balta

NET MAUI ou Flutter?

Essa é uma das perguntas que mais aparecem quando o assunto é desenvolvimento multiplataforma. E apesar dos dois resolverem o mesmo problema, eles têm filosofias completamente diferentes.

Novo artigo no blog:
.NET MAUI vs Flutter — qual framework faz mais sentido para o seu projeto em 2026?

O que você vai aprender:
✔ A diferença arquitetural entre UI nativa (MAUI) e UI desenhada (Flutter)
✔ Onde o MAUI é imbatível: aplicações LOB e ecossistema Microsoft
✔ Por que o Flutter domina apps de consumo e pixel perfect
✔ Comparativo entre C# e Dart
✔ Hello World lado a lado nos dois frameworks
✔ Comunidade, GitHub e maturidade de cada um
✔ Como decidir qual escolher para o seu próximo projeto

Se você trabalha com .NET ou está pensando em entrar no mundo multiplataforma, esse artigo é leitura obrigatória. 👇

blog.balta.io/net-maui-vs-flutter/

#dotnet #csharp #maui #flutter #multiplataforma #mobile #balta

2 days ago | [YT] | 39

balta

Sua API trava quando o volume de requisições aumenta? Antes de partir para filas externas como RabbitMQ ou Kafka, vale conhecer uma ferramenta nativa do .NET feita exatamente para esse cenário: Channels.



Novo artigo no blog, escrito por Eduardo Portumati, membro da comunidade balta:

Channels em C#: como evitar gargalos em APIs de alto volume


O que você vai aprender:

✔ O que são `Channels` e por que existem no .NET

✔ Como funciona o padrão **producer/consumer** de forma assíncrona

✔ Por que listas comuns e `BlockingCollection` viram gargalo em alto throughput

✔ Como o **backpressure** protege sua API de picos de carga

✔ Eficiência **thread-safe** sem bloquear threads nem esgotar recursos



Se você trabalha com APIs de alto volume em .NET, esse artigo é leitura obrigatória. 👇

blog.balta.io/channels-em-c-como-evitar-gargalos-e…



#dotnet #csharp #aspnetcore #performance #channels #balta #comunidade

4 days ago | [YT] | 92

balta

Novo curso no ar! Implementando Agentes com Microsoft Agent Framework

Chega de exemplos rasos.

Neste curso você vai estruturar, implementar e expor agentes de IA com .NET do jeito certo — arquitetura real, Background Services e exposição via API.

🔗balta.io/cursos/implementando-agentes-com-microsof…

#dotnet #csharp #inteligenciaartificial #microsoftagentframework #maf #programacao #balta

1 week ago (edited) | [YT] | 40

balta

Você sabe como um agente de IA "lembra" do que aconteceu nas conversas anteriores?

O Microsoft Agent Framework tem uma arquitetura completa para isso — e a maioria dos devs ainda não conhece.

Novo artigo no blog: Memória, armazenamento e provedores de contexto no Microsoft Agent Framework

O que você vai aprender:
✔ Como o InMemoryChatHistoryProvider funciona por padrão
✔ Armazenamento local vs. gerenciado pelo serviço
✔ Como limitar o histórico com MessageCountingChatReducer
✔ Como criar um ChatHistoryProvider customizado
✔ Como usar AIContextProvider para enriquecer o contexto antes do LLM
✔ Como serializar e restaurar sessões completas

Se você está construindo agentes com .NET, esse artigo é leitura obrigatória.

blog.balta.io/memoria-armazenamento-e-provedores-d…

#dotnet #csharp #ia #agentes #microsoftagentframework #balta

1 week ago (edited) | [YT] | 28

balta

📘 eBook gratuito: Fundamentos do .NET MAUI

Acabamos de lançar um material novo aqui no balta para quem quer dar os primeiros passos sérios com .NET MAUI.

Dentro do eBook você vai construir, do zero, um feed moderno (estilo Instagram/LinkedIn) e ainda preparar o app para publicação nas lojas.

