Just AI automatiza o JAICP DSL: agente de IA escreve padrões e testes em um minuto, em vez de seis horas

A Just AI automatizou o trabalho com o JAICP DSL por meio de um agente de IA que escreve padrões e testes automáticos no lugar de uma pessoa. Segundo a equipe, uma tarefa que antes consumia cerca de seis horas de rotina manual agora leva aproximadamente um minuto. O desenvolvedor só precisa revisar o resultado e, se necessário, corrigi-lo.

Por que isso era necessário

A equipe do JAICP trabalha com uma DSL específica para descrever os padrões pelos quais o bot entende as frases dos usuários. No papel, a tarefa parece simples: pegar "sim", "oi" ou "não funciona" e descrever essas frases como um modelo. Na prática, tudo se complica rápido: os usuários escrevem com gírias, cometem erros, usam formas coloquiais e fazem isso em vários idiomas. Em um dos projetos, a Just AI precisou cobrir russo, inglês, alemão e turco, e a tradução literal muitas vezes não funciona nesse caso.

A variabilidade se mostrou especialmente dolorosa. O cliente entrega uma lista básica de frases, mas, para cobrir bem os cenários, o desenvolvedor precisa inventar por conta própria análogos, formas morfológicas e formulações fora do padrão. Os testes automáticos também não resolvem o problema por completo: mesmo que um script consiga gerar o modelo, alguém ainda precisa preparar os exemplos de entrada, conferir a sintaxe e garantir que a DSL foi usada corretamente.

Por isso, a equipe decidiu não se limitar a uma consulta comum a um LLM e montar um agente dedicado, que conhece o contexto da plataforma e assume a rotina.

Como o agente funciona

A solução se baseia no Claude Sonnet 4.5, escolhido pela geração estável de código DSL e pelo bom seguimento de instruções. O agente recebeu três ferramentas: busca de trechos relevantes da documentação no Jay Knowledge Hub, geração de respostas com base na mesma base de conhecimento e uma autoverificação separada via Llm.sendRequest com o GPT-4o-mini. Essa pilha permite ir além de "completar" frases: o agente se apoia em exemplos reais do JAICP e já pega parte dos erros antes de entregar o resultado ao usuário.

• Puxa exemplos e regras da base de conhecimento do JAICP
• Gera padrões e explica sua estrutura
• Mostra quais frases o modelo cobre
• Escreve testes automáticos a partir dos mesmos exemplos
• Separa as respostas por idioma e não as mistura no mesmo bloco

O papel principal coube ao prompt, não ao conjunto de ferramentas. A equipe o dividiu em lógica geral, um bloco para padrões, um bloco para testes automáticos e uma autoverificação final. As instruções descrevem separadamente a análise semântica, morfológica e sintática, as regras para blocos opcionais e agrupamento de sinônimos, e depois obrigam o modelo a construir padrões otimizados, e não listas literais. Quando os modelos ainda assim começavam a "tomar liberdades", o prompt foi comprimido e estruturado com a ajuda do DeepSeek, e para o suporte multilíngue foi adicionada uma regra simples: primeiro identificar o idioma, depois aplicar a morfologia dele.

Resultado e números

O agente pronto foi conectado ao Telegram para testar cenários mais rápido. Com isso, o bot aprendeu a montar um padrão DSL a partir de uma única frase do usuário, mostrar as variantes de falas cobertas e gerar os testes automáticos na hora. Como bônus, o sistema passou a escrever até cenários em DSL, embora não tenha sido treinado especificamente para isso: o modelo buscou o conhecimento necessário na documentação da base de conhecimento. O formato se mostrou útil não só para desenvolvedores experientes, mas também para a integração de novatos, que precisam ver não apenas o modelo final, mas a lógica de sua construção.

"Além disso, o agente resolve em 1 minuto, uma aceleração de 360 vezes."

A equipe calculou os números em um exemplo concreto: são 20 frases de um cliente que precisam virar padrões em quatro idiomas, com variabilidade adicionada e cobertura de testes. Manualmente, o russo leva cerca de uma hora, os demais idiomas pelo menos mais três horas, além de uma hora para os testes automáticos e aproximadamente outra hora para inventar formulações adicionais. No total, são no mínimo seis horas de trabalho monótono, sem contar as correções. O agente faz o mesmo rascunho em cerca de um minuto, mas a revisão final continua com um humano, e é isso que torna o caso realista, e não publicitário.

O que isso significa

O caso da Just AI mostra que agentes de IA altamente especializados já são úteis não só para chats e buscas, mas também para o desenvolvimento interno com DSLs de nicho. Se a equipe tem documentação, regras claras e trabalho manual repetitivo, um agente pode eliminar horas de rotina mesmo sem uma arquitetura complexa nem grande retreinamento.