 de outubro de 2026, criei a regra de economia de tokens para todos os agentes do meu ecossistema.
• Proibi mensagens intermediárias de confirmação (“ok”, “feito”, “recebido”) e cortesias entre máquinas.
• Cada agente agora entrega direto o arquivo ou texto final pedido, ou avisa em uma linha se houver um impedimento real.
• A lição para iniciantes: respostas secas preservam a memória do modelo, evitam bater no teto de cotas e poupam dinheiro.

Primeiro: o que é um token e por que ele custa caro

Para entender o tamanho do desperdício de uma resposta educada, precisamos olhar como um modelo de inteligência artificial lê e escreve.

Um modelo de linguagem não enxerga frases em palavras prontas nem em letras soltas. Ele quebra o texto em pedaços chamados tokens. Um token pode ser uma palavra curta (como “bom”), um pedaço de uma palavra longa (como “in-te-li-gen-te”) ou até um espaço e um ponto. Em português, uma palavra comum costuma equivaler a um ou dois tokens.

Dá para comparar o token com o frete dos correios, onde cada grama do pacote vai para a balança. Se você despacha uma encomenda importante dentro de uma caixa cheia de isopor inútil e cartões de felicitações, você paga pelo peso do isopor a mesma taxa por quilo do produto. No mundo da IA, cada letra e cada espaço gerado pelo modelo entram na balança.

Na prática, as empresas cobram de dois jeitos: pelo volume de tokens que você envia na pergunta (a entrada) e pelo volume que o robô devolve na resposta (a saída). Além do custo em dinheiro, quase todas as ferramentas impõem limites de quantos tokens você pode usar por minuto ou por dia.

A comparação com a encomenda física ajuda a entender a conta, mas ela para de valer em um ponto crítico: no correio comum, o pacote viaja uma única vez. Na inteligência artificial, quando dois agentes conversam ou quando um agente faz várias etapas seguidas, todo o histórico anterior entra de novo como entrada na próxima chamada.

Isso significa que, se um agente gasta cinquenta tokens para dizer “Perfeito, Rodrigo! Já recebi seu pedido e vou iniciar agora com todo cuidado”, esses cinquenta tokens não morrem ali. Eles são relidos, reenviados e pagos de novo no passo seguinte, e no outro, e no outro, inflando a conversa inteira. Uma cortesia inútil na primeira mensagem é cobrada cinco vezes até o final da esteira.

O que eu usei

Para organizar essa limpeza, usei a estrutura que já vinha montando:

• Grok Bot: onde ficam os assistentes de rotina (Darth, ADM, Contador, Jurídico, Analista, Segurança e Arte).
• Hermes no notebook: onde roda o Optimus coordenando os processos locais.
• Hermes Cloud: onde operam os agentes da redação (Apuração, Checagem, Texto, Arte da redação, Editor-tech) e o Radar entregando os rascunhos.
• Telegram: o aplicativo onde recebo os rascunhos e aprovações no celular.
• As instruções de sistema de cada perfil: o texto de configuração que define o papel e os limites de cada agente.

Como apliquei a regra na prática

A mudança não exigiu programas novos nem linhas de código complicadas. Foi um exercício de disciplina nas instruções de cada perfil. Segui cinco passos:

1. Rastrear os vazamentos. Passei um dia observando as conversas entre agentes e os alertas no celular. Quase metade das mensagens trocadas eram saudações, confirmações de recebimento e avisos de início de trabalho.
2. Escrever a proibição nas instruções de cada agente. Entrei nas regras de cada perfil no Grok Bot e no Hermes Cloud e incluí uma ordem explícita: “Nunca responda ok, feito, recebido ou mensagens de cortesia. Não envie saudações nem despedidas. Entregue apenas o resultado final solicitado”.
3. Padronizar o relato de erros. Os agentes precisam avisar quando algo falha, mas sem escrever pedidos de desculpas compridos. A instrução foi direta: se houver erro ou falta de informação, responda apenas “FALHOU: motivo” em uma única linha.
4. Enxugar a entrega no Telegram. O Radar, que entrega os rascunhos diários da redação para minha aprovação, mandava mensagens longas com introdução e votos de bom trabalho. Ajustei o modelo para mandar somente o rascunho completo pronto e uma linha no rodapé explicando como aprovar.
5. Cortar desvios nos testes. Nos primeiros testes, alguns assistentes ainda tentavam ser simpáticos. Sempre que um “Com certeza!” escapava, eu reforçava a instrução no perfil até a resposta sair perfeitamente limpa.

