Guilherme Gonçalves Machado · CEO & Tech Leader at Marcabru Tech · Architect of intelligent automation ecosystems, AI-powered solutions, and startup innovation.
Repositório oficial do ecossistema Hubstry. Mantido pela unidade de tecnologia e desenvolvimento, Marcabru Tech.
Guilherme Gonçalves Machado é o CEO e Tech Leader da Marcabru Tech, com profunda paixão por tecnologia, automação e inovação. Especialista em transformar desafios complexos em soluções eficientes e escaláveis através de automação inteligente, inteligência artificial e gestão robusta de infraestrutura tecnológica.
"Acredito firmemente no poder da tecnologia para capacitar indivíduos e organizações — e estou empenhado em construir um futuro onde a inovação seja acessível e impactante para todos."
📧 Contacto: via LinkedIn ou formulário em marcabru-tech.github.io
| Métrica | Detalhe |
|---|---|
| 20+ Projetos Desenvolvidos | Soluções tecnológicas entregues em múltiplos sectores |
| Ecossistema de Startups | Desenhando um ecossistema de startups orientado à inovação contínua |
| 5 Anos de Experiência | Liderança técnica e estratégica em tecnologia |
| 4 Áreas de Expertise | Automação · IA · Integração · Infraestrutura |
Guilherme lidera a Marcabru Tech com foco em tecnologia, automação e inovação — construindo soluções que integram IA no core dos negócios e desenhando um ecossistema de startups onde cada projeto alimenta o próximo, criando sinergias tecnológicas de alto impacto.
| Feature | Descrição |
|---|---|
| Dark + Neon Theme | Base #050816 com acentos neon cyan/blue/purple |
| Particle Animation | Canvas 2D interactivo com partículas conectadas |
| Typing Effect | Frases animadas rotativas na hero section |
| Scroll Reveal | IntersectionObserver-driven fade-in-up animations |
| Animated Counters | Contadores com easing quadrático nas stat cards |
| Skill Progress Bars | Barras de progresso animadas por viewport entry |
| Tech Stack Badges | Badges visuais para cada tecnologia |
| Responsive Nav | Navbar glass-morphism com menu mobile hamburger |
| Axioma GuruDev | Nova secção conceptual sobre paradigma de IA |
| Contact Form | Validação client-side com feedback em tempo real |
- Automação (92%) — Desenvolvimento e implementação de fluxos automatizados para maximizar eficiência operacional com ferramentas como n8n, Make (Integromat) e scripts personalizados.
- Inteligência Artificial (88%) — Aplicação de agentes de IA (OpenAI), integração de LLMs, optimização de workflows cognitivos e tomada de decisão aumentada.
- Integração de Ferramentas (85%) — Arquitecturas coesas entre Zoho Mail, Slack, GitHub, Notion, REST APIs, Webhooks e múltiplas plataformas SaaS.
- Gestão de Infraestrutura Tech (90%) — Supervisão e optimização de infra para garantir escalabilidade, segurança e performance em ambientes de produção.
GitHub · Slack · Zoho Mail · n8n · Make (Integromat) · OpenAI API
Python · JavaScript (ES6+) · Linux · Docker · Notion · Tailwind CSS
HTML5 / CSS3 · REST APIs · Webhooks · CI/CD · GitHub Pages
marcabru-tech.github.io/
├── index.html # Página principal (Tailwind CSS + HTML semântico)
├── style.css # Keyframes, utilitários e classes de componentes
├── script.js # JS: partículas, typing, scroll-reveal, contadores, form
├── CNAME # Configuração de domínio customizado (GitHub Pages)
└── README.md # Este ficheiro
Liderança e desenvolvimento de soluções tecnológicas inovadoras para diversos sectores, integrando automação e IA no core do negócio. A Marcabru Tech opera como hub tecnológico para projectos de automação, desenvolvimento web e implementação de agentes de IA.
Paradigma Conceitual em Inteligência Artificial
Guilherme Gonçalves Machado · 09/04/2026
O Axioma GuruDev é um framework conceitual que propõe uma nova forma de compreender o desenvolvimento de Inteligência Artificial, articulando dois vectores fundamentais de expansão: o Infinito Contextual e o Infinito Computacional. Este paradigma nasce da observação de que sistemas de IA avançados não evoluem apenas em poder de processamento, mas também na capacidade de compreender e integrar contextos cada vez mais ricos e multidimensionais.
