Desenvolvedor usa IA para criar alternativa ao Discord e reduz vazamento de memória de 305,8 para 30,3 MB
Um desenvolvedor delegou quase todo o trabalho à IA para criar o Nimbo, uma alternativa gratuita ao Discord para jogar com amigos, mas a IA não percebeu o vazamento de memória. Depois de cinco ativações e desativações da câmera com compartilhamento de tela, o cliente para Windows mantinha 305,8 MB de RAM ocupados, embora o vídeo já estivesse desligado. Após a correção, o uso caiu para 30,3 MB. O supressor de ruído GTCRN abafou o barulho de uma mordida na maçã em 21,29 dB, enquanto o antigo RNNoise atenuou apenas 0,35 dB. A conclusão: a IA monta rapidamente a estrutura do projeto, mas vazamentos e qualidade de áudio precisam ser verificados manualmente.
Processado por IA de Habr AI; editado por Hamidun News
Imagine ligar e desligar a câmera ou o compartilhamento de tela cinco vezes durante uma chamada. O vídeo já parou há tempo, mas o programa continua ocupando 305,8 MB de RAM. Foi exatamente isso que o cliente para Windows do Nimbo fez.
O Nimbo é um chat de voz gratuito para jogar com amigos, escrito quase inteiramente com ajuda de IA pelo próprio autor. A causa era banal: o codificador que comprime o vídeo antes do envio não era liberado depois que a câmera era desligada. Com a correção, o mesmo cenário passou a usar 30,3 MB.
A história serve para qualquer pessoa que pretenda programar em parceria com uma rede neural: a IA entrega rapidamente a estrutura do projeto e a interface, mas vazamentos de memória, qualidade de áudio e brechas de segurança ainda precisam ser caçados por você.
Por que criar mais um chat
O autor queria apenas jogar com os amigos. Para isso, precisava de salas de voz, chat de texto, compartilhamento de tela, um bom supressor de ruído e um cliente que não roubasse recursos do jogo. Ele se cansou da publicidade e das ofertas de Nitro no Discord, que, além disso, não abre sem recorrer a soluções alternativas de acesso. No TeamSpeak, o supressor de ruído funcionava mal, e o Mumble não tinha compartilhamento de tela. O código principal do Nimbo foi escrito pela IA, e o autor cuidou da lógica, da interface, da escolha do stack e da arquitetura.
Primeiro, ele fez um cliente para Windows em C++ e Qt: o C++ permite controlar a memória com precisão, e os amigos têm notebooks antigos. Mas, a cada alteração, era preciso esperar a build do EXE e distribuir o arquivo para o grupo. Nesse ciclo, segundo a estimativa do autor, o trabalho de design e UX consumia três vezes mais tokens. Por isso, o cliente foi congelado e o projeto migrou para a web: Vue e TypeScript, servidor em Go e o LiveKit, pronto para uso, cuidando da transmissão de voz, câmera e tela.
Um truque ajudou no design. Os UI kits prontos esbarravam o tempo todo em suas próprias limitações, e a folha em branco dificultava explicar à rede neural o que ele queria. O autor reuniu referências de clima e de cores e as entregou à IA no lugar de um framework. A primeira tela saiu rápido, mas o modelo se perdia nos detalhes (espaçamentos, cantos arredondados, bordas e divisores), e por isso foram necessários muitos ajustes.
Supressor de ruído: cliques do mouse e mordida na maçã
O primeiro escolhido foi o RNNoise, que é leve e quase não adiciona latência. Mas, nas sessões de jogo, dava para ouvir cada clique do mouse e o farfalhar do pacotinho de amendoim. Para comparar, o autor pegou gravações prontas de cliques de mouse, de uma mordida e da mastigação de uma maçã, passou todas por três filtros e mediu quantos decibéis de ruído cada um suprimia: quanto maior o número, melhor.
