Agente de IA no VS Code monta rascunho de especificação técnica em 15–20 minutos, em vez de 1,5 dia
Os analistas precisam reescrever manualmente os requisitos do cliente e as atas de reunião em uma especificação técnica particular (ЧТЗ), trabalho que leva de um dia a um dia e meio. A equipe colocou um agente de IA no VS Code e deu a ele skills: arquivos Markdown com regras como “não presuma nada” e “cite a fonte”. Agora o rascunho da ЧТЗ fica pronto em 15–20 minutos e, com a revisão, em meio dia. A conclusão da equipe: quem entrega o ganho não é o modelo, mas os limites rígidos e a checagem feita pelo analista.
Processado por IA de Habr AI; editado por Hamidun News
O analista recebe do cliente um documento com requisitos de negócio e funcionais (БФТ), acrescenta anotações de algumas reuniões e precisa transformar tudo isso em uma especificação técnica particular (ЧТЗ), ou seja, um documento que os desenvolvedores consigam entender. Manualmente, isso leva de um dia a um dia e meio: abrir o modelo, transferir os requisitos, escolher as formulações, formatar. A equipe que produz os requisitos para desenvolvimento passou essa rotina a um agente de IA no VS Code.
O rascunho da ЧТЗ agora fica pronto em 15–20 minutos e, somado à revisão do analista, o documento sai em meio dia em vez de um dia e meio. Esses números são estimativas internas da equipe, não medições independentes. Mas a experiência dela mostra como configurar o agente para que ele ajude em vez de inventar.
Como funciona o pipeline
O esquema é o seguinte: a reunião ou o БФТ viram um resumo em Markdown, o agente monta o rascunho, o analista ajusta, e o documento segue para o Confluence ou para o desenvolvimento. Há vários agentes. Parte deles roda em servidores internos com modelos locais, e a eles é possível entregar o código-fonte sem pedir aprovações. Os demais se conectam por acesso corporativo à nuvem e recebem apenas os documentos permitidos pela política da empresa.
Os agentes funcionam no chat integrado do VS Code (GitHub Copilot Chat). Os modelos locais se conectam via BYOK (“bring your own key”, ou “traga sua própria chave”): você informa o provedor (Ollama, Azure ou qualquer endpoint compatível com OpenAI) e a chave, e o modelo aparece na lista ao lado dos modelos de nuvem. A equipe escolheu o VS Code porque os repositórios já estão abertos nele, dá para manter ao lado uma pasta separada como “sandbox”, e os arquivos entram no chat por referências como #file:requirements.md, sem copiar o texto para o prompt. A mesma abordagem funciona no Cursor, no IntelliJ IDEA e no opencode.
Há também a questão econômica. Analisar um БФТ grande junto com o código de três serviços consome muitos tokens, por isso um modelo local em hardware próprio costuma sair mais barato que um modelo de nuvem.
Skills em vez de prompts longos
O agente é configurado por meio de skills. Trata-se de um arquivo Markdown comum com instruções; no VS Code, ele fica em .github/skills/<nome>/SKILL.md, e o agente o carrega sozinho quando a descrição bate com a tarefa. O skill tem três partes: a estrutura do resultado, com restrições rígidas (“não presuma nada”, “cite a fonte”, “destaque divergências”); um resumo do contexto do projeto (domínio, stack, papéis, normas); e links para materiais de referência, como glossário e descrição da arquitetura. Por isso, o pedido em si ocupa duas linhas: os arquivos e a tarefa.
O agente tem o mínimo de ferramentas: leitura de arquivos, busca por palavras-chave e gravação apenas na pasta output/. Os autores alertam: com permissão de escrita, o agente pode sobrescrever o arquivo errado, então os limites são obrigatórios.
Os skills ficam em um repositório git compartilhado, um para cada tipo de trabalho: ЧТЗ, artigo no Confluence, análise de código, casos de teste, resumo de reunião, nota explicativa do projeto técnico, pontos de função para o cálculo do НМЦК (preço máximo inicial do contrato) e requisitos para desenvolvimento. Quem entra na equipe clona o repositório e já recebe um conjunto pronto. Se o agente começa a “fazer bobagem”, compara-se o skill em uso com o de referência. A equipe escolheu skills no lugar de Cursor Rules e prompts de sistema porque se trata de um arquivo portátil, que pode passar por revisão e versionamento.
O contexto é estritamente limitado: 2–4 arquivos Markdown com documentos e 1–3 serviços de código, com indicação de um método específico, por exemplo “veja o cálculo da comissão em CommissionService.java”. Quando tentaram alimentar o agente com tudo de uma vez, ele se perdia e começava a inventar. Daí a regra: no máximo 3–4 arquivos por vez, e somente com os termos-chave da tarefa.
