FireDAC na Prática: conheça meu livro sobre acesso a dados com Delphi

A consulta abriu, os registros apareceram na tela e o botão de salvar funcionou. Para quem desenvolve com Delphi, esse resultado tem um significado concreto: a aplicação começou a conversar com o banco. Mas ele também deixa uma pergunta importante. O que acontecerá quando uma gravação falhar pela metade, outro usuário alterar o mesmo cadastro ou a aplicação precisar funcionar fora da máquina de desenvolvimento?

É a partir dessa distância entre o primeiro resultado e o comportamento esperado em produção que apresento meu livro FireDAC na Prática: Do primeiro acesso ao banco às técnicas avançadas com Delphi. A proposta é acompanhar a construção do acesso a dados, relacionando componentes, consultas e configurações às decisões que precisam ser tomadas em um sistema real.

Neste artigo, quero mostrar o que você encontrará na obra, quais problemas orientam a leitura e como experimentar o conteúdo antes de decidir pela compra. O livro já tem uma página com sumário, degustação e opções de edição. Antes de apresentar esse percurso, vale olhar com atenção para uma situação que ajuda a explicar por que o assunto merece estudo.

A NFS-e Via criou um padrão nacional específico para o registro de prestações de serviços de exploração de via. Para quem desenvolve sistemas em Delphi, integra ERPs ou conduz a escrituração e a conferência fiscal de concessionárias, a novidade não se resume a mais um arquivo XML: ela conecta cadastros operacionais, identificação de passagens, valores cobrados, tributação e eventos documentais em um mesmo fluxo.

A base técnica inicial desse modelo está na Nota Técnica SE/CGNFS-e nº 006, versão 1.00, de 22 de janeiro de 2026. Ela apresenta o primeiro leiaute da NFS-e Via, disciplinando emissão em XML, transmissão ao Ambiente Nacional e validação síncrona. Mas há um ponto essencial para qualquer projeto: essa nota não deve ser lida isoladamente como fotografia definitiva do leiaute atual. A documentação oficial posterior registra ajustes pela NT 010 e lista uma versão mais recente do anexo de leiautes.

Este artigo percorre o contexto normativo, a estrutura funcional do documento, os reflexos técnicos e contábeis, as atualizações confirmadas e um roteiro concreto de adequação. A proposta é distinguir o que os documentos efetivamente estabelecem daquilo que é uma decisão de implementação ou uma inferência operacional prudente.

Escolher uma inteligência artificial para programar parece simples até que a mesma ferramenta precisa explicar uma rotina antiga, revisar uma alteração delicada e investigar um defeito que aparece somente em produção. São problemas diferentes. Usar sempre o modelo mais caro pode desperdiçar dinheiro; insistir no mais barato pode consumir o tempo que se pretendia economizar.

No caso do Google, nomes como Flash, Flash-Lite e Pro ajudam a localizar famílias, mas não substituem a leitura da documentação. O número maior também não resolve sozinho a escolha: uma versão estável e uma versão em prévia têm implicações diferentes para quem mantém um sistema empresarial.

Este artigo apresenta os modelos relevantes para assistência textual ao desenvolvimento, os preços da Gemini Developer API e os controles de raciocínio. Também propõe um roteiro de uso em Delphi e critérios para avaliar resultados. A consulta foi realizada em 2 de outubro de 2026; preços e disponibilidade precisam ser reconferidos antes da contratação ou da implantação.

Uma janela de contexto maior ou outro modelo não resolve, por si só, o projeto da integração. IA Além da Conversa aprofunda como organizar contexto, dados, ferramentas, permissões, avaliação e custos ao redor do modelo. Conheça a proposta e leia a degustação gratuita para avaliar esse percurso além da comparação de preços. Se a tarefa é evoluir uma aplicação Delphi existente, Delphi Vivo complementa a leitura com diagnóstico de dependências, testes e modernização incremental.

Quando um modelo de linguagem é usado por uma API, a experiência parece direta: envia-se um texto, definem-se algumas instruções e recebe-se uma continuação ou uma resposta. Para quem precisa integrar recursos de IA a um sistema, essa simplicidade é útil. Mas ela também oculta quase todo o mecanismo que torna a saída possível.

Entre uma frase de entrada e a próxima palavra gerada existem decisões sobre como dividir texto, como representar símbolos numericamente, como calcular transformações entre vetores, como medir erros e como atualizar parâmetros. Há ainda regras arquiteturais que impedem o modelo de consultar indevidamente tokens futuros durante o treinamento de geração. Sem enxergar essas etapas, é fácil tratar o modelo como uma caixa-preta: algo que “entende” texto porque responde de maneira plausível.

Construir um modelo pequeno muda o foco. Não se trata de disputar qualidade, escala ou abrangência com modelos comerciais. Trata-se de converter conceitos abstratos em objetos, rotinas, dados de entrada, cálculos e testes que possam ser inspecionados. Um LLM educacional funciona, nesse sentido, como um laboratório: sua utilidade está menos no tamanho da resposta que produz e mais na clareza que oferece sobre o caminho até ela.

Conheça o livro e leia uma degustação: acesse a página oficial de Do Zero ao LLM com Delphi.

Um ERP concentra informações e regras que sustentam a operação de uma empresa: cadastro de clientes, catálogo de produtos, estoque, faturamento, políticas comerciais e rotinas administrativas. Ao mesmo tempo, agentes de IA estão mudando a expectativa sobre como as pessoas consultam e operam sistemas. Em vez de navegar por múltiplas telas, o usuário pode formular uma intenção: “quais produtos estão abaixo do estoque mínimo?” ou “prepare um orçamento para este cliente”.

A aparente simplicidade dessas perguntas esconde uma questão de arquitetura. Um agente não deveria receber acesso genérico ao banco de dados, nem ser estimulado a reproduzir por tentativa e erro as regras que o ERP já possui. Tampouco faz sentido transformar cada detalhe interno do sistema em uma ferramenta disponível para um modelo de linguagem.

O caminho mais seguro e sustentável é expor capacidades delimitadas, com contratos claros e controles proporcionais ao risco. Nesse cenário, o Model Context Protocol (MCP) oferece uma forma de apresentar ferramentas, recursos e instruções para clientes compatíveis, enquanto o ERP permanece como fonte de verdade para suas regras de negócio.

Conheça o livro: Delphi na Era dos Agentes.

Um problema de desenvolvimento raramente termina na primeira conversa. Um cliente envia outro detalhe, uma dependência muda ou o teste revela uma condição diferente da prevista. A tarefa passa a incluir não apenas produzir uma resposta, mas acompanhar o que falta, reunir novas informações e reconhecer quando uma decisão precisa voltar ao responsável.

É nesse espaço que entra o Dot da OpenAI. A novidade interessa menos pela aparência personalizável e mais pela proposta de continuidade: atribuir uma responsabilidade à IA e acompanhar sua evolução entre conversas. Isso pode ajudar no desenvolvimento e nas rotinas profissionais, desde que continuidade não seja confundida com autorização irrestrita.

Neste artigo, explico o conceito, sua relação com o Codex, onde o trabalho acontece e como formular uma primeira delegação. Os exemplos são propostas didáticas, não relatos de uma implantação testada. Disponibilidade e comportamento foram conferidos na documentação em 5 de outubro de 2026 e podem mudar.