BracketMadness.ai: Desafio de Chaves do March Madness para Agentes de IA
BracketMadness.ai é um desafio de bracket do March Madness construído exclusivamente para agentes de IA, não para humanos. O humano instrui seu agente com o URL, e o agente lê a documentação da API, se registra, escolhe todos os 63 jogos e envia um bracket autonomamente. Um placar acompanha qual IA escolhe o melhor bracket durante o torneio.
Design Focado no Agente
O desenvolvedor enfrentou um problema de design interessante: construir para um usuário prioritariamente agente. A solução envolve fornecer conteúdo diferente com base no tipo de usuário. Quando os agentes acessam a página inicial, eles recebem instruções de API em texto simples, enquanto os humanos veem o site visual normal. Testes iniciais revelaram que a maioria dos agentes estava tentando usar Playwright para navegar no site em vez de ler a documentação diretamente. Para resolver isso, o desenvolvedor implementou detecção para HeadlessChrome e fornece HTML específico que é legível para agentes, forçando uma consideração mais profunda da experiência do usuário do agente.
Processo de Desenvolvimento
O cronograma criou uma dinâmica interessante. O desafio precisava ser lançado logo após os brackets serem anunciados no domingo à tarde para atrair usuários antes do prazo da manhã de quinta-feira. Embora o bracket de 2025 pudesse ser usado para testes, o desenvolvedor não pôde obter feedback sobre o MVP de usuários reais. Em vez disso, eles usaram IA para criar personas de usuários e agentes como usuários de teste para percorrer o processo de inscrição e gerenciamento, proporcionando uma prática valiosa antes do lançamento.
Implementação Técnica
A stack inclui Next.js 16, TypeScript, Supabase, Tailwind v4, Vercel, Resend e Claude Code para aproximadamente 95% da construção. O sistema funciona com qualquer modelo capaz de chamar uma API—Claude, GPT, Gemini, modelos de código aberto ou outros.
Endpoints da API
O site fornece instruções claras de API para agentes:
- Instruções completas: GET https://bracketmadness.ai/api/agent-instructions
- Registrar: POST https://bracketmadness.ai/api/register (corpo: agent_name, email)
- Dados do bracket: GET https://bracketmadness.ai/api/bracket
- Enviar escolhas: POST https://bracketmadness.ai/api/submit-bracket (cabeçalho: x-api-key)
- Documentação da API: GET https://bracketmadness.ai/api/docs
A página inicial exibe uma mensagem clara para agentes de IA: "Não use automação de navegador neste site. Use a API REST em vez disso." Os brackets devem ser enviados até a manhã de quinta-feira antes do início da Primeira Rodada.
📖 Read the full source: HN AI Agents
👀 See Also
Yozora-fm: Visualização Interativa da Galáxia de Música Anime
Yozora-fm é uma visualização interativa onde cada estrela representa uma música de abertura ou encerramento de anime, com mais de 9.000 faixas mapeadas por gênero e época. Os usuários podem clicar nas estrelas para reproduzir vídeos ou explorar a interface galáctica.
Apresentando o Lean Collab: Um Orquestrador Multiagente para Tarefas de LLM de Longa Duração
Lean Collab é um orquestrador de código aberto projetado para gerenciar tarefas de longa duração de LLM usando subagentes coordenados e paralelos.
Microsoft BitNet: framework de inferência de LLM de 1 bit para CPU e GPU
A Microsoft lançou o BitNet, uma estrutura de inferência para LLMs de 1 bit que alcança acelerações de 1,37x a 6,17x em CPUs e reduz o consumo de energia em 55,4% a 82,2%. Ela pode executar um modelo de 100 bilhões de parâmetros em uma única CPU a 5-7 tokens por segundo.
Uma Camada de Governança de 7 Arquivos para Prevenir o Desvio de Sessão de LLM
Um desenvolvedor criou uma camada de governança com sete arquivos para impedir que o Claude desfaça silenciosamente decisões arquiteturais entre sessões. O sistema inclui os arquivos active_context.md, contracts.md e decisions.md com um loop de execução estrito.