O que deu certo e onde o agente inventa
Três casos da prática. A análise do cálculo de comissão, espalhado por três microsserviços sem documentação adequada, levou cerca de 40 minutos (20 de trabalho do agente e 15 de verificação, o restante na formulação da tarefa), em vez de duas a três horas, e sem desviar um desenvolvedor do trabalho. O rascunho da ЧТЗ sai em 15–20 minutos, mais uma ou duas horas de revisão.
O artigo no Confluence segue a mesma lógica: rascunho em 10 minutos em vez de meio dia. Nesse caso, há servidores MCP conectados, e o agente mesmo cria a página e puxa os anexos. Em uma pequena melhoria bastam alguns ajustes, mas em uma feature grande, com uma dezena de cenários, metade do texto acaba sendo reescrita.
Os erros são típicos. Quando falta contexto, o agente preenche as lacunas: da frase “discutimos a melhoria do modelo de status” ele pode deduzir status que não existem no sistema. Ele raramente admite que não sabe e apresenta com segurança informações plausíveis, porém incorretas. Em projetos em russo, “заявка”, “обращение” e “запрос” se confundem, por isso o glossário no skill é obrigatório. Se o БФТ e a ata de reunião se contradizem, o agente pode escolher a versão mais conveniente e não sinalizar a divergência, então o bloco “Divergências” é conferido manualmente com as fontes.
A verificação tem várias etapas: o analista confere o rascunho com as fontes, a lógica e o formato; o documento destinado ao cliente é validado com ele; e os requisitos para desenvolvimento passam pela equipe de desenvolvimento. Erros sistemáticos são mais fáceis de corrigir com uma frase (“na seção 3 você confundiu ‘Rejeitado’ e ‘Revogado’, corrija em todo o documento”); os pequenos são corrigidos à mão.
O que levar para a sua equipe
Comece com um БФТ e uma ata em uma pasta vazia, não com uma feature grande. Crie um skill separado para cada tipo de documento. Limite o agente a uma única pasta de gravação. Vale escrever um skill quando a tarefa se repete, como o resumo semanal de reuniões: numa tarefa avulsa, é mais rápido fazer por conta própria. Trate o agente como um estagiário competente: ele reúne o material e destaca os pontos obscuros, mas quem responde pelo documento final é o analista.
- 20 de nov. de 2026Criadora do Claude, a Anthropic levanta US$ 81,3 bilhões em IPO com avaliação de US$ 1,5 trilhão
- 20 de nov. de 2026Anthropic levanta US$ 81,3 bilhões no IPO e supera o recorde de US$ 75 bilhões da SpaceX
- 20 de nov. de 2026Anthropic estreia na bolsa e capta US$ 81,3 bilhões; ações sobem 17% no primeiro dia
- 20 de nov. de 2026Hugging Face e llama.cpp lançam Llama for Windows de 1 MB: IA sem terminal
Perguntas frequentes sobre a notícia
Como funciona o pipeline?
O esquema é o seguinte: a reunião ou o БФТ viram um resumo em Markdown, o agente monta o rascunho, o analista ajusta, e o documento segue para o Confluence ou para o desenvolvimento. Há vários agentes. Parte deles roda em servidores internos com modelos locais, e a eles é possível entregar o código-fonte sem pedir aprovações. Os demais se conectam por acesso corporativo à nuvem e recebem apenas os documentos permitidos pela política da empresa.
O que se sabe sobre Skills em vez de prompts longos?
O agente é configurado por meio de skills. Trata-se de um arquivo Markdown comum com instruções; no VS Code, ele fica em .github/skills/<nome>/SKILL.md, e o agente o carrega sozinho quando a descrição bate com a tarefa. O skill tem três partes: a estrutura do resultado, com restrições rígidas (“não presuma nada”, “cite a fonte”, “destaque divergências”); um resumo do contexto do projeto (domínio, stack, papéis, normas); e links para materiais de referência, como glossário e descrição da arquitetura.
O que deu certo e onde o agente inventa?
Três casos da prática. A análise do cálculo de comissão, espalhado por três microsserviços sem documentação adequada, levou cerca de 40 minutos (20 de trabalho do agente e 15 de verificação, o restante na formulação da tarefa), em vez de duas a três horas, e sem desviar um desenvolvedor do trabalho. O rascunho da ЧТЗ sai em 15–20 minutos, mais uma ou duas horas de revisão. O artigo no Confluence segue a mesma lógica: rascunho em 10 minutos em vez de meio dia.
Build & Ship Production AI Agents Without Boilerplate Code
Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.