O que você aprende:
- CollectionView, Header, Body e Footer da forma correta
- MVVM com ObservableCollection e BaseViewModel
- DataTemplate e cards reutilizáveis
- Converters para deixar a UI inteligente
- Checklist completo de deploy para Google Play e App Store

📥 Baixe gratuitamente:
lp.balta.io/ebook-fundamentos-net-maui

2 weeks ago (edited) | [YT] | 65

balta

😮‍💨 O .NET 11 ainda nem saiu e já tem coisa demais para aprender.
.
A Microsoft lançou o Preview 4 do .NET 11 e o volume de mudanças chamou atenção.
Não é um update incremental. É uma sinalização clara de onde a plataforma está indo.
.
Alguns pontos que me chamaram atenção:
→ A API de Process foi completamente reformulada. Antes, capturar a saída de um processo externo exigia boilerplate considerável. Agora existe Process.RunAndCaptureTextAsync que resolve isso em uma linha.
.
→ O template para servidores MCP (Model Context Protocol) passou a fazer parte do SDK oficial. Qualquer dev com .NET 11 instalado cria um servidor MCP com um simples dotnet new. Isso é grande para quem trabalha com AI tooling.
.
→ O Entity Framework Core ganhou suporte a busca vetorial aproximada para SQL Server 2025. RAG e similarity search direto no LINQ, sem escrever SQL manual.
.
→ O MemoryCache agora emite métricas nativas compatíveis com OpenTelemetry. Sem adapters extras, sem configuração elaborada.
.
→ E ainda tem: APIs Span<byte> para compressão sem alocação de `Stream`, runtime compilado com Runtime Async ativo, métricas de TLS no Kestrel e infraestrutura de runtime para discriminated unions em C# 15.
.
🔗 LINK PARA O ARTIGO NOS COMENTÁRIOS
.
Qual dessas novidades você está mais ansioso para usar no dia a dia?
.
.
.
.
#dotnet #csharp #aspnetcore #entityframework #dotnet11 #mcp #opentelemetry #backend #microsoftdeveloper #programacao

2 weeks ago | [YT] | 71

balta

Vem dominar o Microsoft Agent Framework, a principal biblioteca da Microsoft para trabalhar com Inteligência Artificial no C# e .NET.
.
Curso completo já disponível:
- 12 horas de conteúdo
- 8 módulos
- 61 aulas
- 23 labs (Hands-on)
- 32 vídeos
- 6 artigos
.
🚀 BORA CRIAR SEUS AGENTES?
balta.io/cursos/fundamentos-do-microsoft-agent-fra…
.
.
.
.
#microsoft #csharp #dotnet #maf #agent #agents #ia #ai #inteligenciaartificial #artificialintelligence

4 weeks ago | [YT] | 37

balta

Seu agente de IA esquece tudo a cada conversa? Pode ser que você ainda não conhece o Agent Framework da Microsoft.
.
Construir agentes conversacionais vai muito além de conectar um modelo de linguagem a um endpoint.
O que diferencia um agente robusto de um protótipo frágil é justamente como ele gerencia memória, armazena histórico e enriquece o contexto em cada execução.
.
O Microsoft Agent Framework resolve isso com três pilares complementares.
.
Por padrão, o framework provisiona um InMemoryChatHistoryProvider automaticamente para manter o histórico ativo durante a sessão.
Mas quando o cenário exige mais, você pode implementar provedores customizados com controle total sobre o que é carregado e o que é persistido.
.
Os modos de armazenamento são dois: local via estado de sessão ou gerenciado pelo próprio serviço de IA.
Cada um tem seu lugar dependendo da necessidade de durabilidade e do provedor utilizado.
.
E os provedores de contexto (AIContextProvider) entram em ação antes e depois de cada invocação do LLM.
Antes, para injetar instruções, mensagens ou ferramentas. Depois, para extrair e armazenar informações relevantes da conversa.
.
Tem ainda o ProviderSessionState<T>, que resolve um problema clássico: como isolar estado entre sessões concorrentes sem sincronização manual.
E a serialização completa de AgentSession, que permite retomar sessões mesmo após reinicializações de processo.
.
Escrevi um artigo detalhado cobrindo tudo isso com exemplos em C#, desde a implementação simples até os padrões avançados com InvokingCoreAsync e InvokedCoreAsync.
.
🔗 LEIA O ARTIGO COMPLETO
blog.balta.io/memoria-armazenamento-e-provedores-d…
.
Você já precisou persistir contexto entre sessões em um agente conversacional? Qual foi a sua abordagem?
.
.
.
.
#agentframework #microsoftai #csharp #dotnet #inteligenciaartificial #llm #chatbot #azureopenai #desenvolvimentoweb #softwarearchitecture

