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

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.

Uma nota pode estar autorizada, a venda pode aparecer no contas a receber e o imposto ainda exigir conferência. Esses acontecimentos não são sinônimos. A reforma tributária aproxima documentos e pagamentos, mas continua sendo necessário identificar quando a operação ocorreu, quando o dinheiro foi liquidado e como o débito tributário foi extinto.

O recolhimento na liquidação financeira, conhecido como split payment, é uma das peças desse processo. Ele prevê a separação de valores tributários no fluxo do pagamento. Para quem administra uma empresa ou desenvolve seu sistema de gestão, a pergunta útil não é apenas “qual percentual será retido?”, mas “como explicar o caminho de cada valor?”.

Este artigo considera as fontes consultadas em 5 de outubro de 2026. Explica o conceito, suas implicações e uma proposta de conciliação, sem afirmar implantação universal em uma data não confirmada. O guia da reforma em 2027 contextualiza a transição; o artigo sobre recolhimento pelo adquirente explica um mecanismo diferente.

O RAD Studio 13.2 Florence chegou! Junta-se a nós para um mergulho profundo no lançamento mais recente do RAD Studio e venha conferir as novidades no desenvolvimento para Windows, macOS, Linux, iOS e Android. Vamos dar uma olhada de perto no que há sob o capô da versão 13.2, incluindo desempenho do compilador, suporte a Arm, produtividade para desenvolvedores, desenvolvimento de UIs modernas, C++Builder e muito mais.

Uma inteligência artificial pode explicar uma função rapidamente e, na solicitação seguinte, precisar investigar vários módulos para encontrar um erro intermitente. Tratar esses dois trabalhos como iguais costuma levar a uma escolha ruim: pagar capacidade que não será aproveitada ou economizar na chamada e gastar mais tempo corrigindo a resposta. Para quem mantém sistemas empresariais, interessa o custo da alteração confiável, não apenas o preço da resposta.

A proposta deste artigo é comparar os modelos Claude da Anthropic pela perspectiva do desenvolvimento cotidiano. O recorte, consultado em 2 de outubro de 2026, reúne Haiku 4.5, Sonnet 5.5, Opus 5.5 e Fable 5.1, com preços da API, controles de raciocínio, critérios de avaliação e prazos de migração. As sugestões de uso são pontos de partida para testes, não resultados de uma competição executada neste projeto.

Se a dificuldade não é obter outra resposta, mas definir o que uma alteração deve preservar, SDD em Delphi aprofunda especificações, contratos, casos de fronteira e critérios de aceite ligados à implementação e aos testes. Conheça a proposta e leia a degustação gratuita para avaliar como orientar sua próxima demanda com apoio de IA. Para estudar contexto, ferramentas, permissões e avaliação da solução que utiliza o modelo, a leitura complementar é IA Além da Conversa.

Uma venda de dezembro pode voltar ao depósito em janeiro. Para o cliente, a devolução parece uma reversão simples. Para a empresa, ela atravessa uma mudança de tributos: a operação original pertence a um período e o retorno da mercadoria acontece em outro. Se o sistema recalcular tudo usando apenas as regras da data atual, pode perder justamente a informação necessária para tratar a transição.

A Contribuição sobre Bens e Serviços (CBS) não deve ser usada como uma borracha que apaga o histórico de PIS/Pasep e Cofins. Existe regra específica para bens devolvidos a partir de 2027 relativos a vendas anteriores. O objetivo deste artigo é explicar essa regra e propor um procedimento de conferência, sem transformar um exemplo em receita universal de emissão.

A pesquisa foi encerrada em 5 de outubro de 2026. O guia das obrigações de 2027 apresenta o panorama; aqui, o foco é a ligação entre venda, mercadoria devolvida, documento e crédito. Leia também o procedimento técnico de referência por item na devolução com ACBr, que trata de outra parte do problema.

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.