De 8 Horas para 47 Minutos - 12 Estratégias Comprovadas de IA para Codificação

A IA construiu um recurso em 47 minutos, o que teria levado 8 horas de trabalho alguns anos atrás. Mas aqui está o que ninguém te diz: sem as estratégias certas, essa mesma IA desperdiçará três horas construindo a coisa errada.

Oi, sou Chuck, e estou escrevendo código há 30 anos. Em 2023, percebi que precisava abraçar a IA ou encontrar uma nova carreira. Escolhi abraçá-la. Desde então, construí uma dúzia de aplicações usando agentes de codificação, e hoje estou compartilhando todas as estratégias que aprendi com você.

A IA muda tudo, mais notavelmente, acelera tudo. O que levava um dia agora leva uma hora.

A velocidade significa algumas coisas:

Primeiro, seu ciclo de feedback é muito mais rápido, erros e direções erradas aparecem mais rápido, e chegar ao sucesso aparece mais rápido.

Segundo, muito código agora é descartável. É econômico principalmente escrever e descartar em vez de escrever e refatorar.

Terceiro, os buracos de desenvolvimento de software que levavam anos para encontrar agora aparecem em semanas ou meses.

Quarto, sem orientação, a IA rapidamente sai dos trilhos e cai do penhasco.

No meu tempo usando agentes de codificação como Cursor, descobri 12 estratégias que ajudam a manter a IA de sair do penhasco. Estas foram aprendidas da maneira difícil, por tentativa e erro.

1. Use o Agent.md

Uma das muitas coisas que notei sobre LLMs é que todos querem adicionar “fallbacks”.

Fallbacks são código condicional que executa quando a primeira condição falha. Isso é ótimo quando seu código vai para Marte, mas a maioria do código não vai para Marte, certamente não o meu. Para piorar as coisas, Fallbacks são inerentemente bugados e geralmente não são necessários.

É aqui que entra um arquivo Agent.md. Você pode instruir o LLM a não usar fallbacks. Na verdade, você pode instruí-lo a fazer qualquer coisa. Qualquer coisa que você adicionaria a um prompt pode ser adicionada ao Agent.md. O arquivo é automaticamente adicionado a cada novo contexto.

No momento, cada agente de codificação tem seu próprio arquivo agent.md. Cursor chama o deles .cursorrules, Claude Code chama o deles claude.md. Suspeito que em um futuro próximo, os agentes de codificação padronizarão um nome comum.

No meu Agent.md defino os padrões de software, a estratégia de teste e a arquitetura que quero usar. Qualquer coisa que encontro o agente fazendo repetidamente devido à falta de contexto ou direção, adiciono ao arquivo.

Aqui está um link para um repositório de regras de agentes.

Uma vez que seu arquivo Agent.md esteja configurado, você vai querer usar a IA sem restrições.

2. Acelerador Total

Tanto Claude Code quanto Cursor AI começam em um “modo seguro” pronto para uso. O modo seguro requer permissão para cada chamada de ferramenta. Depois de alguns minutos aprovando CADA chamada de ferramenta, terminei com o modo seguro.

Felizmente, cada Agente de Codificação permite que você opte por sair do “modo seguro”. O risco é que a IA possa fazer coisas indesejáveis, mas no tempo que usei agentes de codificação, nunca fiz nada irreversível.

Fico de olho no que o LLM está fazendo, mas não me sinto confortável deixando o Agente de Codificação sozinho ainda.

Honestamente, a menos que você esteja pedindo ao LLM para trabalhar em código de produção ao vivo, e não sei por que você gostaria do modo seguro.

Agora que você libertou seu agente de codificação, precisamos definir o problema.

3. Definindo seu problema

A IA é literalista. Você obtém o que pede, o que significa que prompts vagos produzem resultados vagos.

Descobri que fornecer à IA requisitos detalhados e pedir uma “avaliação” produz os melhores resultados. Isso permite que a IA procure lacunas no design e responda com perguntas de acompanhamento. Após alguns vai-e-vem, você terá um plano sólido.

Em versões recentes, tanto Cursor quanto Claude Code adicionaram “Plan Mode”, que formaliza o processo acima.

Vou além e faço outro LLM revisar o plano. Por exemplo, uso ChatGPT para a primeira avaliação de IA. Ele gera um documento markdown com todos os requisitos. Então dou esse documento ao Claude para feedback, e a segunda revisão do Claude sempre encontra lacunas perdidas.