Nas três gravações de mouse, o RNNoise registrou 13,55, 15,19 e 28,82 dB, o GTCRN registrou 19,21, 21,13 e 27,66 dB, e o Speex, 0,33, 0,93 e 1,61 dB. Na maçã, a diferença ficou enorme: RNNoise, 0,35 dB; GTCRN, 21,29 dB; Speex, 0,17 dB. O preço do GTCRN é uma voz um pouco mais abafada e uma latência de processamento de 32 ms, contra 21 ms do RNNoise. No jogo, isso passa despercebido, e por isso o GTCRN virou o modo padrão, com o RNNoise mantido como alternativa. O processamento acontece no computador do usuário, e isso ainda é um ponto para otimização futura.
Onde a IA não ajudou: memória e segurança
Na parte de memória, o autor teve de virar testador: abrir o chat, assistir a um vídeo, ligar e desligar a câmera, e observar após qual clique o consumo não voltava ao nível inicial. A IA não pensou nesses cenários por conta própria, embora o autor ressalve que talvez ele mesmo tenha feito pedidos ruins. Nos vídeos do chat, o cliente libera o decodificador quando o vídeo está em pausa e memoriza a posição. No fim, uma chamada de voz no ambiente de testes ocupou 19,9 MB de memória física dos processos do Nimbo, e em condições reais é de se esperar de 25 a 30 MB.
Para a segurança, o autor adotou o seguinte método: rodou parte dos modelos localmente, explicou aos agentes o trecho relevante da arquitetura, formulou uma hipótese específica de ataque e mandou verificá-la no ambiente de testes. Foi assim que apareceu uma vulnerabilidade: uma saída anônima do serviço podia sobrescrever todo o banco de dados. O autor tem certeza de que haverá mais achados, e eles já estão no backlog.
O resultado
Não existe uma base de usuários compartilhada: o apelido, as configurações e as chaves de acesso aos servidores ficam no arquivo .nimbo, protegido por uma senha obrigatória e que abre em qualquer cliente compatível. O código é aberto, sob licença MIT: o servidor, a versão web e o cliente para Windows estão no GitHub. A desvantagem é real: quem hospeda o servidor precisa alugar uma VPS e lidar com a implantação. Entre os planos estão desenho sobre a tela, overlay de jogo, inicialização do servidor direto pelo aplicativo e clientes para Mac e Android.
Conclusão prática: ao fazer vibe coding, reserve tempo de antemão para medições. Memória, áudio e segurança a IA não verifica sozinha.
- 11 de out. de 2026Dwarf Fortress adota controle de versão após dez anos de recusa
- 2 de mai. de 2026IA para analisar documentos: JuliaLM como alternativa ao NotebookLM
- 19 de out. de 2026O que o vazamento do Claude Code revelou sobre o futuro dos agentes de IA da Anthropic
- 21 de nov. de 2026Desenvolvedor trocou cinco serviços do Postiz por um servidor MCP para agentes de IA por US$ 0 por mês
Perguntas frequentes sobre a notícia
Por que criar mais um chat?
O autor queria apenas jogar com os amigos. Para isso, precisava de salas de voz, chat de texto, compartilhamento de tela, um bom supressor de ruído e um cliente que não roubasse recursos do jogo. Ele se cansou da publicidade e das ofertas de Nitro no Discord, que, além disso, não abre sem recorrer a soluções alternativas de acesso. No TeamSpeak, o supressor de ruído funcionava mal, e o Mumble não tinha compartilhamento de tela.
O que se sabe sobre Supressor de ruído: cliques do mouse e mordida na maçã?
O primeiro escolhido foi o RNNoise, que é leve e quase não adiciona latência. Mas, nas sessões de jogo, dava para ouvir cada clique do mouse e o farfalhar do pacotinho de amendoim. Para comparar, o autor pegou gravações prontas de cliques de mouse, de uma mordida e da mastigação de uma maçã, passou todas por três filtros e mediu quantos decibéis de ruído cada um suprimia: quanto maior o número, melhor.
Onde a IA não ajudou: memória e segurança?
Na parte de memória, o autor teve de virar testador: abrir o chat, assistir a um vídeo, ligar e desligar a câmera, e observar após qual clique o consumo não voltava ao nível inicial. A IA não pensou nesses cenários por conta própria, embora o autor ressalve que talvez ele mesmo tenha feito pedidos ruins. Nos vídeos do chat, o cliente libera o decodificador quando o vídeo está em pausa e memoriza a posição.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.