VibeCBS coleta apelidos de projetos antecipadamente: agente encontra 2,8 vezes mais documentos
Um mesmo projeto pode ter três nomes ao mesmo tempo: no tracker, "Menu da semana"; na wiki, "Assinatura semanal de comida"; no chat, "Ujantador". Um agente que conhece apenas um desses nomes responde "lançamos na sexta" e não vê o chat em que o lançamento já foi adiado. O VibeCBS coleta esses apelidos antecipadamente: em 300 épicos (grandes projetos), a busca retornou 13 178 documentos em vez de 4 741, um aumento de 2,8 vezes. Vale procurar os apelidos antes da primeira pergunta.
Processado por IA de Habr AI; editado por Hamidun News
Um mesmo projeto costuma viver sob vários nomes dentro da empresa, e o agente de busca normalmente conhece apenas um deles. Imagine o projeto fictício "Menu da semana": a partir de sexta-feira, a empresa quer vender jantares para sete dias de uma só vez. Você abre o épico (é assim que se chama uma tarefa grande, formada por tarefas menores) no tracker.
Todas as tarefas estão fechadas, e no último comentário está escrito "discutimos no chat". Em qual chat exatamente, não fica claro. O desenvolvedor se surpreende: "Mas isso está no Ujantador".
E a página com os requisitos no Confluence se chama "Assinatura semanal de comida". Três nomes para um só projeto são aliases. Dentro da equipe, todos os conhecem; o agente, não.
O desenvolvedor da plataforma VibeCBS mostrou, com dados de produção, o quanto isso restringe a busca: em 300 épicos grandes, o número de documentos encontrados subiu de 4 741 para 13 178, ou seja, 2,8 vezes, quando os aliases passaram a fazer parte da consulta.
Por que o agente responde com segurança e erra
Se o agente tem apenas o nome do tracker, ele encontra as tarefas fechadas e o plano com a data de sexta-feira. Ele terá links reais e responderá: "Sim, lançamos na sexta". A resposta parece confiável, porque está respaldada por fontes. Mas a decisão do product owner de adiar o lançamento está na thread do Telegram, onde o projeto é chamado de "Ujantador".
O autor do VibeCBS, plataforma para trabalhar com dados corporativos, mostra como uma pessoa chega a essa palavra. Primeiro, pega o número do épico MENU-42 e o procura nos textos do Confluence. Encontra os requisitos com outro título. Pelo endereço da página, localiza no chat a resposta do desenvolvedor, e na pergunta dirigida a ele vê a palavra "ujantador". Com essa palavra, encontra no Slack o relatório do testador e, no Telegram, a pergunta "Deixamos o Ujantador na carta?" e a resposta do product owner: "Adiamos o lançamento para a semana que vem". O nome antigo deu o "enviamos" de ontem; o apelido deu o "não enviamos" de hoje.
Quando uma palavra vira nome do projeto
Nem toda palavra serve como alias. Se buscar apenas "assinatura", o sistema encontra no chat vizinho "ajustamos a assinatura", mas isso não tem relação com os pedidos da semana. Por isso, no VibeCBS, a busca de aliases é uma etapa separada, feita em duas partes.
Testar uma palavra na busca pode ser feito a partir de uma única réplica: o modelo propõe a próxima consulta e mostra de onde tirou a palavra. A consulta entra na fila do projeto, o código executa a busca, descarta pelos identificadores os registros já analisados e entrega ao modelo apenas os novos.
Já registrar a palavra no cartão do projeto é mais difícil. São necessárias confirmações independentes. O modelo avalia, em uma escala de 0 a 1, quão firmemente cada uma delas liga a palavra ao projeto, e o código verifica se há base suficiente.
Bastam três confirmações com nota acima de 0,8 ou duas, desde que ambas tenham nota de pelo menos 0,95. Os limiares são configuráveis. A independência é o ponto central: o mesmo relatório do testador pode ser encaminhado para dez chats, mas continua sendo um único relatório.
No caso do "ujantador", há duas confirmações: a resposta do desenvolvedor com o link para os requisitos e o relatório do testador sobre a tarefa do MENU-42. Se o modelo avaliar cada uma com pelo menos 0,95, o nome entra no cartão junto com os links das fontes.