Isso é uma questão de gosto, mas a IA tende a sobre-arquitetar para mim. Novamente, a IA parece pensar que o código está a caminho de Marte.

Uma vez que você tenha se estabelecido em um plano, peça à IA para salvá-lo em um documento em seu projeto.

O que me leva ao próximo ponto.

4. Crie um Plano em Fases

Dividindo grandes recursos em fases e tarefas gerenciáveis

Depois de criar um plano, peça à IA para dividir o trabalho em fases. Você quer pequenas unidades de trabalho; quanto menor, melhor. Quanto menor a unidade, maior a chance de sucesso.

Alguns agentes de codificação fazem isso pronto para uso, mas se não fizerem, peça a eles.

O melhor plano ainda falhará se você não conseguir rastrear o progresso. É aqui que as listas de verificação entram.

5. Peça uma Lista de Verificação

Peça à IA uma lista de verificação e diga que você precisa de uma para rastrear o progresso. Muitos dos agentes de codificação adicionaram a lista de verificação ao prompt do agente e à interface do usuário, mas às vezes ainda preciso de uma lista de verificação para rastrear o progresso ou rastrear trabalho de longa duração.

A lista de verificação também dá à IA algo para se medir, para que saiba quando terminou.

As listas de verificação são ótimas, mas como abrangemos contextos com listas de verificação? É aqui que entra nosso documento de handoff.

6. Crie um Documento de Handoff

O que é um documento de handoff?

Um documento de handoff é uma descrição de alto nível da aplicação. Seu propósito é trazer um contexto vazio para o ritmo do domínio, código e arquitetura da sua aplicação.

Idealmente, o agente continua no ritmo, onde o contexto anterior parou.

No meu Agents.MD, instruo o agente a atualizar meu documento de handoff com mudanças de alto nível. O que não queremos é cada detalhe no documento; preciso de um resumo de alto nível, e deixo a IA determinar o que é.

Meu fluxo de trabalho é mais ou menos assim:

Cada vez que comecei um novo contexto, incluí meu documento de handoff e instruí a IA sobre o novo recurso. A IA pega a tarefa e começa a trabalhar como se estivesse no projeto há 6 meses.

O documento de handoff é ótimo para aplicações menores, mas em aplicações maiores, consome muitos tokens e não é prático. Estou considerando outras opções, como um banco de dados vetorial ou um banco de dados gráfico.

Mas ainda estou experimentando.

Gostaria de ouvir como você está abordando este problema. Deixe um comentário abaixo.

Mesmo com listas de verificação e um documento de handoff, a IA comete erros. É aqui que os commits entram.

7. Faça Check-in Frequentemente

Faça pequenos commits. Pequenos commits permitem que você reverta para um estado conhecido e bom. Descobri que às vezes a IA segue pela toca do coelho, e não há recuperação.

Apenas reinicie.

8. Reinicie o Contexto

Seja implacável ao reiniciar o contexto.

Às vezes a IA segue o caminho errado ou comete um erro, ejetar e começar de novo. Quando todos os seus documentos estão em ordem, é fácil começar um novo contexto. Esta é a brilhantez do documento de handoff.

Mas vou ser honesto, ao trabalhar com IA – humanizo a IA porque parece que estou trabalhando com outro humano, e apertar esse botão de reinicialização às vezes puxa minha humanidade.

Uma maneira de limitar as tocas de coelho é através de testes.

9. Testes

Quando era engenheiro de software, testes eram chatos. Escrever código de teste é um dos trabalhos mais mundanos para um engenheiro de software.

Com IA, não há razão para você não testar seu código. A IA escreverá todos os testes para você. Na verdade, você pode especificar 80% de cobertura de teste no agent.md, e o agente de codificação magicamente adiciona os testes.

Descobri que os testes são benéficos; além do componente de qualidade, dão à IA uma estrutura para validar seu trabalho. Isso leva a código de maior qualidade e melhor uso de IA.

Uma palavra de cautela, frequentemente tenho a IA fazer mudanças de código sem atualizar os testes. Depois que o código está funcionando, peço à IA para atualizar os testes. Às vezes a IA leva os testes muito a sério e muda o código de produção para corresponder aos testes, desfazendo todas as mudanças que acabamos de fazer.

