TLDR;

O autor mostra que é viável, descrevendo uma sessão de codificação que custou apenas US$0,13 ao combinar pesquisa gratuita em Gemini com prompts e scripts eficientes. A redução de custo vem de fazer pesquisa gratuita no navegador (Gemini), inserir um snippet conceitual no prompt, nomear apenas os arquivos relevantes no agente e fazer o modelo "hackear" o código com pequenos scripts de teste para evitar ler todo o código. O fluxo usa Gemini no navegador para pesquisa gratuita, um agente de codificação local com instruções em agents.md, Xcode para desenvolvimento e, quando necessário, modelos mais caros como Claude para tarefas específicas.

Resumo

Neste vídeo um desenvolvedor indie explica seu fluxo de trabalho com IA focado em economia e eficiência: não há venda de cursos nem conflito de interesses, apenas dicas práticas. Ele lista prioridades — reduzir custos, estruturar prompts, ensinar o modelo a “hackear”, gerenciar contexto e mostrar seu agents.md — e demonstra uma sessão de trabalho real. Primeiro pesquisa gratuitamente no Gemini no navegador para obter perspectivas e um snippet conceitual, evitando perguntar direto ao agente que acessa o código para não inflar contexto, criar viés ou gastar muitos tokens. Em seguida, ele alimenta o agente com nomes de arquivos relevantes e o snippet obtido para limitar a exploração do repositório, reduzindo drasticamente o consumo e aumentando a utilidade da resposta; toda a sessão custou apenas treze centavos. Seu truque favorito é instruir o modelo a gerar pequenos scripts e testes para “espiar” a base de código, iterando rapidamente com baixo custo e resultados mais precisos porque estão ancorados no código. O vídeo é patrocinado pela PostHog, que ele elogia como solução de analytics que ajudou a substituir código caseiro, implementar tracking e criar dashboards com sua assistente de IA. Ele também revela quais modelos usa e os níveis de esforço.