· 2 min de leitura · Wladmir Bonazza
4 meses construindo o Kodzonia. 30 dias de números.
7.209 chamadas, 3,8 bilhões de tokens e 529 despachos de subagentes — em código real, não em demo. O que os agentes estão fazendo, e a decisão de arquitetura por trás disso.
Nos últimos anos venho construindo soluções complexas de IA para problemas reais — agentes autônomos, sistemas multimodais, voz, integrações, MCP, migração de dados e automações operando em ambientes que já existiam antes da IA.
O Kodzonia nasceu dessas experiências.
4 meses construindo. Os números abaixo são só dos últimos 30 dias.
7.209 chamadas. 3,8 bilhões de tokens.
Isso é um recorte do painel de auditoria do Kodzonia — a plataforma de engenharia agêntica que venho construindo na Zonialabs.
E o mais interessante não é o volume de tokens. É o que os agentes estão fazendo.
Hoje uso o Kodzonia diariamente em código real — inclusive no que sustenta a operação da BeCash, onde sou CTO. O próprio Kodzonia também é desenvolvido com o Kodzonia. E já tem código aceito fora de casa — pull requests mergeados em um projeto externo de firmware Linux.
As ferramentas mais usadas nesses 30 dias:
run_shell · read_file · code_search · dispatch_subagent · edit_file · apply_changeset · git_inspect
1.495 execuções de shell. 740 leituras de arquivo. 640 buscas no código. 529 despachos de subagentes. Mais edições, changesets, inspeções de Git e memória.
Isso não é autocomplete.
São agentes lendo o repositório, pesquisando código, delegando trabalho a outros agentes e alterando o sistema — trabalhando com o contexto do projeto inteiro, não só o arquivo aberto.
Tem uma decisão de arquitetura por trás disso: o Kodzonia não foi construído em torno de um único modelo.
Nesses 30 dias, o gateway orquestrou modelos da Anthropic, Kimi e OpenAI.
O modelo é parte da arquitetura — não a arquitetura inteira.
Depois de anos colocando IA em sistemas reais — e de 4 meses construindo o Kodzonia — uma coisa ficou clara para mim:
IA em produção não morre no modelo. Morre na segunda semana.
A demo funciona.
Depois ela encontra o legado. A integração que ninguém documentou. A decisão arquitetural de meses atrás. O contexto que sumiu entre uma sessão e outra. Um segundo projeto que depende do primeiro. E o custo de tratar toda tarefa como se precisasse do mesmo modelo.
Foi esse "depois da demo" que me fez construir o Kodzonia.
Não estou construindo mais um autocomplete.
Estou construindo um sistema de engenharia em que agentes trabalham com contexto, memória, múltiplos projetos, ferramentas e modelos diferentes como partes do mesmo todo.
O Kodzonia é também uma das tecnologias que deram origem à Zonialabs.
Até agora construí muito mais do que mostrei.
Isso muda a partir de hoje.
Vou abrir por aqui os números, as decisões e os erros do caminho — e compartilhar o que eu aprender enquanto o produto evolui.
Pra quem já passou da fase da demo: qual foi o primeiro problema que apareceu quando você colocou IA pra trabalhar numa base de código que já existia?