Habr AI→ original

Receita do vibe coder: uma única LLM como arquiteta, revisora e testadora

Um único modelo de linguagem, quatro papéis: o arquiteto projeta, o desenvolvedor escreve o código, o revisor encontra bugs e o testador tenta quebrar tudo. Um desenvolvedor publicou no Habr um guia prático de como montar essa "trupe" de agentes e entregar a eles um projeto de produção quase sem participação manual. A condição principal: todas as decisões e processos precisam viver em arquivos, e não na cabeça de quem trabalha no projeto.

Processado por IA de Habr AI; editado por Hamidun News
Receita do vibe coder: uma única LLM como arquiteta, revisora e testadora
Fonte: Habr AI. Colagem: Hamidun News.
◐ Ouvir artigo

Um desenvolvedor russo publicou no Habr, em agosto de 2026, um guia detalhado de desenvolvimento multiagente com um único modelo de linguagem, sem comprar infraestrutura adicional e sem meses de configuração.

O que é a "esquizofrenia da LLM"

O efeito básico em que todo o método se apoia: o mesmo modelo que acabou de escrever uma funcionalidade e ficou satisfeito com ela, no papel de revisor, encontra nela três bugs reais, com cenários de falha. Um único conjunto de pesos produz duas opiniões diametralmente opostas sobre o mesmo código.

Os principais fatos do método:

  • A trupe tem quatro papéis: arquiteto, desenvolvedor, revisor, testador
  • A troca entre papéis acontece por meio de prompts de papel ("skills")
  • O autor mantém nesse princípio um projeto de produção real, escrito por agentes quase sem código manual
  • O primeiro passo não exige nenhuma linha de código escrita à mão: a trupe se constrói sozinha

A divisão não é um bug, e sim uma técnica de arquitetura: um revisor que não sabe que está diante do próprio código critica com mais honestidade do que qualquer colega humano.

Por que o processo precisa viver em um arquivo

As decisões de arquitetura tomadas pelo modelo no papel de arquiteto desaparecem do contexto no momento em que o mesmo modelo passa para o papel de desenvolvedor. Sem um plano registrado, o agente reinventa a roda a cada vez e gasta tokens repetindo o que já foi feito.

O autor é categórico: qualquer decisão que precise sobreviver a uma sessão deve existir em um arquivo, e não no diálogo nem na memória do modelo. As skills, conjuntos de instruções de papel para cada um dos quatro papéis, ficam guardadas no mesmo lugar e são carregadas a cada troca.

"O processo deve viver em um arquivo, e não na cabeça", diz a tese central do guia publicado no

Habr.

A troca de contexto entre papéis leva segundos, e os acordos e decisões acumulados não se perdem entre sessões.

Como iniciar o primeiro projeto multiagente

A trupe sabe se construir sozinha, e esta é a principal conclusão prática do artigo. Basta dar ao agente no papel de arquiteto a descrição da tarefa: ele monta a estrutura do projeto, distribui as tarefas entre os papéis e cria os arquivos com os planos.

Segundo a descrição do autor no Habr, todo o ciclo, de um repositório vazio até um código funcionando com revisão e testes, acontece sem uma única linha escrita manualmente. O fluxo de trabalho é assim:

  • Skills: instruções de papel que definem a "personalidade" do agente em cada função
  • Arquivos de plano: decisões registradas que sobrevivem à troca de sessões e de contexto
  • Ciclo de papéis: arquiteto → desenvolvedor → revisor → testador, com repetição quando são encontrados bugs
  • Autoconstrução: a estrutura do projeto é montada pelo próprio agente arquiteto, não por uma pessoa
"Acessível, sem enciclopédia, no tempo de um café": assim o autor descreve o formato do seu guia no

Habr.

O que isso significa

O desenvolvimento multiagente deixou de ser um experimento de laboratório: uma pessoa com um único modelo de linguagem monta uma equipe interna que se critica com mais honestidade do que a maioria dos revisores humanos. A principal barreira de entrada não é a infraestrutura, e sim a disposição de registrar o processo em arquivos.

ZK
Hamidun News
Notícias de AI sem ruído. Seleção editorial diária de mais de 50 fontes. Produto de Zhemal Khamidun, Head of AI na Alpina Digital.
✦ Autonomous AI Agents

Delegate Deep Research, Coding & Workflows to an AI Agent

Deploy autonomous multi-step execution with NomadNet Agent (agent.nomadnet.ai) — automated web research, data synthesis, code generation, and complex task orchestration.

Launch NomadNet Agent →NomadNet AI Platform
O que você acha?
Carregando comentários…