sinc-LLM · Soluções institucionais
Propostas para este perfil institucional. Sem vínculo ou aprovação da Sonangol.
Implementação faseada.
Proposta por instituição.
9 programas institucionais3 programas para energia
Âmbito, equipa e proposta por instituição
Ministérios e institutos públicos
Proposta após diagnóstico
Dê ao expediente um percurso completo, da entrada à decisão responsável.
Gabinetes, direcções e serviços centrais
Proposta após diagnóstico
Encontre a orientação certa e a fonte que a sustenta.
TI pública e integradores institucionais
Proposta após diagnóstico
Ligue serviços existentes com contratos de dados e testes de aceitação.
Compras públicas e gestão contratual
Proposta após diagnóstico
Acompanhe obrigações e entregas com evidência organizada.
Governos provinciais e direcções sectoriais
Proposta após diagnóstico
Consolide a execução de programas sem perder a origem dos dados.
Administrações municipais e serviços ao cidadão
Proposta após diagnóstico
Dê a cada pedido um responsável, um estado e um próximo passo.
Sonangol e empresas do sector energético
Proposta após diagnóstico
Prepare dossiês de aquisição completos e acompanhe as aprovações.
Sonangol: equipas técnicas e de manutenção
Proposta após diagnóstico
Localize a documentação técnica e prepare trabalho para revisão especializada.
Sonangol: TI e serviços partilhados
Proposta após diagnóstico
Leve um fluxo corporativo de IA da demonstração à operação avaliada.
Da necessidade à operação
São programas sob medida. As integrações, os controlos e os resultados são definidos e testados com a instituição antes da expansão.
Angola em primeiro lugar; adaptação a outras administrações lusófonas mediante diagnóstico local.
Sonangol é um perfil de instituição a que estas propostas se destinam. A menção não implica relação comercial, parceria ou aprovação.
10 public projects
Inspect the source. Check compatibility and terms.
Context & coding
Claude Code
MIT · public project
Give everyday coding jobs a lighter starting context.
Agent coordination
Claude Code
MIT · public project
Plan a crew around the work, then check the handoffs.
Agent coordination
Claude · Codex · Grok · local
Apache-2.0 · public project
Route work across your installed agent CLIs.
Quality & control
Claude Code · Codex CLI
MIT · public project
Require fresh Python checks before an agent finishes.
Quality & control
Python · agent CLI
MIT · public project
Decide whether another model sample is worth taking.
Quality & control
Python · local control model
Review repository terms · public project
Make task boundaries and stopping conditions explicit.
Prompt & specification
Python · prompt compiler
Review repository terms · public project
Turn a rough request into a more explicit brief.
Prompt & specification
Python · CLI · MCP
MIT · public project
Make the missing parts of a prompt visible.
Progress & communication
Python · local CLI
MIT · public project
Keep a task’s position and evidence between runs.
Progress & communication
Codex · instruction package
MIT · public project
Give agent updates a clearer, consistent voice.
Project licenses and model usage requirements apply. Setup and integration help is scoped separately.
Setup, integration & scoped engineering
These are separately scoped services. Compare the published deliverables, inputs and prices; setup of a tool is quoted after a fit review.
20 engagements
USD · published prices · scope confirmed before work starts
Make your website easier for search and AI services to understand.
Published timing3 days
Turn your topics into a repeatable article-production workflow.
Published timing5 days
Turn your contact list and offer into a defined outreach workflow.
Published timing4 days
Turn rough ideas into structured briefs your AI can follow.
Published timing3 to 4 days
Give every AI step a defined job and a checkable handoff.
Published timing3 to 4 days
Move repetitive browser work into one defined workflow.
Published timing5 to 7 days
Give each draft a consistent persuasion and trust review.
Published timinginstalled MCP tool in 2 to 3 days
Know who responds when your production AI fails.
Published timingSetup: 3 days · then rolling monthly SLA
Know what to fix before you fund the next AI build.
Published timing5 to 7 days
Know what you own and what an exit would involve.
Published timing5 days
Trace an agent instruction through to its reviewed result.
Published timing4 to 6 days
Turn useful AI sessions into a documented product specification.
Published timing15-artifact package in 5 to 7 days
Find the weaknesses ordinary AI testing can miss.
Published timingthreat model + control list in 10 to 14 days
Define what an agent may do before it uses a tool.
Published timing3 to 5 days
Find and remove avoidable token use in your current AI workflow.
Published timing5 to 7 days
See where your AI workflow breaks.
Published timing5 to 7 days
Choose where each AI task should run.
Published timing7 days
Check AI output quality before the next model change.
Published timing7 days
Know when another model sample is worth the cost.
Published timing5 to 7 days
Find answers in your internal documents, inside your infrastructure.
Published timing7 to 10 days
Try a broader task, such as “documents”, or clear your filters to see all 20 scopes.
Start with a defined problem
Describe the work you have, the result you want, and where it gets stuck. A call can clarify whether you need a review, a build or a smaller intervention.
Open the discovery calendarYou choose a time in Google Calendar. No engagement is purchased here.
sinc-LLM