1 month ago | [YT] | 35

balta

Chamar um LLM e ter um agent são coisas completamente diferentes.
.
A maioria dos devs ainda trata agent como sinônimo de "prompt mais elaborado".
Mas a diferença é muito maior do que parece.
.
Um LLM responde a um prompt. Um agent planeja, age, observa o resultado e repete o ciclo até atingir o objetivo.
.
Ele tem três componentes fundamentais:
- Modelo de linguagem: o cérebro, responsável pelo raciocínio
- Ferramentas: o corpo, que interage com APIs, bancos de dados e serviços externos
- Memória: o contexto acumulado que garante coerência ao longo da execução
.
O padrão por trás disso é o ReAct (Reasoning + Acting): pensar, agir, observar, repetir.
.
Em sistemas mais avançados, múltiplos agents colaboram entre si. Um agent orquestrador coordena agents especializados, cada um com sua responsabilidade. Protocolos como MCP e A2A padronizam essa comunicação.
.
No .NET, o Microsoft Agent Framework e o Semantic Kernel são as principais ferramentas para construir esse tipo de sistema.
.
🔗 LEIA O ARTIGO COMPLETO
blog.balta.io/o-que-sao-agents/
.
---
Aliás, se você quer ver o Microsoft Agent Framework funcionando na prática com .NET, tenho uma masterclass gratuita e ao vivo no dia 30 de abril às 20h.
.
🚀 GARANTA SUA VAGA NA IMERSÃO
lp.balta.io/imersao-maf-2026
---
.
Você já trabalhou com agents em produção ou ainda está explorando o tema?
.
.
.
.
#dotnet #csharp #agents #llm #inteligenciaartificial #semantickernel #microsoftagentframework #mcp #backend #softwaredevelopment

1 month ago | [YT] | 43

balta

Seu LLM está mentindo para você. E você provavelmente nem sabe disso.
.
Modelos como GPT, Claude e Gemini são treinados até uma data específica. Depois disso, eles não sabem de nada que aconteceu. E quando não sabem, inventam.
.
Isso se chama alucinação. E é um problema real em produção.
.
RAG (Retrieval-Augmented Generation) foi criado exatamente para resolver isso. Em vez de depender só do que o modelo "memorizou", você conecta ele a uma base de conhecimento externa e atualizada.
.
O pipeline funciona em três etapas:
- Indexação: os documentos são fragmentados em chunks e convertidos em vetores (embeddings)
- Recuperação: a pergunta do usuário também vira um vetor, e o sistema busca os trechos mais relevantes por similaridade semântica
- Geração: os chunks recuperados são injetados no prompt, e o modelo responde com contexto real
.
O resultado é uma IA que fala sobre os seus dados, não sobre o que ela acha que sabe.
.
E diferente do fine-tuning, que exige retreinar o modelo inteiro, o RAG mantém o modelo base intacto. Atualizar a base de conhecimento é simples, barato e rápido.
.
No ecossistema .NET, dá pra implementar RAG com Microsoft.Extensions.AI, Microsoft.Extensions.VectorData e Microsoft.Extensions.DataIngestion, com suporte a pgvector, Qdrant e Azure AI Search.

🔗 LEIA O ARTIGO COMPLETO
blog.balta.io/o-que-e-rag-retrieval-augmented-gene…

---
Aliás, se você quer ver o Microsoft Agent Framework funcionando na prática com .NET, tenho uma masterclass gratuita e ao vivo no dia 30 de abril às 20h.
.
🚀 GARANTA SUA VAGA NA IMERSÃO
lp.balta.io/imersao-maf-2026
---

Você já usou RAG em algum projeto ou ainda está avaliando adotar a abordagem?

#rag #llm #inteligenciaartificial #dotnet #aspnetcore #vectordatabase #embeddings #microsoftextensionsai #backenddevelopment #desenvolvedores

1 month ago | [YT] | 39