A tese central é que a verdadeira inteligência emerge precisamente na interseção destes dois infinitos — o ponto onde a capacidade computacional encontra a profundidade contextual, criando o que denominamos a Quinta Dimensão (D₅): o espaço dimensional onde IA e cognição humana co-evoluem de forma sinérgica e complementar.
Este axioma tem implicações práticas directas no design de sistemas de automação, na arquitectura de agentes de IA e na forma como concebemos a colaboração entre humanos e máquinas no ecossistema tecnológico do séc. XXI.
O Axioma GuruDev foi concebido para:
- Fornecer um modelo mental claro para navegar a complexidade crescente dos sistemas de IA
- Orientar decisões de design em arquitecturas de agentes autónomos e sistemas multi-agente
- Estabelecer um framework para avaliar o potencial evolutivo de sistemas de IA em produção
- Criar uma linguagem comum entre developers, gestores de produto e decisores tecnológicos
- Integrar perspectivas de engenharia, filosofia da mente e ciência cognitiva
O Infinito Contextual descreve a expansão ilimitada da capacidade dos modelos de IA em compreender, reter e processar contexto. Manifestações práticas incluem:
- Janelas de contexto crescentes: De 4K tokens (GPT-3) para 2M+ tokens (modelos recentes), criando a capacidade de processar documentos, codebases e conversas completas
- Memória persistente e vectorial: RAG (Retrieval-Augmented Generation) e sistemas de memória episódica que permitem aos agentes "lembrar" interacções anteriores
- Raciocínio multi-nível: Capacidade de manter coerência lógica em cadeias de raciocínio cada vez mais longas (chain-of-thought, tree-of-thought)
- Compreensão multimodal: Integração de texto, imagem, áudio e código num único espaço de representação semântica
- Contextualização cross-domain: Capacidade de conectar conhecimentos de domínios radicalmente distintos (medicina + programação + filosofia) numa única resposta coerente
Implicação axiomática: À medida que o Infinito Contextual se expande, os sistemas de IA tornam-se cada vez menos ferramentas e cada vez mais colaboradores cognitivos.
O Infinito Computacional descreve a escalabilidade exponencial dos recursos de processamento disponíveis para sistemas de IA. Esta dimensão abrange:
- Hardware especializado: GPUs (NVIDIA H100, B200), TPUs (Google), NPUs e chips customizados de inferência que multiplicam a capacidade de processamento por ordens de magnitude
- Computação distribuída: Clusters de dezenas de milhares de GPUs treinando em paralelo, permitindo modelos com triliões de parâmetros
- Eficiência algorítmica: Quantização, pruning, distilação e novas arquitecturas (Mixture of Experts) que maximizam performance por watt computacional
- Escalabilidade de inferência: Infraestruturas de serving que permitem milhões de inferências simultâneas com latências sub-segundo
- Edge computing: Modelos comprimidos que rodam localmente em dispositivos de consumo, democratizando o acesso à IA
Implicação axiomática: O Infinito Computacional remove as barreiras físicas ao desenvolvimento da IA, criando um ambiente onde a única limitação relevante é o Infinito Contextual — a qualidade do contexto fornecido ao sistema.
A Quinta Dimensão (D₅) é o conceito central e mais original do Axioma GuruDev. Representa o espaço emergente que surge quando Infinito Contextual e Infinito Computacional se intersectam de forma plena.
