Brag Document potencializado com IA — um repositório pessoal que transforma registros de carreira em uma base de conhecimento estruturada, pronta para ser consumida por agentes de IA.
O conceito de Brag Document foi popularizado por Julia Evans (2019) como um documento vivo para registrar conquistas, contribuições e impacto profissional. Este repositório leva essa ideia além: ao estruturar o conteúdo em Markdown dentro de um repo Git, ele se torna contexto rico para agentes de IA (como o Cursor), habilitando automações que economizam horas de trabalho.
Este repositório foi apresentado no Tech Leads Club Share Day.
👉 Acesse aqui os materiais da palestra (roteiro, slides e diagramas)
Em vez de manter um documento estático, este repositório organiza toda a minha trajetória profissional — experiências, skills, storytellings, conteúdos técnicos e processos seletivos — de forma que um agente de IA consiga cruzar informações e gerar outputs de alta qualidade.
Casos de uso reais:
- Currículo hiper-customizado por vaga — a IA cruza o job description com minhas experiências e gera um currículo enfatizando os matches relevantes
- Preparação para entrevistas — sugestões de perguntas comportamentais com respostas baseadas em experiências reais, e conceitos técnicos para revisar com referência a conteúdos já estudados
- Auto-avaliação de performance — preencher formulários de avaliação com evidências concretas e métricas, em minutos
- Gestão de aprendizados — registros de cursos, eventos e estudos que retroalimentam todos os outros casos de uso
professional-career-notebook/
│
├── source-of-truth/ # Fonte primária de informação
│ ├── personal-professional-profile.md
│ ├── work-experience.md
│ ├── relevant-experiences.md
│ ├── storytellings.md
│ ├── personal-projects.md
│ └── academic-projects-experiences.md
│
├── knowledge-base/ # Conteúdos técnicos e de estudo
│ ├── algorithms/ # Exercícios e anotações de algoritmos
│ ├── architecture/ # Arquitetura de software
│ ├── artificial-intelligence/ # IA e workflows com IA
│ ├── courses/ # Anotações de cursos e workshops
│ ├── english-training/ # Prática de inglês
│ ├── software-engineering/ # Engenharia de software em geral
│ ├── system-design-interview/ # Preparação para system design
│ └── tech-leads-club/ # Conteúdos da comunidade Tech Leads Club
│
├── hiring-processes/ # Processos seletivos
│ ├── in-progress/ # Em andamento
│ └── completed/ # Finalizados (histórico)
│
├── evaluations/ # Avaliações de performance
├── interview-preparation/ # Preparação para entrevistas (templates e roteiros)
├── guidelines/ # Dicas de currículo, copywriting, busca de vagas e recrutadores
├── salary-compensations/ # Referências de compensação
├── linkedin-posts/ # Rascunhos e posts publicados
├── resumes/ # Currículos em PDF e materiais de apresentação
├── resume-generator/ # Ferramenta para gerar currículo em PDF a partir de YAML
│
├── .cursor/
│ ├── rules/ # Regras always-apply para o comportamento da IA
│ └── skills/ # Skills condicionais (automações específicas)
│
└── README.md
| Pasta | Propósito |
|---|---|
source-of-truth/ |
Dados canônicos sobre perfil, experiências e storytellings. É a fonte que a IA prioriza para gerar qualquer output. |
knowledge-base/ |
Base de conhecimento técnico. Tudo que estudo (cursos, system design, algoritmos) fica registrado aqui e é reutilizado automaticamente nas preparações de entrevista e currículo. |
hiring-processes/ |
Registro completo de cada processo seletivo — job description, análise de fit, currículo gerado, preparação para entrevistas e resultado. |
.cursor/rules/ |
Regras globais que definem tom, formato e comportamento da IA em toda interação. |
.cursor/skills/ |
Automações condicionais — workflows que a IA executa para tarefas específicas (registrar processo seletivo, gerar currículo, etc.). |
O fluxo geral segue este ciclo:
┌─────────────────────────────────────────────────────────────┐
│ │
│ Registro de experiências Registro de estudos │
│ (source-of-truth/) (knowledge-base/) │
│ │ │ │
│ └──────────┐ ┌────────────────┘ │
│ ▼ ▼ │
│ ┌──────────────┐ │
│ │ Cursor + IA │ │
│ └──────┬───────┘ │
│ │ │
│ ┌───────────┼───────────┐ │
│ ▼ ▼ ▼ │
│ Currículo Preparação Avaliação │
│ customizado entrevista performance │
│ │
└─────────────────────────────────────────────────────────────┘
- Alimento o repositório com experiências profissionais, storytellings, projetos e conteúdos de estudo
- A IA utiliza o contexto das rules e skills para entender como processar cada tipo de tarefa
- Gero outputs — currículos, preparações de entrevista, respostas de avaliação — todos baseados em dados reais e verificáveis
Se você quer criar seu próprio Brag Document com IA, a estrutura mínima para começar é:
meu-brag-document/
├── source-of-truth/
│ ├── profile.md # Seu perfil profissional (resumo, skills, idiomas)
│ ├── work-experience.md # Experiências de trabalho com métricas e impacto
│ └── storytellings.md # Histórias formatadas em STAR (Situation, Task, Action, Result)
├── knowledge-base/ # Opcional: anotações de estudo e conteúdos técnicos
├── hiring-processes/ # Opcional: registro de processos seletivos
└── AGENTS.md # Instruções de comportamento para agentes de IA
Dicas para começar:
- Comece pelo
source-of-truth/— liste suas experiências com métricas e impacto concreto - Use o método STAR (Situation, Task, Action, Result) para storytellings
- Atualize quinzenalmente — cada update leva menos de 1 minuto
- Registre o trabalho "invisível": mentoria, code review, refactoring, melhorias de processo
- Compartilhe com seu gestor — facilita avaliações e conversas de carreira