Recentemente decidi encarar o desafio de 7 dias proposto por Fábio Akita, sob uma perspectiva que vi com o Mano Devin: usar inteligência artificial como aliada real no desenvolvimento.

A proposta é simples — mas poderosa:

• Dia 1: conteinerização
• Dia 2: fundação da aplicação
• Dia 3: testes antes das features
• Dia 4: desenvolvimento com IA
• Dia 5: refatoração
• Dia 6: interface
• Dia 7: deploy

Este artigo é sobre o Dia 1 — e como saí do zero em Docker em apenas 2 horas.

---

🧠 Antes de tudo: meu contexto

Sou formado em Análise e Desenvolvimento de Sistemas, mas hoje reconheço que não aproveitei o curso como deveria.

Minhas maiores dificuldades sempre foram:

• transformar ideias em sistemas reais
• levantar requisitos
• entender a comunicação entre partes do sistema

E havia uma lacuna enorme:

Eu não sabia absolutamente nada sobre Docker.

Então decidi mudar isso de forma prática.

---

🤖 O diferencial: criei meu próprio tutor com IA

Usei um script que desenvolvi, o AI Tutor Forge, para gerar um curso completo de Docker com Python.

👉 Repositório: https://github.com/guedesindev/ai_tutor_forge

A proposta foi direta:

aprender Docker enquanto construo uma API de controle de estoque com fluxo de caixa.

E funcionou melhor do que eu esperava.

---

🐳 Dia 1 — Meu primeiro contato com Docker

Em apenas 2 horas, consegui entender conceitos fundamentais:

• Diferença entre imagem e container
• Como escrever um Dockerfile
• Diferença entre docker build e docker run
• Uso de volumes
• Mapeamento de portas
• Uso do docker-compose
• Executar uma API FastAPI dentro de um container com reload automático

---

⚔️ Venv vs Docker (o insight que mudou tudo)

Eu sempre pensei:

“Se já uso venv, pra que Docker?”

Depois desse estudo, ficou claro:

🔹 Venv

• Isola dependências Python
• Depende do:
• Python do sistema
• Sistema operacional
• Arquitetura

🔹 Docker

• Isola:
• Dependências
• Versão do Python
• Sistema operacional
• Rede
• Sistema de arquivos

Docker não empacota só dependências.

Ele empacota o ambiente inteiro.

💡 Analogia:

• Venv → mochila de ferramentas
• Docker → a oficina inteira

---

📦 Entendendo o Dockerfile

O Dockerfile é basicamente um passo a passo automatizado para criar um ambiente.

Exemplo simplificado:

</> dockerfile

FROM python:3.13
WORKDIR /app
COPY . .
RUN pip install -r requirements.txt
EXPOSE 8000
CMD ["uvicorn", "main:app", "--host", "0.0.0.0", "--port", "8000"]

---

🏗️ Build e Run (o básico que você precisa dominar)

Criar imagem

</> Bash

docker build -t minha-imagem .

Rodar container

</> Bash

docker run -d -p 8000:8000 --name meu-container minha-imagem

---

🔥 O problema real: produtividade

Sem volume, qualquer alteração exige:

• parar container
• recriar
• rodar tudo de novo

👉 Totalmente improdutivo.

---

🔄 A solução: volumes + reload

Usando bind mount, consegui sincronizar arquivos:

-v $(pwd)/app:/app

E combinando com:

--reload

Passei a ter live reload dentro do container.

---

⚡ O salto de produtividade: Docker Compose

Percebi rapidamente que rodar comandos enormes não escala.

A solução:

docker-compose.yml

</> Bash

services:
api:
  build: .
  ports:
    - "8000:8000"
  volumes:
    - ./app:/app
  command: uvicorn main:app --host 0.0.0.0 --port 8000 --reload

Subir tudo:

</> BAsh

docker compose up

Simples assim.

---

🚀 O resultado (em apenas 2 horas)

Saí de:

❌ zero conhecimento em Docker

Para:

✅ rodar API em container

✅ entender isolamento real

✅ usar volumes

✅ aplicar live reload

✅ usar docker-compose

---

🧠 Reflexão final

Mais do que aprender Docker, esse processo me mostrou algo maior:

Aprender com IA não é sobre substituir o aprendizado.

É sobre acelerar o caminho até o entendimento.

---

❓ E você?

Depois de ler até aqui, me diz:

Você consegue explicar a diferença entre:

• docker build
• docker run
• docker compose up

Se sim, missão cumprida. 😄