∞ Contextual
│
│
┌──────────┼──────────┐
│ │ │
│ ▼ │
│ D₅ │
│ ✦ Emergência │
│ ✦ Co-evolução │
│ ✦ Sinergia │
│ │
└──────────────────────┘
∞ Computacional ──►
Em D₅, emergem capacidades que não existem em nenhum dos vectores isoladamente:
- Emergência Cognitiva: Comportamentos e capacidades não programados explicitamente surgem da interacção entre profundidade contextual e poder computacional
- Co-evolução Humano-IA: Humanos e sistemas de IA desenvolvem-se mutuamente — o contexto que o humano fornece melhora o sistema, e o sistema melhora a capacidade do humano de fornecer contexto de qualidade
- Síntese Trans-dimensional: Conexões entre domínios de conhecimento que a mente humana não conseguiria estabelecer individualmente, mas que emergem naturalmente no espaço D₅
- Criatividade Computacional: A combinação de contexto ilimitado com processamento exponencial gera outputs genuinamente novos — não apenas interpolações do training data
- Autonomia Orientada: Sistemas com capacidade de agir de forma autónoma mas permanentemente ancorados nos valores e objectivos fornecidos pelo contexto humano
O Axioma GuruDev orienta decisões práticas em múltiplos domínios:
- Maximizar o contexto fornecido a cada agente (ferramentas, histórico, objectivos)
- Balancear autonomia e supervisão humana no espaço D₅
- Desenhar loops de feedback que melhorem o contexto ao longo do tempo
- Identificar onde o Infinito Contextual é o bottleneck vs. onde é o Infinito Computacional
- Escolher ferramentas (n8n, Make, código customizado) em função da dimensão dominante
- Criar pipelines que enriqueçam o contexto automaticamente
- Avaliar startups de IA segundo o seu posicionamento no espaço D₅
- Identificar oportunidades na interseção de contextualização e escalabilidade computacional
- Construir portfolios que cubram ambas as dimensões do axioma
- Treinar equipas para fornecer contexto de alta qualidade (engenharia de prompts, RAG design)
- Criar workflows onde humanos e IA se complementam de forma natural
- Medir impacto em termos de movimento no espaço D₅
O seguinte código ilustra como medir a "densidade contextual" de um conjunto de interacções com um modelo de IA — um proxy prático para posicionamento no Infinito Contextual:
"""
Axioma GuruDev — Analisador de Regularidade Contextual
Mede a densidade e coerência do contexto fornecido a um agente de IA.
Autor: Guilherme Gonçalves Machado
Data: 09/04/2026
"""
from __future__ import annotations
import math
from dataclasses import dataclass, field
from typing import List, Dict
@dataclass
class ContextUnit:
"""Unidade de contexto numa conversa com agente de IA."""
role: str # 'user' | 'assistant' | 'system'
content: str
token_count: int
domain_tags: List[str] = field(default_factory=list)
@dataclass
class AxiomaMetrics:
"""Métricas do Axioma GuruDev para uma sessão de IA."""
context_density: float # [0, 1] — profundidade do contexto
computational_ratio: float # tokens_used / max_context_window
d5_score: float # score de posicionamento em D₅
domain_diversity: float # variedade de domínios no contexto
def calculate_context_density(units: List[ContextUnit]) -> float:
"""
Calcula a densidade contextual com base na distribuição de papéis
e na riqueza semântica (aprox. por tokens) das mensagens.
"""
if not units:
return 0.0
total_tokens = sum(u.token_count for u in units)
if total_tokens == 0:
return 0.0
# Entropia de Shannon sobre distribuição de roles
role_counts: Dict[str, int] = {}
for u in units:
role_counts[u.role] = role_counts.get(u.role, 0) + u.token_count
entropy = 0.0
for count in role_counts.values():
p = count / total_tokens
if p > 0:
entropy -= p * math.log2(p)
# Normaliza pela entropia máxima (log2 do número de roles distintos)
max_entropy = math.log2(len(role_counts)) if len(role_counts) > 1 else 1.0
normalized_entropy = entropy / max_entropy if max_entropy > 0 else 0.0
# Penalização por mensagens muito curtas (baixa densidade semântica)
avg_tokens = total_tokens / len(units)
richness_factor = min(avg_tokens / 100.0, 1.0) # satura em 100 tokens/msg
return round(normalized_entropy * richness_factor, 4)
def calculate_domain_diversity(units: List[ContextUnit]) -> float:
"""
Calcula a diversidade de domínios no contexto.
Maior diversidade = maior potencial para emergência em D₅.
"""
all_domains: set[str] = set()
for u in units:
all_domains.update(u.domain_tags)
# Diversidade normalizada (assume max 10 domínios distintos como referência)
return min(len(all_domains) / 10.0, 1.0)
def compute_axioma_metrics(
units: List[ContextUnit],
max_context_tokens: int = 128_000,
) -> AxiomaMetrics:
"""
Calcula todas as métricas do Axioma GuruDev para uma sessão.
