Vercel научила AI-агентов понимать продуктовые решения, а не только копировать код

Vercel publicou uma descrição detalhada de seu sistema product-design — um conjunto de ferramentas que ajuda agentes de IA não apenas a copiar estilos e padrões, mas a entender por que um componente, frase ou interação específica se tornou o padrão no produto.

Agentes não entendem o "porquê"

Agentes de codificação modernos lidam com tarefas rapidamente: escrevem UI funcional, copiam estilos visuais, repetem padrões do repositório. O problema está em outro lugar — eles não entendem o raciocínio por trás dessas decisões. A lógica de um componente específico, redação ou interação geralmente fica armazenada em threads do Slack, comentários de design review, observações em PRs e na memória de pessoas que estavam naquela reunião. Para um agente, esse contexto não existe: ele funciona apenas com o que chegou à base de código. Vercel abordou o problema radicalmente: todas as decisões de produto aceitas agora vivem no repositório junto com o código. Elas passam por revisão quando alteradas e estão automaticamente disponíveis para qualquer agente trabalhando no projeto.

O que há dentro do sistema

O sistema consiste em três componentes. A skill vive em `.agents/skills/product-design/` bem ao lado do código que governa. Dentro há duas seções principais. `references/` contém documentação sobre decisões de produto, qualidade de interface, resiliência, copywriting, um glossário de termos, e `coverage-gaps.md` — uma lista de áreas onde o padrão ainda não se formou. `exemplars/` documenta decisões de PRs anteriores que vale a pena repetir e erros a evitar. Linters verificam automaticamente tudo o que pode ser verificado por máquina. Tudo que pode ser verificado sem envolvimento humano deve ser verificado sem ele. O ciclo de atualização coleta sinais do Slack, Figma e GitHub, agrega-os e prepara atualizações de diretrizes para aprovação final da equipe.

Como a skill roteia tarefas

SKILL.md funciona como um roteador. Primeiro determina o modo de solicitação: shape, implement, review, copy ou harden. Isso é fundamental — uma auditoria não deve se transformar em edição, e uma tarefa de copywriting não deve se expandir em redesign. A skill também ignora tarefas sem impacto visível na UI: lógica backend-only, telemetria, arquivos gerados. Após determinar o modo, a skill roteia para as fontes apropriadas com base no tipo de tarefa e superfície específica:

• Mudanças em materiais de interface carregam `product-judgment.md` e `interface-quality.md`
• Trabalho com texto leva a `copy.md` e formas verbais canônicas do produto
• Janela modal — padrões para ações destrutivas e verbos canônicos
• Formulário de configurações — rótulos, validação, progressive disclosure, orientação de accessible-name

A skill não duplica fontes: Component API, regras de design-system e critérios de acessibilidade permanecem com seus proprietários — a skill apenas referencia-os.

"O código mostra aos agentes o que foi lançado — mas não por que este componente ou interação específica se tornou o padrão," — da documentação do

Vercel.

O que isto significa

Vercel demonstrou uma metodologia concreta para dimensionar o conhecimento de produto em equipes com agentes de IA. Em vez de contar com o agente para "adivinhar" as intenções de designers e gerentes, a empresa codificou-as e as tornou parte do repositório — com histórico de mudanças, revisão e verificações automáticas. Segundo os autores, qualquer equipe pode construir a mesma estrutura em torno de seus próprios padrões.