Existe uma sensação física de incômodo que todo desenvolvedor com mania de artesão conhece bem: olhar para a própria criação e sentir que ela não tem a sua cara. Durante anos, este blog operou sob a sombra acolhedora e cinzenta do Minima, o tema padrão que o Jekyll entrega quando você cria um repositório no GitHub Pages. Ele funciona. Compila sem chiar. Carrega rápido e não quebra.

Existe uma regra não escrita sobre a sobrevivência em repartição pública: nunca abra o grupo de WhatsApp do trabalho antes da segunda xícara de café. Se você cometer essa imprudência com o estômago vazio, corre o risco sério de descobrir que o seu colega de sala encontrou uma justificativa no livro de Samuel para passar pano em escândalo financeiro antes mesmo das nove da manhã.

Na Parte 1 desta série, gastamos o post inteiro falando sobre por que construir um cluster Kubernetes na mão e o que pretendemos montar. Conceitos, diagramas, motivação. Agora é hora de sujar as mãos de verdade: vamos configurar o computador hospedeiro, dissecar linha por linha como o Vagrant lê nosso inventário Ansible para criar máquinas virtuais e resolver o problema mais traiçoeiro de qualquer laboratório local de Kubernetes: fazer a rede funcionar direito.

Vamos tirar o elefante da sala logo no primeiro parágrafo: sim, eu uso inteligência artificial para escrever. E sim, este ensaio que você começou a ler foi parido a quatro mãos em uma conversa direta entre mim e um modelo de linguagem. Podem rasgar as vestes, acionar a inquisição dos puristas da folha em branco ou me denunciar para a polícia da literatura orgânica: a verdade é que não tenho a menor vergonha disso. Fingir que eu psicografei cada vírgula sozinho em um transe solitário diante de uma tela escura para manter pose de gênio romântico seria uma hipocrisia tão patética que nem o Linkedin teria coragem de publicar.

Botar um cronômetro de vinte minutos na sua frente e ter que explicar aprendizado supervisionado e aprendizado por reforço é um exercício de síntese homérico, na melhor definição que consigo pensar agora (e olha que eu gosto de uma boa dose de masoquismo). Estamos falando de duas áreas monumentais da computação que consumiram décadas de pesquisas, acumularam centenas de variações algorítmicas e hoje sustentam quase tudo o que chamamos de IA moderna.