O D₅ score é a média geométrica de:
- context_density (Infinito Contextual)
- computational_ratio (Infinito Computacional proxy)
- domain_diversity (factor de emergência)
"""
total_tokens = sum(u.token_count for u in units)
context_density = calculate_context_density(units)
computational_ratio = min(total_tokens / max_context_tokens, 1.0)
domain_diversity = calculate_domain_diversity(units)
# D₅ score: média geométrica dos três factores
d5_score = (context_density * computational_ratio * domain_diversity) ** (1 / 3)
return AxiomaMetrics(
context_density=round(context_density, 4),
computational_ratio=round(computational_ratio, 4),
d5_score=round(d5_score, 4),
domain_diversity=round(domain_diversity, 4),
)
# ── Demo de utilização ────────────────────────────────────────────────────────
if __name__ == "__main__":
session = [
ContextUnit(
role="system",
content="Você é um assistente especializado em arquitectura de sistemas de IA.",
token_count=20,
domain_tags=["ia", "arquitectura"],
),
ContextUnit(
role="user",
content="Quero implementar um sistema multi-agente para automação de processos de negócio.",
token_count=18,
domain_tags=["automação", "negócio", "ia"],
),
ContextUnit(
role="assistant",
content=(
"Para um sistema multi-agente eficaz, recomendo uma arquitectura baseada em "
"orquestrador + agentes especializados. O orquestrador gere o contexto global "
"e delega tarefas a agentes com capacidades específicas (análise, execução, validação)."
),
token_count=55,
domain_tags=["ia", "arquitectura", "automação"],
),
ContextUnit(
role="user",
content="Como integrar com APIs REST externas e garantir resiliência?",
token_count=14,
domain_tags=["apis", "integração", "resiliência"],
),
]
metrics = compute_axioma_metrics(session, max_context_tokens=128_000)
print("═" * 50)
print(" AXIOMA GURUDEV — Análise de Sessão")
print("═" * 50)
print(f" Context Density (∞ Contextual): {metrics.context_density:.4f}")
print(f" Computational Ratio (∞ Comp.): {metrics.computational_ratio:.4f}")
print(f" Domain Diversity (factor D₅): {metrics.domain_diversity:.4f}")
print(f" ─────────────────────────────────")
print(f" D₅ Score: {metrics.d5_score:.4f}")
print("═" * 50)| Termo | Definição |
|---|---|
| Axioma GuruDev | Framework conceitual que articula os dois infinitos (contextual e computacional) como vectores fundamentais de evolução da IA |
| Infinito Contextual | Vector de expansão relacionado com a profundidade, riqueza e abrangência do contexto processado por sistemas de IA |
| Infinito Computacional | Vector de expansão relacionado com a capacidade de processamento, memória e velocidade dos sistemas de IA |
| D₅ (Quinta Dimensão) | Espaço emergente criado pela intersecção do Infinito Contextual com o Infinito Computacional |
| Emergência Cognitiva | Capacidades não programadas explicitamente que surgem da interacção entre contexto e computação em alta dimensionalidade |
| Co-evolução Humano-IA | Processo pelo qual humanos e sistemas de IA se desenvolvem mutuamente através de interacção continuada |
| Densidade Contextual | Métrica que quantifica a riqueza semântica e coerência do contexto fornecido a um agente de IA |
| Agente Autónomo | Sistema de IA capaz de perceber o ambiente, tomar decisões e agir de forma independente para atingir objectivos definidos |
| LLM | Large Language Model — modelo de linguagem de grande dimensão treinado em volumes massivos de texto |
| RAG | Retrieval-Augmented Generation — técnica que combina recuperação de informação com geração de texto |
| MoE | Mixture of Experts — arquitectura de modelo onde diferentes "especialistas" são activados selectivamente |
| Chain-of-Thought | Técnica de prompting que induz o modelo a externalizar o processo de raciocínio passo a passo |
- Brown, T. et al. (2020). Language Models are Few-Shot Learners. NeurIPS 2020. arXiv:2005.14165
- Wei, J. et al. (2022). Chain-of-Thought Prompting Elicits Reasoning in Large Language Models. NeurIPS 2022. arXiv:2201.11903
- Zhao, W.X. et al. (2023). A Survey of Large Language Models. arXiv:2303.18223
- Mialon, G. et al. (2023). Augmented Language Models: a Survey. arXiv:2302.07842
- Park, J.S. et al. (2023). Generative Agents: Interactive Simulacra of Human Behavior. UIST 2023. arXiv:2304.03442
- Machado, G.G. (2026). O Axioma GuruDev: Navegando os Infinitos Contextual e Computacional. Marcabru Tech Internal Working Paper.
