BHV adaptou um livro sobre Python e ChatGPT: da arquitetura ao CI/CD e à integração com hardware

A editora BHV lançou uma adaptação russa do livro Modern Python Programming using ChatGPT — um guia prático para desenvolvimento Python com assistente de IA. O foco não é no ChatGPT em si, mas na abordagem: como usar IA em todo o ciclo de desenvolvimento do produto sem perder o controle sobre arquitetura, qualidade do código e restrições de engenharia.

Não é Sobre Prompts

O livro cresceu a partir do original, que, segundo o editor, trazia em alguns lugares sinais de trabalho ativo de LLM: repetições, preenchimento desnecessário e um estilo que era muito polido mas difícil de ler.

Portanto, a edição russa não se limitou a uma tradução literal. O texto foi reedidado, artefatos típicos de gerações anteriores foram removidos e a terminologia foi unificada para que o material fosse percebido como um manual técnico normal, em vez de um longo registro de conversa com um bot.

"Não apenas traduzimos.

Nós reestruturamos a estrutura das frases e removemos preenchimento desnecessário."

A ideia principal do livro também é mais ampla do que a palavra ChatGPT na capa promete. O autor não mostra uma coleção de prompts inteligentes, mas uma metodologia funcional: como integrar IA em diferentes estágios do SDLC sem transformar o desenvolvimento em cópia cega das respostas do modelo.

No livro, o assistente de IA ajuda a formular OKRs e objetivos SMART, coletar requisitos, projetar arquitetura de acordo com os princípios SOLID, escrever e refatorar código, preparar testes, acompanhar pull requests e até atingir o monitoramento no Grafana Cloud.

• Coleta de requisitos, OKRs e cenários de usuário
• Design de arquitetura e princípios SOLID
• Geração de código, refatoração e depuração de código Python
• Testes, CI/CD, processos de PR e monitoramento

Caso de Engenharia Integrado

Em vez de exercícios abstratos, o autor constrói o livro em torno de um único projeto — o USB T-Shirt Launcher. É uma torre com câmera em Raspberry Pi que reconhece rostos, mantém-os centralizados no quadro e pode apontar o lançador para o ponto certo.

Parece um projeto DIY de piada, mas para o livro é uma escolha inteligente: em um caso, visão computacional, controle USB, restrições de recursos, simulação de hardware e erros reais que não podem ser vistos em exemplos simplificados se unem.

É particularmente útil que o caso seja analisado não apenas no nível de "aqui está o código, insira e execute". Primeiro, os requisitos são formulados: reconhecimento de rosto, rastreamento de alvo, segurança do disparo, resiliência a falhas, testabilidade e operação sem um dispositivo real.

Então solicita-se ao ChatGPT para projetar a arquitetura considerando padrões e hardware fraco. Em resposta, o modelo propõe um esquema com abstração Launcher, implementações para um dispositivo USB e simulador, uma fábrica para seleção de modo e um controlador que funciona através de injeção de dependência.

Isso torna o código mais flexível e permite depuração normal sem uma torre física na mesa.

Onde IA é Útil

A parte mais forte do material não é onde o modelo escreve para o desenvolvedor, mas onde ajuda a decompor a tarefa em restrições de engenharia. A torre não tem codificadores, então o programa não conhece sua posição inicial. A câmera e o Raspberry Pi estão montados imperfeitamente, causando tremor de imagem. O OpenCV deve ser executado no Raspberry Pi 3, o que significa que algoritmos pesados de predição de movimento rapidamente atingirão os limites de desempenho. Além disso, o próprio alvo se move e os motores têm fins de curso físicos.

Neste contexto, um bom prompt se mostra mais importante que magia. Após uma descrição detalhada das restrições, ChatGPT propõe um algoritmo de rastreamento simples: pegar o quadro do rosto do OpenCV, calcular seu centro, compará-lo com o centro do quadro e ajustar rotação e inclinação em pequenos passos.

Além disso, o modelo adiciona detalhes de engenharia úteis — uma thread separada para controle, intervalos entre comandos e uma estrutura que não faz os servomotores se moverem com muita frequência.

De acordo com a estimativa do editor, tal estrutura economiza dias, às vezes até semanas de trabalho, embora a versão final ainda precise ser concluída: adicionando tratamento de múltiplos rostos, controle mais suave e mecanismos de segurança.

O Que Isso Significa

A história deste livro demonstra bem como a atitude em relação às ferramentas de IA no desenvolvimento está mudando. O mercado está se afastando gradualmente do entusiasmo no estilo de "o modelo agora escreverá tudo" para um cenário mais maduro onde a IA acelera esboços arquitetônicos, prototipagem e trabalho rotineiro, mas não substitui o pensamento crítico do engenheiro.

Para desenvolvedores Python, o valor aqui não está na marca ChatGPT, mas em um processo reproduzível que pode ser transferido para outros assistentes de IA disponíveis na Rússia.