Toda consultoria fala em "stack". Quase nenhuma mostra. Aqui está o nosso — categoria por categoria, com o critério de escolha e a alternativa pra quando esse critério muda.
O stack da Odyssey é opinionado mas substituível. Cada ferramenta foi escolhida para um critério específico. Se o seu projeto exige outro critério, trocamos.
Categoria 1 · Frontend & UI
1. Next.js (React framework)
Stack default para qualquer app web cliente. Por quê: SSR + edge functions + DX excelente + recrutamento fácil. Quando trocamos: SvelteKit para apps muito interativos onde bundle size importa. Astro para sites content-heavy estáticos.
2. Tailwind CSS
CSS utility-first. Por quê: velocidade de iteração, design system enforced via tokens, sem CSS-in-JS overhead. Quando trocamos: CSS modules + custom properties em apps onde marca exige variações finas.
Categoria 2 · Backend & APIs
3. Node.js + TypeScript
Runtime padrão. Por quê: mesmo language do frontend, ecosystem maduro, fácil contratar. Quando trocamos: Python para pipelines de ML/ETL pesados, Go para serviços de altíssimo throughput.
4. Prisma + Postgres
ORM + banco relacional. Por quê: migrations versionadas, type-safe queries, Postgres é o canivete suíço (relacional + JSON + full-text + vector via pgvector). Quando trocamos: Drizzle ORM quando precisa raw SQL control. SQLite via Turso em edge para apps com leitura dominante.
Categoria 3 · Infra & Deploy
5. Vercel
Hosting + edge functions + DX. Por quê: deploy em segundos, preview por PR, CDN global, integração nativa com Next.js. Quando trocamos: Railway para apps long-running (cron, workers, DB). Cloudflare Workers para latência ultra-baixa.
6. GitHub Actions
CI/CD. Por quê: integrado ao repositório, secrets seguros, marketplace rico. Quando trocamos: raramente — funciona para 95% dos casos.
Categoria 4 · Dados & BI
7. Metabase
Dashboards self-service para liderança operacional. Por quê: open-source, instalação em 1 hora, usuário não-técnico consegue criar query. Quando trocamos: Apache Superset para volumes grandes. Power BI quando o cliente já tem investimento Microsoft pesado.
8. Airbyte
Pipeline de dados (ELT). Por quê: 300+ conectores prontos para SaaS comuns (Salesforce, HubSpot, Stripe, Shopify), open-source self-hosted. Quando trocamos: Estuary Flow para latência sub-minuto. Custom Python para fonte exótica sem conector.
Categoria 5 · IA Aplicada
9. Anthropic Claude (enterprise) + Azure OpenAI
LLMs primários. Por quê: contratos enterprise com cláusula de não-treinamento, data residency confirmada, latência consistente. Quando trocamos: modelos self-hosted (Llama, Mistral) para dado ultra-sensível ou volume gigante onde custo/token domina.
10. LangChain + custom orchestration
Framework de agentes. Por quê: abstração razoável para RAG, agents e tool use. Quando trocamos: codigo vanilla quando a abstração atrapalha — em produção, controle > conveniência.
11. pgvector (Postgres) ou Pinecone
Vector DB para RAG. Por quê: pgvector mantém tudo num banco só (simplicidade operacional). Pinecone para escala >10M vetores. Quando trocamos: Weaviate quando precisa hybrid search. Qdrant self-hosted para soberania.
Categoria 6 · Observabilidade & Suporte
12. Sentry + Plausible + Linear
Trinity de observabilidade. Sentry para erro em produção (alertas em <1 min). Plausible para analytics privacy-first (sem cookies, melhor para privacidade). Linear para tracking de tarefas, issues e roadmap. Por quê: cada um é melhor da categoria, integração via webhook funciona. Quando trocamos: Datadog quando o cliente já tem investimento enterprise.
Firebase (vendor lock-in pesado), Wix/Webflow (não escala para SaaS), Zapier (caro em volume), Notion como banco de produção (não foi feito pra isso), ChatGPT consumer para dado de cliente (exposição alta e difícil de auditar).
Como escolhemos cada ferramenta
Três critérios obrigatórios para qualquer ferramenta entrar no stack default:
- Tem que ter saída. Open-source ou exportação completa de dado. Vendor lock-in é dívida disfarçada de produtividade.
- Tem que ter time. Recrutamento fácil. Se contratar gente que sabe a ferramenta demora 6 meses, ela não entra no default.
- Tem que ter trilha de erro. Logs, métricas, alertas. Sem observabilidade, não sobe pra produção.
O que muda em 12 meses
Tudo isso é foto de hoje. Stack de tecnologia muda. O que NÃO muda:
- O método Do Caos ao Controle antes da escolha técnica
- O princípio de saída garantida (sem lock-in)
- A preferência por boring tech que funciona vs hype tech que promete
Quer entender qual parte do stack faz sentido no seu projeto? O Raio-x da operação começa por mapear o que já existe e decidir o que entra, o que fica e o que sai.