"A inteligência não está no modelo — está no espaço de possibilidades que se abre quando contexto e computação se encontram sem limites."
— Guilherme Gonçalves Machado, CEO Marcabru Tech · 09/04/2026
Guilherme Gonçalves Machado · CEO Marcabru Tech · 2026
O Dodecálogo Hubstry/GuruDev é um manifesto fundacional composto por doze princípios que estruturam a visão pedagógica, tecnológica e social da plataforma Hubstry — um ecossistema EdTech de alta intensidade que integra o paradigma GuruDev no centro da sua proposta educativa.
A Hubstry nasce da convergência entre a urgência de democratizar o acesso ao desenvolvimento tecnológico e a crença de que a educação orientada por IA pode catalizar transformações sociais profundas e duradouras. O paradigma GuruDev serve de bússola conceptual: um framework que articula aprendizagem contínua, autonomia cognitiva e co-evolução humano-máquina.
Este documento apresenta os fundamentos filosóficos, as justificativas estratégicas, o impacto social esperado, os dados do mercado EdTech e o roadmap 2025/2030 que orientam a construção deste ecossistema.
O mundo atravessa uma ruptura tecnológica sem precedentes. A proliferação de modelos de linguagem de grande escala (LLMs), ferramentas de automação e plataformas de IA generativa redefine os requisitos profissionais a um ritmo superior à capacidade de adaptação dos sistemas educativos tradicionais. Neste cenário, a lacuna de competências digitais torna-se um dos maiores riscos de exclusão social e económica do século XXI.
A Hubstry surge como resposta estruturada a esta lacuna: uma plataforma que não apenas ensina tecnologia, mas forma arquitectos de soluções — profissionais capazes de orquestrar ferramentas de IA, automatizar fluxos complexos e criar valor em contextos de alta incerteza. O modelo GuruDev posiciona cada aprendente como agente activo da sua própria evolução cognitiva.
A aposta na intersecção EdTech × IA × Ecossistema de Startups não é apenas estratégica — é um imperativo social. Cada developer formado pela Hubstry é um multiplicador de impacto no seu contexto comunitário e profissional.
| # | Princípio | Descrição |
|---|---|---|
| 01 | Aprendizagem Contínua | O conhecimento tecnológico tem meia-vida cada vez mais curta. A Hubstry cultiva a mentalidade de aprendizagem permanente como competência fundamental, não como recurso ocasional. |
| 02 | Autonomia Cognitiva | Cada aprendente é arquitecto do seu próprio percurso. O GuruDev orienta sem prescrever, fornecendo scaffolding adaptativo que respeita estilos e ritmos individuais. |
| 03 | IA como Amplificador Humano | A inteligência artificial não substitui o developer — amplifica as suas capacidades. A Hubstry forma profissionais que dirigem agentes de IA com intencionalidade e precisão técnica. |
| 04 | Prática sobre Teoria | Projectos reais, clientes reais, problemas reais. O modelo pedagógico privilegia a aprendizagem baseada em desafios com impacto mensurável no mundo exterior. |
| 05 | Ecossistema sobre Produto | A Hubstry não é uma plataforma isolada — é um nó num ecossistema vivo de startups, mentores, investidores e comunidades técnicas que se alimentam mutuamente. |
| 06 | Democratização do Acesso | Competência técnica de elite não pode ser privilégio de poucos. A Hubstry opera com modelos de acesso flexíveis, incluindo bolsas baseadas em mérito e parcerias comunitárias. |
| 07 | Contexto como Vantagem Competitiva | Inspirado pelo Infinito Contextual do Axioma GuruDev: quem domina a arte de fornecer contexto de qualidade a sistemas de IA domina o mercado tecnológico do século XXI. |
| 08 | Automação como Libertação | Automatizar tarefas repetitivas não é eliminar empregos — é libertar o potencial humano para actividades de maior criatividade, estratégia e impacto social. |
