Arquiteturas de dados que saem
do slide e rodam em produção.
Sou Bruno Vieira. Trabalho ao lado de clientes desenhando soluções sobre MongoDB — modelagem de documentos, busca vetorial, agentes com memória — e transformo cada uma delas em uma demo funcional.
Aqui ficam essas demos, o código por trás delas e artigos curtos explicando os conceitos que mais aparecem nessas conversas.

Experiência
Sobre mim →Arquitetura de soluções para clientes enterprise: modelagem de documentos, estratégias de busca com Atlas Search e Vector Search, aplicações de IA com agentes e memória. Construo as demos técnicas que provam cada conceito.
PLACEHOLDER — troque por um cargo real. Uma ou duas frases sobre o escopo e o resultado, no mesmo tom da entrada acima.
PLACEHOLDER — terceira posição da trajetória. Remova a linha se preferir mostrar apenas as duas mais recentes.
Projetos & demos
Todos os projetos →E-commerce com busca semântica
Catálogo onde a busca entende intenção em vez de palavra-chave. Combina Vector Search para similaridade semântica, Atlas Search para relevância textual e schema flexível para variações de produto sem migração.
Agente de seguradora com memória
Assistente que atende sinistros mantendo contexto da conversa e histórico do cliente. Memória de curto prazo na sessão, longo prazo indexada por vetores, e ferramentas expostas ao modelo via MCP.
Snippet do dia
Busca vetorial com filtro em uma única pipelinepipeline = [
{
"$vectorSearch": {
"index": "produtos_vector_index",
"path": "descricao_embedding",
"queryVector": embed("sapato leve para corrida"),
"numCandidates": 150,
"limit": 10,
"filter": {"em_estoque": True}
}
},
{
"$project": {
"nome": 1,
"preco": 1,
"score": {"$meta": "vectorSearchScore"}
}
}
]
for doc in db.produtos.aggregate(pipeline):
print(doc["nome"], round(doc["score"], 3))Últimos artigos
Todos os artigos →O que é Vector Search e como utilizar em seus projetos
Busca por significado, não por palavra-chave. Neste artigo: como os embeddings representam texto, como o índice vetorial do Atlas funciona e uma pipeline pronta para copiar.