O que deu errado e o que aprendi

O primeiro obstáculo foi lutar contra o treino básico dos modelos de linguagem. Essas ferramentas foram alimentadas com conversas humanas da internet, onde a etiqueta pede cumprimentos, agradecimentos e despedidas calorosas.

Se você pede com gentileza “seja breve”, o modelo costuma ignorar. Ele continua achando educado abrir com “Com certeza!” e fechar com “Conte comigo!”. Só consegui resultado consistente quando usei comandos negativos diretos, citando as palavras exatas proibidas (“ok”, “feito”, “recebido”).

O segundo obstáculo foi pessoal. Quando a regra entrou em vigor e recebi os primeiros rascunhos no Telegram, a sensação foi estranha. Eu abria a mensagem e dava de cara com o texto puro, sem um “Bom dia, Rodrigo”, sem introdução, sem tapinha nas costas. Por um instante, pareceu que o robô estava bravo ou que o sistema tinha quebrado.

Foi aí que aprendi uma lição central: máquina não tem sentimento e não precisa de agrado. Cortar a cortesia não é grosseria, é higiene operacional. Em dois dias, me acostumei com a entrega direta. Quando abro o aplicativo agora, bato o olho no conteúdo que interessa, decido em segundos e sigo o dia.

Custos e limites

Em dinheiro, essa mudança custou US$ 0. Pelo contrário: gerou economia imediata de tokens em cada rodada de trabalho, diminuindo o consumo das cotas da nuvem e evitando desperdício de processamento.

Em tempo de trabalho, gastei cerca de uma hora no dia 3 de outubro de 2026 para revisar os arquivos de instruções dos agentes e ajustar os formatos de envio.

Sobre os limites da regra, vale manter três pontos claros:

• A regra foi feita para automação interna. Funciona muito bem para agentes conversando entre si ou entregando tarefas para você. Se um dia você criar um robô para atender clientes humanos em uma loja, tirar a empatia e a cortesia pode afastar o público.
• Os modelos pedem vigilância contínua. De tempos em tempos, após atualizações de versão das plataformas de IA, alguns assistentes esquecem a restrição e voltam a soltar um “Certamente!”. É preciso revisar as regras com frequência.
• A resposta seca exige pedido claro. Como o agente não vai puxar conversa para tirar dúvidas, a instrução precisa ser precisa. Se o pedido for ambíguo, o resultado final virá errado ou com a mensagem de bloqueio.

O que eu faria diferente

Se pudesse voltar ao início de setembro, quando criei meu primeiro assistente, teria proibido confirmações e cortesias no primeiro minuto. Passei semanas deixando modelos gastarem tokens com “Perfeito!” e “Estou trabalhando nisso”, achando que isso era normal no uso de IA. Ter cortado essa gordura mais cedo teria me poupado tempo de leitura e preservado cotas úteis.

Para quem serve e para quem não serve

Essa prática serve para:

• Quem conecta tarefas entre assistentes diferentes e não quer pagar para robôs conversarem entre si.
• Pessoas com pouco tempo livre que precisam abrir uma notificação e ver o trabalho pronto na hora.
• Quem utiliza planos com limites de requisições ou cotas diárias de tokens e precisa fazer cada chamada render ao máximo.

Essa prática não serve para:

• Quem busca na inteligência artificial uma companhia para conversar ou praticar interação social descontraída.
• Chatbots de suporte ao cliente externo, onde cordialidade e acolhimento humano são exigências do atendimento.
• Quem ainda está na fase inicial de exploração e prefere que o modelo explique cada passo do raciocínio enquanto trabalha.

Fechamento

Tirar a conversa fiada dos meus agentes foi um divisor de águas na maturidade do meu sistema. Automação eficiente trabalha em silêncio nos bastidores e entrega apenas a peça pronta na mesa.

Na próxima parte, vou mostrar como o roteamento barato com o Jev e o Clef decide quem faz cada tarefa sem queimar o modelo mais caro.

Seus assistentes de inteligência artificial ainda mandam “Com certeza!” e despedidas educadas a cada tarefa, ou você já treinou seus robôs para irem direto ao ponto? Me conte lá no X: @RodrigoesPorto.

Fontes e links

• Perfil oficial do projeto no X: https://x.com/RodrigoesPorto
• Documentação e conceito de tokens na OpenAI: https://platform.openai.com/tokenizer