Outra maneira que descobri para melhorar a qualidade é através da automação.

10. Automatize, Automatize, Automatize

Torne as coisas o mais fácil possível.

Antes da IA, frequentemente ouvia: “Implantações de um toque, isso seria ótimo, mas não temos tempo.” Agora não há desculpa, a IA automatizará tudo para você.

Meu objetivo é ter cada ação ser um único comando. Por exemplo:

• Se quero iniciar a aplicação? ./start.sh.
• Quero executar os testes. ./test.sh.
• Implantar a aplicação? Você adivinhou ./deploy.sh

A automação serve dois propósitos:

• Primeiro, economiza seu tempo.
• Segundo, remove o erro humano do processo.

Em qualquer lugar onde há atrito e múltiplas etapas, quero automatizar. Mas para resolver problemas mais complexos, às vezes preciso de LLMs mais capazes.

11. Use o Melhor LLM

Não economize no desempenho do modelo. Os modelos mais recentes são caros, mas em um esforço para economizar dinheiro, podem acabar custando mais.

Ocasionalmente, Cursor recomenda usar o modo Auto para economizar tokens. Ok, isso soa bem, o que poderia dar errado? Sempre estou aberto a economizar dinheiro. Então liguei e implementei um recurso. Virou um desastre. Passei as próximas 3 horas desfeito a bagunça usando os modelos mais recentes, e custou o dobro do que teria pago se não tivesse usado o modo auto. Meu ponto não é que o modo auto é ruim; é que trabalhar em problemas complexos requer os melhores modelos.

Mas às vezes, nem mesmo os melhores modelos são suficientes; você precisa das ferramentas certas.

12. Ferramentas

Pense na IA como o cérebro; ela pensa, mas não pode fazer nada. Este é o poder de uma ferramenta. Ela dá à IA a capacidade de agir.

Coloco as ferramentas do agente de codificação em duas classes:

Duas classes de ferramentas que aprimoram agentes de codificação de IA

Primeiro são ferramentas projetadas para aprimorar o desenvolvimento de software. Pense no MCP do GitHub ou no Sequential Thinking MCP do Anthropic; essas ferramentas geralmente tornam os agentes de codificação mais capazes.

Segundo são ferramentas que interagem com o projeto. Por exemplo, um MCP de banco de dados ou uma ferramenta de linha de comando. Essas ferramentas dão aos agentes de codificação a capacidade de escrever código, executá-lo e testar os resultados, completando um ciclo de feedback completo.

A coisa brilhante sobre IA é que se você precisar de uma ferramenta e não houver uma, a IA pode criar uma para você.

Aqui estão as ferramentas que uso com Cursor:

A primeira ferramenta é chamada Serena. Serena tenta descarregar tarefas como ler arquivos e salvar dados na memória que normalmente teriam IA gerando comandos para executar a operação. O objetivo deste projeto é reduzir o número de tokens usados e manter operações comuns locais.

A próxima ferramenta que uso é chamada Sequential Thinking pelo Anthropic. Se é do Anthropic, é quase garantido ser bom. O que esta ferramenta faz é dividir problemas complexos em etapas gerenciáveis. Adiciona resolução de problemas dinâmica e reflexiva através de um processo de pensamento estruturado.

Experimente, coloquei o link na descrição.

A última ferramenta que uso é específica do projeto; é chamada Neo4j MCP, e a IA a criou. Foi inestimável ao trabalhar com Neo4j. Antes, a IA me pediria para executar consultas e depois colar os resultados no chat. Isso se tornou incômodo muito rapidamente. Com a ferramenta, a IA executa suas próprias consultas, e nenhuma intervenção humana é necessária.

É lindo, e é mais rápido. Se você encontrar atrito em seu processo de desenvolvimento, peça ajuda à IA; você pode se surpreender com o que aparece.

Fechamento

Vamos ser honestos aqui, trabalhar com Agentes de Codificação parece muito com parear com um programador júnior brilhante que ocasionalmente esquece tudo o que acabamos de contar. Essas 12 estratégias são como gerencio esse relacionamento. E podem não funcionar para todos, ou para você, e tudo bem. Encontre o que funciona para você. Então minha pergunta para você é: O que está funcionando para você? Deixe um comentário abaixo e me avise.