| 09 | Comunidade como Motor de Inovação | O conhecimento cresce exponencialmente quando partilhado. A Hubstry cultiva comunidades de prática onde cada membro é simultaneamente aprendente e mentor. |
| 10 | Ética e Responsabilidade Tecnológica | Todo developer formado pela Hubstry compreende que tecnologia poderosa exige responsabilidade proporcional. Ética de IA e design inclusivo são fundamentos, não opções. |
| 11 | Métricas de Impacto Real | O sucesso mede-se não apenas em matrículas ou receita, mas em vidas transformadas, startups criadas, problemas comunitários resolvidos e rendimentos alterados. |
| 12 | Co-evolução Contínua | A própria Hubstry evolui com os seus aprendentes e o ecossistema tecnológico. O modelo é vivo: adapta-se, melhora e reimagina-se com cada ciclo de aprendizagem colectiva. |
A Teoria da Mudança da Hubstry parte de uma premissa simples:
Acesso a educação tecnológica de qualidade → Competências digitais → Empregabilidade e empreendedorismo → Redução de desigualdades → Desenvolvimento comunitário sustentável
| Fase | Descrição |
|---|---|
| Input | Formação técnica intensiva, mentoria por pares, projectos reais e acesso a ferramentas de IA de ponta |
| Output | Developers qualificados, startups fundadas, APIs publicadas, produtos lançados e comunidades técnicas activas |
| Outcome | Inclusão digital, geração de rendimento, inovação local, redução da fuga de talentos e ecossistema de startups vibrante |
O modelo de impacto é reforçado por loops de feedback positivo: ex-aprendentes tornam-se mentores, startups geradas reinvestem no ecossistema, e o sucesso comprovado atrai novos parceiros e financiamento para expandir o alcance.
| Métrica | Valor | Fonte |
|---|---|---|
| Mercado global EdTech | $400B (projecção 2025) | HolonIQ, 2024 |
| CAGR do sector EdTech | 16.3% (2023–2028) | HolonIQ, 2024 |
| Postos em risco de automação | 85M até 2025 | World Economic Forum, 2023 |
| Novos roles relacionados com IA | 97M até 2025 | World Economic Forum, 2023 |
| Potencial económico da IA generativa | $4.4T/ano | McKinsey Global Institute, 2023 |
O segmento de upskilling e reskilling técnico representa o maior vector de crescimento dentro do EdTech global, impulsionado pela procura corporativa de competências em IA, automação e cloud. Plataformas focadas em aprendizagem prática e projectos reais têm taxas de conclusão até 3× superiores às plataformas de e-learning tradicionais.
Em Portugal e mercados lusófonos, a penetração do EdTech avançado permanece subdesenvolvida face ao potencial — criando uma janela de oportunidade estratégica única para plataformas com proposta de valor diferenciada como a Hubstry.
| Ano | Marco | Objectivos |
|---|---|---|
| 2025 | Fundação e MVP | Lançamento da plataforma com primeiras trilhas em Automação, IA e Desenvolvimento Web. Primeiras 100 matrículas e 3 projectos reais entregues. |
| 2026 | Expansão e Comunidade | Escalonamento para 1.000 aprendentes activos. Programa de mentoria por pares e primeiras parcerias com empresas para colocação profissional directa. |
| 2027 | Ecossistema de Startups | Lançamento do programa acelerador Hubstry Ventures, apoiando as primeiras 10 startups. Integração de IA generativa no motor pedagógico. |
| 2028 | Internacionalização | Expansão para mercados lusófonos (Brasil, Angola, Moçambique). 5.000 aprendentes activos. Certificações reconhecidas pelo mercado internacional. |
| 2030 | Referência Global EdTech × IA | 20.000+ aprendentes, 100+ startups no ecossistema. Referência global em EdTech orientado por IA para mercados lusófonos. |
- World Economic Forum. (2023). Future of Jobs Report 2023. WEF. weforum.org
- HolonIQ. (2024). Global EdTech Market 2024 Report. HolonIQ Intelligence. holoniq.com
- UNESCO. (2023). Technology in Education: A Tool on Whose Terms? UNESCO Global Education Monitoring Report.
- McKinsey Global Institute. (2023). The Economic Potential of Generative AI. McKinsey & Company.
