Intensivo Grátis 21–22/11Intensivo gratuito de 2 dias em Vibecoding (21–22/11 às 16:00 MSK) · Turma 3 começa 23/11Inscrever-se grátis →Turma 3 (23/11)
LançamentoAnálise · No radarHabr AI→ original

Por que o agente de IA escreve "slop": ex-CTO do Sitidrayv explica como preparar o repositório

O agente escreve slop não porque o modelo seja ruim: ele é como um novato que esquece a revisão de ontem toda manhã, e os acordos da equipe não estão escritos no código. O ex-diretor técnico do Sitidrayv recomenda criar um AGENTS.md de algumas centenas de linhas e verificar as regras com linters, hooks e CI. O material inicial do arquivo é mais fácil de tirar dos comentários dos pull requests do último ano. Assim, o agente tropeça menos nos mesmos erros a cada nova sessão.

Processado por IA de Habr AI; editado por Hamidun News
Por que o agente de IA escreve "slop": ex-CTO do Sitidrayv explica como preparar o repositório
Fonte: Habr AI. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalHabr AI ↗
Editor-chefe
Dado-chave #1O agente esquece tudo entre sessões e só lembra dos arquivos do repositório
Dado-chave #2O CI deve levar de 20 a 30 minutos; acima disso, a velocidade dos agentes se perde
Dado-chave #3Um agente escreve o código, outro o revisa em uma sessão nova

Os céticos do desenvolvimento com IA costumam contar sempre a mesma história. Testaram a ferramenta, o código compilou e até passou nos testes, mas não foi escrito do jeito que a equipe adota, copia os piores trechos do projeto e quebra na primeira alteração. Isso é o AI slop, a "gororoba" gerada por IA. O autor da análise, que há quase um ano deixou o cargo de diretor técnico do Sitidrayv, empresa de carsharing, para se dedicar ao desenvolvimento com agentes, acredita que na maioria das vezes a culpa não é do modelo, e sim de um repositório que não foi preparado para o agente.

O agente é como um novato que chega pela primeira vez todo dia de manhã

O autor começa com uma história de 2019. Ele liderava o desenvolvimento do "Táxi VKontakte" em VK Mini Apps, e a equipe de duas pessoas contratou um terceiro desenvolvedor, forte, mas com hábitos diferentes. Como não havia regras escritas, um único pull request de mil e quinhentas linhas recebeu o recorde de cem comentários. Dez pull requests depois, os comentários dava para contar nos dedos. Mas parte do conhecimento o novato não tinha de onde tirar. Algumas coisas existiam só na cabeça das pessoas, e certas abordagens a equipe havia abandonado depois de se queimar, sem deixar rastro no repositório.

Agora imagine que esse desenvolvedor zera a memória toda manhã. O agente se comporta exatamente assim. O modelo não tem memória: a cada requisição, o histórico inteiro da conversa é reenviado, e, quando o contexto enche, a conversa é comprimida e as instruções do início da sessão se perdem. O agente não guarda o projeto inteiro na cabeça e enxerga apenas o que ele mesmo encontrou.

O autor cita três armadilhas típicas:

  • O projeto tem cem módulos: dez recentes, bem escritos, e noventa antigos, legados. O agente não sabe quais são o modelo a seguir e pode tomar como exemplo o primeiro e pior deles.
  • Os testes de integração de um projeto Java rodam com o comando mvn test -P integration. O agente executa o mvn test comum, recebe "No tests to run" e BUILD SUCCESS, e conclui que está tudo verde.
  • Na equipe, dados recém-gravados são lidos do master, porque a réplica pode estar atrasada. Um novato é corrigido uma vez, mas o agente repetirá o erro em cada sessão.

Hoje os erros dos agentes costumam ser mais semânticos do que sintáticos. O código compila e parece correto, mas se baseia em uma premissa errada: o agente entendeu mal a lógica de negócio, não fez perguntas ou ignorou um caso extremo. Isso é mais difícil de achar na revisão do que um build quebrado.

Registrar o conhecimento e deixar o agente ver o resultado

O primeiro passo é um arquivo AGENTS.md na raiz do repositório. Ele é lido pelo Claude Code, pelo Codex e por outros agentes. O autor o compara à folha A4 que se entrega ao novato no primeiro dia: deve ter algumas centenas de linhas, não cinquenta páginas de wiki. Dentro, vão cinco coisas: o que é este repositório, o que fica onde, os comandos de build e de testes, os acordos não escritos e o glossário de termos da equipe. Não é preciso recontar o código ali, senão surgem duas fontes da verdade, e a verdadeira é só o código que roda em produção.

Um jeito rápido de reunir as regras é pedir ao agente que exporte todos os comentários dos pull requests do último ano e deixar para uma pessoa manter na lista só o que continua valendo. Se o agente erra de novo numa tarefa de vários passos, como criar uma feature flag, é hora de criar uma skill: uma instrução que o agente carrega sob demanda. Não vale escrevê-la do zero: execute a tarefa junto com o agente e peça, na mesma sessão, que ele descreva os passos percorridos.

