Ferramental autoral de engenharia com IA

Papel: autor
Contexto: prática de engenharia própria, aplicada ao trabalho de QA na Globo, via NTConsult
Período: mar – ago/2026

O problema

Um assistente de código sem contexto produz respostas plausíveis e erradas. Numa base legada, proprietária e cheia de convenção implícita, isso é pior do que não usar assistente nenhum — porque a resposta errada chega com confiança. A correção não é evitar a ferramenta. É construir a camada de contexto que a torna confiável.

Foi isso que construí ao longo desse período, em paralelo ao trabalho de migração e de testes.

Como conduzi

Camadas de contexto para agentes, versionadas junto do código. Em cada repositório em que trabalhei, deixei instruções canônicas, convenções de teste, guias de escrita de cenário e pontos de entrada de navegação — escritos para serem lidos por um agente e por uma pessoa nova no projeto, que precisam exatamente da mesma coisa. Inclui um conjunto de skills específicas do domínio: criar cenário, modificar cenário, depurar cenário, diagnosticar configuração.

O teste dessa camada é simples: alguém que nunca viu o projeto consegue produzir uma contribuição correta lendo só isto?

Uma skill de revisão adversarial de código. Publiquei como pacote instalável, com documentação de instalação e referência técnica. A ideia: em vez de pedir “revise este código” e receber elogio educado, conduzir a revisão por lentes específicas — correção, concorrência, caminho de erro, integridade de dados — exigindo um cenário de falha concreto para cada achado. Achado sem cenário de falha é opinião.

Usei essa abordagem no próprio trabalho: a especificação da comparação entre a suíte legada e a suíte migrada passou por revisão adversarial antes de virar plano de implementação — veja Migração de suíte legada: de Shell para Java.

Um pipeline de wiki curada. Uma base de conhecimento versionada em Markdown, com fontes brutas separadas do conteúdo curado, e agentes de ingestão, consulta e auditoria — mais um validador escrito em shell puro, que confere estrutura, referências cruzadas e integridade de índice sem consumir modelo de linguagem.

A decisão de design de que mais me orgulho: impedir que a ingestão automatizada passe por cima da curadoria. Em modo não interativo, o agente para e devolve o resultado em vez de escrever na base por conta própria. Conhecimento que entra numa base sem alguém confirmar não é conhecimento — é ruído com aparência de autoridade.

Também documentei o custo de operação medido do pipeline, em vez de tratá-lo como gratuito.

Um formatador de XML de terminal. Um utilitário pequeno para a fricção diária de lidar com payloads XML de integração.

O que isso demonstra

• Uso criterioso de IA em engenharia: investimento em contexto e verificação, não em volume de geração
• Capacidade de transformar prática pessoal em ferramenta reutilizável e documentada
• Entendimento de que a curadoria humana é o gargalo que dá valor a uma base de conhecimento
• Validação barata e determinística onde ela cabe — shell puro em vez de modelo de linguagem

Stack

• Shell Script — o validador em shell puro do pipeline de wiki e o formatador de XML de terminal
• Markdown — formato das camadas de contexto versionadas e do conteúdo curado da wiki
• Skills de agente de código — a skill de revisão adversarial e as skills de domínio para escrita de cenário, depuração e diagnóstico de configuração
• Pipelines de documentação versionada — o fluxo de ingestão, consulta e auditoria da wiki