Números de produção e a economia de tokens
Em 21 de novembro, o autor pegou na produção do VibeCBS 300 épicos grandes de 2026. Em 217 deles foram encontrados aliases. Para cada épico, ele contou quantos documentos distintos a busca retornou: um documento pode ser tanto uma tarefa quanto uma página de requisitos. Só pelos nomes dos épicos, o total foi de 4 741 documentos. Com os aliases confirmados dos cartões, foram 13 178. O resultado cresceu quase 3 vezes (mais precisamente, 2,8).
Uma ressalva sobre a metodologia: dentro de um épico, os documentos são contados sem repetição, mas, se uma página discute dois épicos, ela entra na soma duas vezes. Além disso, o aumento no número de documentos não equivale a mais respostas úteis. Trata-se de um indicador de cobertura, não de precisão.
A principal ideia de engenharia é não fazer o primeiro usuário esperar. Seria possível pedir que o primeiro agente investigasse e guardasse os nomes para os seguintes, mas aí a pessoa ficaria esperando enquanto o agente percorre tarefas e chats. Em vez disso, os aliases são buscados no bootstrap, isto é, na primeira análise de todo o corpus corporativo, e depois são atualizados conforme surgem novas mensagens e mudanças nas tarefas. Esse trabalho prévio é chamado de precomputação.
O consumo foi medido em um épico médio. O código fez 76 acessos às fontes para reunir o material do cartão e, em uma nova execução, percebeu que a coleta já estava concluída e não fez nenhum acesso novo. O processamento do material de um cartão consumiu 7 chamadas ao modelo e cerca de 250 mil tokens. Pagar esse custo toda vez que alguém abre um novo chat seria um desperdício. Além disso, o cartão compartilhado entrega o mesmo resultado a todos os agentes: tanto a quem pergunta sobre o lançamento quanto ao colega do marketing que precisa de um e-mail.
O que fazer na prática
Se você está construindo um RAG corporativo ou um agente assistente, verifique como ele encontra projetos que não aparecem pelo nome oficial. Colete os aliases antecipadamente, exija várias fontes independentes e guarde os links para elas junto ao nome. Não conte como confirmações diferentes um mesmo documento encaminhado.
Esse esquema também tem uma limitação. Mesmo com o cartão, é preciso verificar até que data a conversa está visível: o autor, antes de enviar o e-mail, ainda confere o que o product owner escreveu por último. Se a busca tiver dados apenas até quinta-feira, será necessário abrir o próprio chat ou dizer com franqueza ao colega até qual dia você tem informações.
- 12 de out. de 2026DuoDiscover, com agentes de código, acelera o vLLM em 1,92 vez e supera o ArchAgent v2
- 20 de out. de 2026RLSplat ensina o 3D Gaussian Splatting a economizar: até 4,1× mais rápido e com 9,6× menos memória
- 8 de nov. de 2026Hansard transfere o histórico de 25 projetos e 53 conversas do Claude Code para o Codex
- 27 de out. de 2026Immobiliare.it lança agente de IA por voz e triplica a qualificação de leads
Perguntas frequentes sobre a notícia
Por que o agente responde com segurança e erra?
Se o agente tem apenas o nome do tracker, ele encontra as tarefas fechadas e o plano com a data de sexta-feira. Ele terá links reais e responderá: "Sim, lançamos na sexta". A resposta parece confiável, porque está respaldada por fontes. Mas a decisão do product owner de adiar o lançamento está na thread do Telegram, onde o projeto é chamado de "Ujantador". O autor do VibeCBS, plataforma para trabalhar com dados corporativos, mostra como uma pessoa chega a essa palavra.
Quando uma palavra vira nome do projeto?
Nem toda palavra serve como alias. Se buscar apenas "assinatura", o sistema encontra no chat vizinho "ajustamos a assinatura", mas isso não tem relação com os pedidos da semana. Por isso, no VibeCBS, a busca de aliases é uma etapa separada, feita em duas partes. Testar uma palavra na busca pode ser feito a partir de uma única réplica: o modelo propõe a próxima consulta e mostra de onde tirou a palavra.
O que se sabe sobre Números de produção e a economia de tokens?
Em 21 de novembro, o autor pegou na produção do VibeCBS 300 épicos grandes de 2026. Em 217 deles foram encontrados aliases. Para cada épico, ele contou quantos documentos distintos a busca retornou: um documento pode ser tanto uma tarefa quanto uma página de requisitos. Só pelos nomes dos épicos, o total foi de 4 741 documentos. Com os aliases confirmados dos cartões, foram 13 178. O resultado cresceu quase 3 vezes (mais precisamente, 2,8).
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.
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.