16 posts
Conversas com LLM contêm intenção, alternativas rejeitadas e código funcional. É exatamente isso que a documentação deveria ser. Veja como transformar um chat efêmero em documentos duráveis e pesquisáveis sem perder a narrativa.
Você passou quarenta e cinco minutos com Claude projetando um circuito de retry. Você explicou os modos de falha, rejeitou o backoff exponencial porque esconde…
Inspeções Fagan precisam de quatro a seis pessoas e duas horas para revisar 250 linhas. Um LLM pode cortar esse custo ao cuidar da preparação e da aplicação de checklist, mas não pode substituir os papéis humanos que encontram os defeitos mais caros.
Uma inspeção Fagan completa precisa de um moderador, um leitor, dois a quatro inspetores e o autor. A equipe gasta duas horas revisando aproximadamente 250…
N-version programming parece simples: execute várias implementações e escolha a melhor resposta. Na prática, 'melhor' é muito mais difícil de definir do que 'mais comum'.
Você tem cinco implementações da mesma função. Três retornam o mesmo resultado. Uma é ligeiramente diferente. Uma lança uma exceção. Qual está certa? A maioria…
Programação N-version com LLMs não requer múltiplos modelos. Você pode extrair implementações diversas e corretas de um único modelo variando prompts, personas e restrições de raciocínio.
A programação N-version assume que a diversidade vem de autores diferentes. Com LLMs, isso significa modelos diferentes, provedores diferentes, talvez…
Codificação com IA segue gradiente de validação: backend em milissegundos, web em minutos, mobile em horas. O ciclo de feedback determina onde ela funciona.
Um modelo de IA programando sozinho não é a parte interessante. A parte interessante é o que acontece depois que ele gera o código. Com que rapidez o modelo…
AI coding funciona para equipes de elite que se recuperam de qualquer bagunça. Todo mundo fica com medo, CI falhando e experimentos abandonados. A lacuna não está no modelo.
Observe duas equipes usando o mesmo modelo de AI e você verá dois resultados completamente diferentes. A primeira equipe faz prompt para o modelo construir uma…
A maioria das equipes tenta a codificação com IA, entrega código que falha no QA e desiste. O problema não é o modelo — é a ausência de salvaguardas que tornam a saída da IA confiável.
A maioria das equipes que experimentam a codificação com IA segue o mesmo arco. Elas começam empolgadas. O modelo gera uma funcionalidade em minutos, e elas a…
Você tem type checking, linting e regras de arquitetura. Mas sua pilha determinística é cega para complexidade, duplicação e desastres de nomenclatura. Eis a correção de $0.
Vamos ser honestos sobre como a maioria das pipelines de código com IA realmente se parece agora. Você gera código com Cursor ou Claude Code. Você roda porque…
Ferramentas de AI coding são excelentes para gerar a primeira versão. O verdadeiro desafio de engenharia começa na versão quatro, quando o time precisa mudar algo sem quebrar todo o resto.
Toda demonstração de AI coding segue o mesmo arco. Alguém faz um prompt para um modelo. Um aplicativo funcional se materializa. A audiência fica impressionada.…
A verdadeira medida da qualidade do código gerado por AI não é se ele funciona no primeiro dia. É se você consegue substituí-lo no trigésimo dia sem reescrever todo o resto.
A maioria das conversas sobre a qualidade de código gerado por AI se concentra na correção no momento da geração. A saída compila? Ela passa nos testes? Ela…
Revisão humana é inconsistente. Revisão com AI é pior. A única defesa escalável para codebases geradas por AI é enforcement determinístico: regras que falham o build, não sugestões que acabam ignoradas.
O conselho padrão para código gerado por AI é "revise com cuidado". Esse conselho está correto e é inútil em escala. Um desenvolvedor revisando saída de AI…
Quando a IA consegue gerar implementação, testes e contracts a partir de uma especificação, o trabalho humano de maior alavancagem sobe no fluxo. O artefato que mais precisa de escrutínio passa a ser a própria especificação.
Se você já está publicando com IA há mais de algumas semanas, provavelmente conhece essa sensação. Você abre um pull request. O código está limpo o bastante. A…
Se você quer que código gerado por AI sobreviva em produção, code review sozinho não basta. Você precisa de uma safety stack em camadas, de type constraints até mutation testing e runtime containment.
O aspecto mais perigoso do código gerado por AI não é ele estar sempre errado. O mais perigoso é que muitas vezes ele parece correto o suficiente para ser…
O meme funciona porque muitos times realmente desenvolvem com alvos móveis, prazos fixos e escopo pela metade. Autotomy não corrige o planejamento fantasioso, mas evita que o desenvolvimento pare toda vez que a rota muda.
Vamos chamar isso de Meteor development: o destino é anunciado primeiro, as paradas mudam no meio do caminho, o orçamento fica implícito e engineering precisa…
Uma análise crítica de Stanford CS146S: a disciplina acerta ao levar AI coding a sério, mas ainda deixa em aberto a AI architecture necessária para sistemas substituíveis.
Stanford CS146S é , um curso ministrado por Mihail Eric e oferecido pela primeira vez no outono de 2025. Para a visão oficial da disciplina, o overview e os…
Design by contract, property-based testing, mutation testing e model checking não eram ideias ruins. Exigiam especialização demais para sustentar. A AI muda essa equação.
Software engineering está cheio de ideias que parecem obviamente corretas assim que você as lê. Claro que contracts deveriam definir o que uma função pode…