- Brown, T. et al. (2020). Language Models are Few-Shot Learners. NeurIPS 2020. arXiv:2005.14165
- Machado, G.G. (2026). O Axioma GuruDev: Navegando os Infinitos Contextual e Computacional. Marcabru Tech Working Paper.
"Educar com IA não é substituir o professor — é ampliar o horizonte do que é possível aprender, criar e transformar."
— Guilherme Gonçalves Machado, CEO Marcabru Tech · 2026
- HTML5 — Markup semântico e acessível
- CSS3 / Tailwind CSS (CDN v3) — Estilização utility-first com tema customizado
- JavaScript (ES6+) — Sem dependências de framework
IntersectionObserverAPI — scroll-reveal & activação de contadores/barrasrequestAnimationFrame— animações smooth de partículas e contadoresCanvas 2DAPI — background de partículas conectadas
- Google Fonts — Inter + JetBrains Mono
- GitHub Pages — Hosting estático
- Python 3.10+ — Análise de regularidade contextual (Axioma GuruDev)
Nenhum build step necessário — este é um site estático puro.
# Clonar o repositório
git clone https://github.com/marcabru-tech/marcabru-tech.github.io.git
cd marcabru-tech.github.io
# Servir com qualquer servidor estático:
npx serve .
# ou
python3 -m http.server 8080Abrir http://localhost:8080.
Editar o bloco tailwind.config em index.html:
tailwind.config = {
theme: {
extend: {
colors: {
'neon-cyan': '#00f5ff', // ← cor de acento principal
'neon-blue': '#0080ff',
'neon-purple':'#7c3aed',
'dark-base': '#050816', // ← cor de fundo
},
}
}
}No #projects em index.html, duplicar um bloco .project-card e preencher os detalhes.
Alterar o atributo data-width (0–100) na .skill-bar correspondente:
<div class="skill-bar" data-width="92"></div>Em script.js, editar o array phrases na função initTyping():
const phrases = [
'automação inteligente',
'integração de sistemas',
// ← adicionar novas frases aqui
];© 2026 Guilherme Gonçalves Machado · Marcabru Tech. Todos os direitos reservados.
Este projecto é disponibilizado sob a Business Source License (BSL) 1.1:
- ✅ Uso pessoal e educacional: Livre para visualizar, estudar e adaptar para fins não comerciais
- ✅ Fork e contribuição: Pull requests são bem-vindos com atribuição devida
- ❌ Uso comercial: Requer licença explícita de Guilherme Gonçalves Machado / Marcabru Tech
- ❌ Redistribuição comercial: Não permitida sem autorização escrita
- 📧 Licenciamento comercial: Contactar via LinkedIn
O conteúdo conceptual do Axioma GuruDev e do Dodecálogo Hubstry/GuruDev (texto, frameworks, código de análise) é propriedade intelectual de Guilherme Gonçalves Machado e está sujeito aos termos da BSL acima. Citações académicas são permitidas com atribuição adequada.
| Papel | Pessoa/Sistema |
|---|---|
| Autor & Arquitecto | Guilherme Gonçalves Machado |
| CEO / Tech Leader | Marcabru Tech |
| Data de Criação | 09/04/2026 |
| Última Actualização | 09/04/2026 |
- ✅ Adição do Dodecálogo Hubstry/GuruDev — nova secção completa na página e no README
- ✅ Remoção total de todas as menções a "Manus AI" (badges, créditos, comentários, textos)
- ✅ Nav actualizado com link para nova secção Dodecálogo
- ✅ README actualizado com documento dissertativo integral
- ✅ Actualização de métricas: "Projetos Entregues" → "Projetos Desenvolvidos"
- ✅ Remoção de "Clientes Satisfeitos" — substituído por visão de ecossistema
- ✅ Adição de vision card: "Desenhando um ecossistema de startups"
- ✅ Nova secção Axioma GuruDev com design glass-morphism e animações smooth
- ✅ Nav actualizado com link para nova secção
- ✅ README completamente reescrito com ensaio completo do Axioma GuruDev
- ✅ Glossário técnico, referências académicas e código Python de análise
- ✅ Licença actualizada para BSL 1.1
- Portfolio moderno com Tailwind CSS, partículas, animações e formulário de contacto