A demonstração viral tem um código de trapaça embutido
Demonstrações virais como morluto/rea prometem que agentes de IA podem inspecionar aplicações existentes e reproduzir seu comportamento, alimentando alegações de que a engenharia de software está quase resolvida. Essa capacidade, demonstrada em ferramentas como "Reverse Engineer Anything", parece confirmar um futuro onde programadores humanos são obsoletos, ou pelo menos, meros "proxies de carne" para a IA.
Mas essas demonstrações impressionantes contêm um código de trapaça embutido: a própria aplicação original. Essa referência funcional torna as funcionalidades e resultados pretendidos observáveis, permitindo que um agente compare sua saída com um alvo concreto em vez de adivinhar o que um pedido vago significa. A aplicação é a intenção.
Essa vantagem crucial permite que os agentes validem continuamente seu trabalho com 100% de confiabilidade. Eles podem ver o que estão construindo e alinhá-lo com as funcionalidades e o comportamento do produto existente. É por isso que tais tarefas "funcionam tão incrivelmente bem", como observa Cole Medin.
No entanto, esse sucesso traça uma fronteira clara: fazer engenharia reversa de um produto conhecido difere fundamentalmente de construir algo novo. Uma demonstração que mostra que agentes podem replicar perfeitamente um sistema existente não prova que eles podem descobrir independentemente o que um novo produto deveria ser. A habilidade de intent engineering permanece firmemente humana.
Não se torne o botão humano de copiar e colar
O perigo imediato para os desenvolvedores não é a obsolescência; é tornar-se o que Cole Medin chama duramente de "proxy de carne". Isso significa encaminhar sem pensar um pedido do Jira para um agente e depois colar sua resposta no Slack. Tal ação não contribui com nenhum julgamento significativo, mas deixa o humano responsável pelo código resultante.
Modelos de linguagem, apesar de toda a sua proeza, não conseguem ler mentes. Uma funcionalidade implementada de forma bela ainda pode resolver o problema completamente errado se os requisitos, casos extremos, restrições ou expectativas do usuário nunca foram explicitamente definidos. Uma saída polida de um LLM não garante a intenção correta.
Medin destaca uma distinção crucial: delegar a implementação não é delegar a responsabilidade. Ele não escreve manualmente uma única linha de código há mais de um ano, mas permanece profundamente envolvido no planejamento inicial e na validação final. Isso separa a automação da abdicação, enfatizando que o pensamento crítico e a supervisão são mais vitais do que nunca.
O verdadeiro valor neste novo paradigma reside na intent engineering — o processo meticuloso de estruturar requisitos e projetar mecanismos de validação. Sem essa camada humana, até os agentes mais avançados produzirão soluções tecnicamente sólidas, mas fundamentalmente desalinhadas. Os desenvolvedores devem elevar seu papel de codificadores para arquitetos de intenção, garantindo que a IA construa a coisa certa, não apenas uma coisa.
A próxima habilidade é construir o briefing — e as verificações
A verdadeira habilidade não é escrever código, mas intent engineering: transformar uma ideia nascente em uma referência precisa e acionável para um agente. Isso significa elaborar um PRD detalhado, um plano abrangente, exemplos concretos, restrições claras e decisões explícitas, tudo específico o suficiente para um agente construir a partir disso. Sem isso, até os modelos mais avançados produzirão código tecnicamente sólido, mas, em última análise, desalinhado.
Um harness robusto opera bidirecionalmente. Inicialmente, ele interroga, fazendo perguntas de esclarecimento para alinhar o escopo e os requisitos antes que qualquer código seja gerado. Pós-implementação, ele fornece a validação crítica: testes, comparações ou etapas de revisão para verificar rigorosamente se o resultado realmente corresponde à intenção original. Este ciclo de feedback é onde o julgamento humano faz sua contribuição indispensável.
Considere a experiência de Cole Medin: incumbir um agente de criar um protótipo de jogo inicialmente resultou em um produto 2D, perdendo seu objetivo. O avanço não foi um modelo mais forte, mas sua orientação mais clara. Ao fornecer uma referência visual para o estilo 3D desejado e estabelecer um mecanismo de comparação para os resultados, o agente produziu uma aproximação muito mais próxima. Essa melhoria decorreu de uma orientação melhor e de uma avaliação mais eficaz, não simplesmente do poder generativo bruto. Medin enfatiza que, se um agente erra, geralmente é uma falha na especificação da intenção humana. Para uma exploração mais aprofundada das capacidades dos agentes, veja projetos como morluto/rea: Reverse engineer anything with agents.
Gostando do artigo? Receba um assim na sua caixa de entrada toda manhã.
um e-mail por dia · cancele em dois cliques · sem rastreadores de terceiros
Aprenda o julgamento que a geração de código não pode substituir
Então, como discernimos quais habilidades permanecem valiosas? Aplique um teste prático: uma habilidade ajuda a definir o problema, navegar por trade-offs, fornecer uma referência confiável ou detectar quando uma resposta está errada? Se sim, a IA torna essa habilidade mais consequente, não menos. A vantagem vai para as pessoas que conseguem direcionar e verificar a máquina, não apenas retransmitir sua saída.
Habilidades duráveis a serem desenvolvidas incluem análise de requisitos, design de sistemas, conhecimento de domínio, decomposição, testes e a capacidade crítica de revisar o trabalho de um agente. Embora a sintaxe ainda ajude, ela não é mais a única rota para a implementação; os construtores agora devem priorizar a intenção e a verificação.
Cole Medin, que não escreve uma linha de código bruto há mais de um ano, ainda gasta um tempo significativo em planejamento e validação. Ele observa que, se um agente comete um erro, geralmente é devido a uma falha na comunicação da intenção ou no design do harness.
Os agentes podem assumir mais a codificação, mas os construtores ainda moldam o que é construído e decidem se funciona. O futuro pertence àqueles que dominam o julgamento que a geração de código não pode substituir, aproveitando a IA como uma ferramenta poderosa em vez de uma substituta autônoma. Isso significa focar nos aspectos centrados no ser humano da entrega de software.
Perguntas Frequentes
Aprender a construir software ainda vale a pena com a IA?
Sim. A IA pode gerar código, mas as pessoas ainda precisam definir o problema, tomar decisões de design e verificar se o resultado atende às necessidades reais.
O que é engenharia de intenção?
Engenharia de intenção é o trabalho de esclarecer requisitos e fornecer a um agente de IA contexto, exemplos e restrições suficientes para construir a coisa certa.
Por que os agentes de IA conseguem fazer engenharia reversa de um aplicativo de forma tão eficaz?
Um aplicativo funcional fornece uma referência concreta para seu comportamento e aparência, permitindo que um agente compare sua saída com um alvo visível.
O que é um harness no desenvolvimento de software com IA?
Um harness é o processo e as ferramentas que cercam e guiam um agente, coletam requisitos, fornecem feedback e verificam seu trabalho.