> For the complete documentation index, see [llms.txt](https://weekly-essay.mikey.wang/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://weekly-essay.mikey.wang/pt-br/2026/w20-heuristic-systems-and-the-checkout-strategy-platform.md).

# W20-Heuristic System e a plataforma de estratégias do checkout

Na semana passada, Weng Jiayi, engenheiro de pós-treinamento da OpenAI, publicou [Learning Beyond Gradients](https://trinkle23897.github.io/learning-beyond-gradients/). O texto propõe um novo paradigma: estratégias programadas, representação de estado, canais de feedback, registros de experimentos, reprodução/testes, memória histórica e um mecanismo de atualização executado por um agente de programação podem formar um Heuristic System (HS) em evolução contínua, atualizado por Heuristic Learning (HL). O que muda é a estrutura do software, não os parâmetros de uma rede neural.

Ao terminar a leitura, pensei: que coincidência. Isso descreve com precisão o que a plataforma de estratégias do checkout está fazendo — ou tentando se tornar.

Precisamos rever a ideia de que a evolução dessa plataforma consiste em substituir regras por algoritmos. Pelos conceitos do artigo, estamos construindo um Heuristic System. A camada de regras protege as restrições do negócio em tempo real; a camada de grandes modelos constrói representações estruturadas de estado offline; e a camada de modelos pequenos decide as estratégias com base no estado completo. As três evoluem continuamente em conjunto por meio de um fluxo compartilhado de dados, um sistema de experimentação e testes de regressão.

Muitas regras heurísticas não são inúteis; apenas custam caro para manter. Com ferramentas adequadas, a curva de manutenção se torna mais plana, e um sistema de regras pode ser mantido por muito tempo. Das quase mil regras do checkout, a maioria não está errada. O problema é terem sido empilhadas em um sistema sem camadas, cobertura de testes ou gestão de ciclo de vida, cuja complexidade saiu do controle.

O ciclo central de HL é: feedback do ambiente -> leitura do contexto -> alteração da policy / dos testes -> nova execução da validação -> registro dos resultados -> próxima rodada. Hoje, esse ciclo está interrompido no checkout. Os logs de decisão são incompletos, falta um sistema de experimentação, não há capacidade de simulação e reprodução, e o “feedback do ambiente” não é coletado de forma estruturada. Portanto, o fluxo completo de dados, os logs de decisão, o sistema de experimentação e a reprodução de estratégias que o projeto precisa construir não são meras capacidades de apoio. São a infraestrutura do ciclo de HL.

O HS exige uma representação estruturada do estado. Sem ela, a policy só decide com base em atributos superficiais, por mais complexo que seja o modelo. No KYC do checkout, o trabalho do grande modelo é justamente construir essa representação. Ele não faz recomendação em tempo real. Transforma características do comportamento do usuário, difíceis de expressar diretamente, em rótulos estruturados que as estratégias posteriores podem consumir. Por exemplo: o usuário paga com WeChat por hábito ou por sensibilidade a subsídios?