GitHub Copilot: como fazer a IA respeitar as regras do seu código

Imagine que você contratou um estagiário muito talentoso, mas completamente sem memória. Ele escreve código excelente e conhece todas as bibliotecas modernas, mas toda manhã você precisa explicar de novo que neste projeto não usamos Redux e que a documentação fica numa pasta específica. Era assim trabalhar com o GitHub Copilot até pouco tempo atrás. Você gastava minutos preciosos "alimentando" o chat com os arquivos certos ou lembrando pela centésima vez os padrões de arquitetura adotados pela equipe. O agente padrão @workspace é bom como ferramenta universal, mas sua "mediania" muitas vezes atrapalhava desenvolvedores experientes. Quando a IA sugere uma solução tecnicamente correta, mas estranha ao estilo do seu projeto, isso não é ajuda, é trabalho extra de refatoração.

A situação mudou com a chegada do VS Code 1.106. O pessoal do GitHub e da Microsoft finalmente ouviu o lamento de quem cansou de copiar instruções sem parar para a janela do chat.

Surgiram os Custom Agents, um mecanismo que transforma o Copilot de um companheiro de viagem aleatório em um funcionário efetivo, que conhece todos os seus regulamentos internos. Em vez de apontar para a IA as particularidades da sua stack a cada vez, agora você pode criar um papel especializado. Pode ser um especialista em segurança que confere o código com checklists internos, ou um arquiteto de front-end que domina todas as nuances da sua biblioteca de componentes personalizada.

O ponto é que o contexto não precisa mais ser imposto manualmente: ele passa a fazer parte da personalidade do agente.

A configuração desses assistentes é bem pragmática. A Microsoft oferece dois caminhos: a interface visual do VS Code, para quem gosta de ver o que está fazendo, e arquivos de configuração, para os fãs de automação. No arquivo github-copilot.json agora dá para definir não só um conjunto de instruções, mas todo um ecossistema de conhecimento. Você diz ao agente em quais arquivos se basear primeiro, quais documentações externas considerar e quais regras seguir ao gerar respostas. É uma mudança fundamental na experiência do usuário. Se antes você se adaptava à lógica da rede neural, agora ela se adapta ao seu fluxo de trabalho. Você literalmente cria um molde da sua experiência e o entrega ao algoritmo.

Por que isso importa agora? A indústria vai deixando para trás a euforia com "simples chats inteligentes" e avança para uma integração profunda da IA nas cadeias de produção. Não queremos mais apenas "gerar uma função"; queremos que ela se encaixe perfeitamente num projeto existente, com todas as gambiarras, o código legado e as sacadas geniais de arquitetura do ano passado. Os Custom Agents atacam o problema da carga cognitiva do desenvolvedor. Você não precisa mais guardar de cabeça o que exatamente o Copilot sabe do seu projeto naquele momento. Basta chamar o agente certo e obter um resultado que atende às suas expectativas em 90% dos casos, em vez dos habituais 60%.

Claro, este é só o começo do caminho rumo a agentes totalmente autônomos, mas o passo é bem significativo. No futuro, provavelmente veremos marketplaces desses papéis personalizados ou a possibilidade de compartilhá-los dentro da equipe pelo repositório. Por ora, é um ótimo motivo para repensar sua abordagem de programação em par com IA. Se você ainda usa o chat padrão em tarefas complexas de projeto, está pagando a mais com o seu tempo só por não querer configurar a ferramenta uma vez. Configurar seu próprio agente leva dez minutos e poupa as horas que antes se perdiam corrigindo "alucinações" ou conselhos medianos de um algoritmo universal.

O principal: a Microsoft aposta em personalização e especialização. Os agentes personalizados conseguirão nos livrar totalmente do gerenciamento manual de contexto, ou só ganharemos mais uma camada de configurações para vigiar?