O agente também precisa de um ambiente onde veja o resultado do próprio trabalho. Se o projeto é pequeno, ele sobe localmente. Convém transformar a cadeia de comandos em um script: o texto de uma instrução o agente lê de um jeito diferente a cada vez, enquanto o script executa sempre igual. Projetos grandes precisam de um ambiente de preview para cada pull request, e Vercel, Netlify, GitLab Review Apps e Argo CD sabem subir esses ambientes. O agente pega o endereço, chama os endpoints, consulta os dados no banco ou percorre o navegador clicando pelos casos de teste.

Verificar por programa e limitar permissões

Qualquer regra no AGENTS.md continua sendo um pedido: o agente pode não cumpri-la ou perdê-la após a compressão do contexto. Por isso, tudo o que pode ser verificado por programa deve ser verificado por programa:

  • Primeiro o teste, depois o código. Caso contrário, o agente fica tentado a ajustar o próprio teste ao código.
  • Linters com mensagens claras. A regra sobre master e réplica pode virar uma verificação que proíbe ler da réplica logo após uma gravação, com o texto do erro explicando como corrigir.
  • Hooks. O Claude Code pode rodar o linter sozinho após cada edição.
  • CI sem o qual não é possível fazer merge. Configurações de CI e testes só mudam com aprovação dos responsáveis listados no CODEOWNERS, e todas as verificações devem levar de 20 a 30 minutos, senão consomem o ganho de velocidade.

A revisão também muda. Se antes um desenvolvedor fechava três ou quatro tarefas por semana, agora pode fechar três ou quatro por dia, e ler tudo linha por linha se torna fisicamente impossível. O autor propõe um esquema: um agente escreve o código e outro o revisa em uma sessão nova, porque o autor do código o verifica com o mesmo contexto. A pessoa olha as decisões difíceis de reverter: esquema do banco, permissões de acesso, segurança, arquitetura. Para que não seja preciso caçá-las em um diff de 20 mil linhas, o próprio agente coloca as decisões-chave na descrição do pull request.

Sobre segurança, o autor lembra que o agente age em seu nome e que o principal a temer é código malicioso, por exemplo vindo de uma biblioteca infectada. O mais seguro é a máquina do agente não ter acesso à produção. Em seguida vem uma sandbox ou um contêiner onde se pode permitir tudo. A opção mais fraca é a confirmação humana, que depende de hooks que verificam cada comando antes da execução.

Para começar, pergunte ao agente sobre a parte do projeto que você conhece melhor: onde está o código necessário. Veja quais comandos de busca ele executou e quantas voltas deu. Tudo o que ele demorou para achar ou achou errado vira as primeiras linhas do seu AGENTS.md. O autor publicou a versão completa da abordagem em um livro gratuito sobre Agentic SDLC no GitHub. É a experiência pessoal de um profissional, não um estudo com medições, e o texto não traz números de efeito. Mas os conselhos são verificáveis e não custam nada para testar.

História

Perguntas frequentes sobre a notícia

O que se sabe sobre O agente é como um novato que chega pela primeira vez todo dia de manhã?

O autor começa com uma história de 2019. Ele liderava o desenvolvimento do "Táxi VKontakte" em VK Mini Apps, e a equipe de duas pessoas contratou um terceiro desenvolvedor, forte, mas com hábitos diferentes. Como não havia regras escritas, um único pull request de mil e quinhentas linhas recebeu o recorde de cem comentários. Dez pull requests depois, os comentários dava para contar nos dedos. Mas parte do conhecimento o novato não tinha de onde tirar.

O que se sabe sobre Registrar o conhecimento e deixar o agente ver o resultado?

O primeiro passo é um arquivo AGENTS.md na raiz do repositório. Ele é lido pelo Claude Code, pelo Codex e por outros agentes. O autor o compara à folha A4 que se entrega ao novato no primeiro dia: deve ter algumas centenas de linhas, não cinquenta páginas de wiki. Dentro, vão cinco coisas: o que é este repositório, o que fica onde, os comandos de build e de testes, os acordos não escritos e o glossário de termos da equipe.

O que se sabe sobre Verificar por programa e limitar permissões?

Qualquer regra no AGENTS.md continua sendo um pedido: o agente pode não cumpri-la ou perdê-la após a compressão do contexto. Por isso, tudo o que pode ser verificado por programa deve ser verificado por programa: Primeiro o teste, depois o código. Caso contrário, o agente fica tentado a ajustar o próprio teste ao código. Linters com mensagens claras. A regra sobre master e réplica pode virar uma verificação que proíbe ler da réplica logo após uma gravação, com o texto do erro explicando como corrigir. Hooks.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
O que você acha?
Carregando comentários…