Como escrever um jogo de 114 mil linhas com IA: prática de gerenciamento de contexto

Um desenvolvedor escreveu um jogo para navegador com 114 mil linhas inteiramente com redes neurais, e levou três semanas. Não se trata de uma demonstração do poder da IA, mas de uma análise prática da metodologia: como manter um projeto grande sob controle quando a base de código deixou de caber na janela de contexto há muito tempo.

Três semanas e 114 mil linhas

Um jogo para navegador não é um projeto de brinquedo. São 114 mil linhas de código escritas por uma só pessoa em três semanas, um ritmo inalcançável sem redes neurais. O autor não usou a IA como assistente de autocompletar, mas como um gerador completo: descrevia as tarefas em linguagem natural, recebia as implementações, iterava sobre o resultado e seguia em frente.

Mas, já na metade do trabalho, ficou claro que a velocidade de geração não é o principal problema de um grande projeto assistido por IA. O principal problema é a capacidade de gerenciá-lo. Quanto maior a base de código, mais difícil explicar à rede neural o que já está implementado, quais decisões estão consolidadas e o que não deve ser feito de jeito nenhum. O modelo não se lembra das escolhas de padrões feitas duas sessões atrás. Ele não sabe que uma função já foi escrita em outro arquivo.

Quando o contexto acaba

A janela de contexto é uma limitação fundamental do modelo de linguagem ao trabalhar em um projeto grande. Mesmo nos modelos mais potentes, ela é finita: milhares de linhas de código, somadas a comentários e documentação, rapidamente superam o volume disponível. Quando o projeto passa de algumas dezenas de milhares de linhas, a rede neural fisicamente não consegue manter todo o repositório na memória ao mesmo tempo.

As consequências são previsíveis. A IA começa a inventar funções que já existem em outro arquivo, entra em conflito com convenções de arquitetura adotadas nas etapas iniciais e ignora o estilo de nomenclatura introduzido algumas sessões antes. O código compila, mas a lógica interna começa a se desintegrar.

Isso não é um bug do modelo. É um problema estrutural, que exige uma solução estrutural por parte do desenvolvedor.

Como manter o projeto sob controle

Alguns princípios que funcionaram na prática:

• Documentação das decisões fora do código: cada decisão de arquitetura é registrada em um documento separado. Antes de uma nova sessão, a IA recebe esse documento como parte do contexto, junto com a tarefa.
• Modularidade rígida: os arquivos são mantidos pequenos de propósito, para que cada um caiba individualmente na janela de contexto. Nada de arquivos com três mil linhas.
• Briefings de sessão: cada nova sessão começa com uma breve introdução: o que já foi feito, quais convenções estão em vigor e no que se está trabalhando agora.
• Convenções de nomenclatura unificadas: um estilo estrito para funções, variáveis e módulos reduz o risco de colisões, que a IA não percebe sem um lembrete explícito.
• Revisões "às cegas": de tempos em tempos, pedir ao modelo que explique o código que ele mesmo escreveu. É uma boa maneira de encontrar contradições ocultas e a deriva lógica entre sessões.

Nenhum desses princípios é novo: todos são usados no desenvolvimento em equipe para coordenar pessoas. Com a IA, eles funcionam de outra forma, como um mecanismo de gerenciamento da atenção do modelo. Não se trata de "quem é responsável por quê", mas de "o que o modelo sabe agora e o que disso é importante".

O que isso significa

114 mil linhas em três semanas são uma metodologia reproduzível, não um feito isolado. A IA é capaz de escrever código em escala industrial, mas a capacidade de gerenciar um projeto grande continua dependendo do ser humano. Estrutura, documentação e gerenciamento consciente do contexto são justamente o que separa um projeto que pode ser continuado e desenvolvido de uma base de código que ninguém mais consegue entender, nem a própria rede neural.