A IA está apodrecendo sua base de código

A IA não está apenas gerando código; ela está gerando AI slop, um assassino silencioso da integridade da base de código. Isso não é meramente código ruim; é uma tragédia dos comuns — código que parece polido e funcional, mas é arquiteturalmente falho, repleto de padrões duplicados e que acelera a dívida técnica. Sua natureza insidiosa reside na capacidade de corroer seu projeto por dentro, mesmo passando por verificações básicas.

Quantificar o dano revela uma realidade nua e crua. A análise do GitClear em 211 milhões de linhas de código descobriu que projetos com uso intenso de IA exibem um aumento de 4 a 8 vezes em blocos de código duplicados. Os esforços de refatoração colapsam em 60% e as taxas de rotatividade disparam 9 vezes em comparação com o código escrito por humanos. Essas não são ineficiências menores; são degradações estruturais.

O perigo central: essa saída de baixa qualidade passa facilmente pela revisão humana, parecendo válida em uma inspeção superficial. Ela propaga silenciosamente falhas arquiteturais e complexidade inflada por toda a base de código. Isso externaliza custos massivos de manutenção para futuras equipes, forçando-as a desembaraçar uma bagunça que nunca deveria ter chegado à produção.

A sabedoria comum dita que arquivos de prompt como [Claude](/en/anthropic-workbench).md são suficientes para a orientação de agentes de IA. As equipes criam meticulosamente esses arquivos para incorporar regras 'leves' e sugestões arquiteturais. A intenção é clara: direcionar a IA generativa para a qualidade, evitar AI slop.

Mas essa abordagem é fundamentalmente não confiável. Os agentes podem, e muitas vezes vão, ignorar essas diretrizes quando não 'veem outra saída' — uma ocorrência comum na geração de código complexo. Isso leva a uma qualidade de saída não determinística, onde um agente aparentemente compatível introduz subitamente padrões duplicados ou typecasting any, desafiando seu próprio prompt.

O problema não são engenheiros preguiçosos. É uma falha de ferramentas sistêmica. Confiar na vigilância humana para detectar falhas arquiteturais sutis ou padrões inconsistentes introduzidos pela IA em escala é uma batalha impossível de vencer. Os dados do GitClear mostram que o código com uso intenso de IA apresenta um aumento de 4 a 8 vezes em blocos de código duplicados e um colapso de 60% na refatoração.

Essas guardrails leves oferecem uma falsa sensação de segurança. Elas aceleram a dívida técnica ao permitir que o código gerado por IA, polido na superfície mas arquiteturalmente insustentável, apodreça silenciosamente a base de código. Suas melhores intenções, codificadas em Claude.md, simplesmente não são suficientes contra um agente determinado a encontrar uma solução, não necessariamente a melhor solução.

Entre no anti-slop: seu novo portão de qualidade. Este conjunto especializado de regras de linting opinativas visa diretamente os antipadrões comuns gerados por IA em TypeScript. Ele combate códigos com pouca evidência, como o uso generalizado de typecasting any, asserções de tipo aninhadas e tipos de parâmetros de objeto amplos, muitas vezes invisíveis durante a revisão superficial.

Diferente das diretrizes leves do Claude.md, o anti-slop gera erros de linting rígidos e impossíveis de ignorar. Quando um agente de IA gera um código falho, ele recebe feedback preciso e determinístico com dicas de remediação específicas. Isso força o agente a reparar o código, estabelecendo um ciclo de qualidade iterativo e poderoso que impede que falhas arquiteturais e padrões duplicados cheguem à produção.

Crucialmente, o anti-slop aproveita o Oxlint, um linter de alto desempenho baseado em Rust, entregando feedback 50 a 100 vezes mais rápido que o ESLint. Esse desempenho extremo é inegociável para fluxos de trabalho agenticos, fornecendo a validação instantânea necessária para direcionar agentes de IA de forma eficaz para um código robusto e sustentável. Para um mergulho mais profundo em regras específicas — como a rejeição de espalhamento de objetos vazios condicionais — e sua implementação, confira o repositório do projeto no GitHub: GitHub - dmmulroy/anti-slop: Opinionated Oxlint rules for rejecting low-evidence TypeScript and JavaScript patterns.

A filosofia do Anti-slop trata a segurança de tipos como evidência, não decoração. Essas regras não são sugestões; são paradas rígidas de compilador. Espere rejeições para padrões como asserções de tipo aninhadas, mocks de módulos e tipos de parâmetros de objeto amplos. Em vez disso, o Anti-slop exige uma análise de limites clara e comentários de segurança explícitos para asserções de tipo não constantes, forçando os agentes a construir sistemas robustos, e não apenas sintaxe aceitável.

Esta não é uma dependência de caixa-preta. O Anti-slop utiliza um modelo de implementação vendored. As equipes copiam o conjunto de regras diretamente para seu repositório, tornando-o parte de sua base de código. Isso permite uma personalização profunda, adaptando os padrões às necessidades específicas do projeto em vez de se conformar a um pacote externo rígido. Trata-se de ser dono do seu portão de qualidade.

O Anti-slop está inserido em um reconhecimento crescente da indústria sobre a ameaça insidiosa do AI slop. Ferramentas semelhantes estão surgindo, e as discussões em torno da dívida técnica induzida por IA estão se amplificando. Dados da GitClear, por exemplo, mostraram que códigos com uso intenso de IA apresentam aumentos de 4 a 8 vezes em blocos duplicados e um colapso de 60% na refatoração. O problema é real, e regras rígidas são a única solução.

O que é 'AI slop'?

AI slop é um código gerado por IA que é sintaticamente correto e pode passar em testes básicos, mas é arquitetonicamente falho. Frequentemente inclui padrões duplicados, complexidade inflada e práticas ruins que aceleram a dívida técnica a longo prazo.

Como funciona o linter Anti-slop?

O Anti-slop é um conjunto de regras de linting opinativas para o linter de alta velocidade Oxlint. Ele cria erros rígidos e impossíveis de ignorar quando detecta padrões de código de baixa qualidade comuns em saídas de IA, forçando o agente de IA a corrigir o código usando feedback específico.

Por que o Anti-slop é melhor do que usar bons prompts ou instruções?

Prompts e arquivos de documentação são diretrizes 'suaves' que agentes de IA podem ignorar, especialmente quando não conseguem encontrar outra solução. O Anti-slop cria erros determinísticos e rígidos que não podem ser contornados, agindo como um portão de qualidade eficaz.

O que é Oxlint e por que é importante para o Anti-slop?

Oxlint é um linter de JavaScript/TypeScript construído em Rust, tornando-o 50-100 vezes mais rápido que o ESLint. Essa velocidade extrema é crucial para fornecer o feedback instantâneo que os agentes de IA precisam para reparar o código iterativamente sem diminuir a velocidade do fluxo de trabalho de desenvolvimento.