Glossário

Todos os termos que o programa usa, em linguagem simples.

É a primeira vez? Lê a primeira lição. Não precisas de conta.

Conceitos de IA

Agent: Um sistema de IA que dá vários passos por iniciativa própria em direção a um objetivo, escolhendo tools e adaptando-se pelo caminho.
Agent sem supervisão: Um agent que faz uma tarefa do princípio ao fim sem ninguém a vigiar nem a responder a perguntas pelo caminho. As pessoas só veem o resultado, por isso são as verificações e o ambiente que têm de fazer a supervisão.
AGI: Inteligência artificial geral: uma IA hipotética tão capaz como uma pessoa na maioria das tarefas. Muito discutida, ainda não chegou.
Closed model: Um modelo proprietário a que só chegas pela API ou pela aplicação de quem o fornece.
Coding agent: Um assistente de IA com mãos. Lê ficheiros, edita-os e corre comandos, verificando os resultados à medida que avança.
Compaction: Resumir as partes mais antigas de uma conversa para libertar espaço no context window.
Completion / response: O que o modelo devolve depois do teu prompt.
Context: Tudo o que o modelo consegue ver neste momento: o teu prompt, a conversa, os anexos e as notas que lhe forem injetadas.
Context rot: Uma falha do ciclo em que o histórico cresce até o sinal se perder no ruído. Resolve-se resumindo os turnos antigos e fixando o objetivo.
Context window: O máximo de tokens que um modelo consegue ter em mente de uma vez: o teu prompt mais tudo o que já leu.
Corpus de origem: Onde vive a verdade num sistema de RAG: as páginas, os documentos, os contratos ou os tickets antigos de onde se recupera.
Embedding: Uma representação numérica de texto que deixa um sistema pesquisar por significado em vez de por palavras exatas.
Embedding models: Modelos que transformam texto em números para os tools o poderem pesquisar por significado. Trabalham nos bastidores dos assistentes ligados aos teus documentos.
Fine-tuning: Training extra e especializado por cima de um modelo base — afinar o modelo com dados próprios para encaixar num caso de uso concreto.
Frontier model: O maior, o mais recente e o mais capaz dos modelos que um fornecedor oferece.
Generation: O último passo do RAG: meter os pedaços recuperados no prompt e deixar a IA responder a partir desse context.
Gradient descent: O processo de training em que o modelo vai ajustando devagar milhares de milhões de parâmetros internos até acertar bem na palavra seguinte.
Inference: Cada vez que usas o modelo de facto. Envias um prompt, ele corre pelos parâmetros já congelados e produz um resultado.
LLM: Modelo de linguagem de grande dimensão, a tecnologia por trás dos assistentes de chat como o ChatGPT, o Gemini e o Claude.
LLM aumentado: Uma chamada a um modelo com retrieval, tools e memory acrescentados. A Anthropic usa-o como peça de base de todos os padrões de fluxo de trabalho e dos agents.
Long context: Quanto é que um assistente aguenta numa só conversa. Um long context leva de uma vez o equivalente a uma pequena biblioteca.
MCP (Model Context Protocol): Uma forma normalizada de as aplicações de IA se ligarem a tools, dados e serviços externos. Pensa em USB para IA.
Memory: Uma funcionalidade que guarda factos escolhidos sobre ti e os volta a pôr no context no início das conversas seguintes.
Modelo de decisão: Um modelo que responde a uma pergunta escolhendo uma das opções que defines, com uma probabilidade para cada opção, em vez de escrever texto. O Jev e o Laya são exemplos.
Modelos de imagem: Modelos que geram imagens a partir de descrições em texto, como o DALL-E, o Midjourney ou o Stable Diffusion.
Modelos de voz: Modelos que convertem voz em texto e texto em voz, como o Whisper para transcrição e o ElevenLabs para síntese de voz.
Multimodal: Modelos que lidam com mais do que texto: imagens e, às vezes, áudio ou vídeo.
Open weights: Um modelo cujos parâmetros podes descarregar e correr por tua conta.
Pesquisa agêntica: Um agent que encontra aquilo de que precisa enquanto trabalha, com tools de pesquisa, caminhos de ficheiros e links, em vez de receber trechos carregados antes de começar. O que lê está atualizado, mas é mais lento do que o retrieval e pode perder-se sem orientação.
Previsão da palavra seguinte: Como um LLM funciona no essencial. Prevê a palavra seguinte mais provável, vezes sem conta, até formar uma resposta útil.
Probabilidade calibrada: Uma probabilidade que corresponde à frequência com que as respostas saem certas: de todas as respostas dadas com cerca de 0,8, cerca de 80% estão certas. Descreve grupos de respostas, nunca uma só, e só podes confiar nela depois de a verificares no teu próprio trabalho etiquetado.
RAG (Retrieval-Augmented Generation): O sistema pesquisa primeiro nos teus documentos ou na web, e só depois o modelo responde a partir do que encontrou.
Session: Uma conversa contínua. Um chat novo começa com o context vazio.
Subagent: Um agent à parte, com o seu próprio context window, que trata de uma tarefa secundária, como uma pesquisa ou uma revisão, e devolve só um resumo. Não vê a conversa principal, por isso o briefing dele tem de repetir qualquer regra que só deste nessa conversa.
System prompt: Instruções que definem o papel e as regras da IA no início de uma conversa.
Token: Os pequenos pedaços de texto que um assistente lê e escreve, cada um com cerca de três quartos de uma palavra. O comprimento e o custo contam-se em tokens.
Tool: Uma ligação que deixa a IA fazer algo mais do que escrever texto: pesquisar, calcular ou chegar a outro sistema.
Training: O processo caro e único em que um modelo aprende padrões a partir de enormes quantidades de texto. É quem fornece o modelo que o faz, não tu.
Training cutoff: A data a partir da qual o modelo não sabe nada pelo training, por isso perde tudo o que veio depois a não ser que lho contes.

Prompting e técnicas

Altitude das instruções: O nível de detalhe a que se escrevem as orientações. Demasiado baixa, é uma lista frágil de regras se-então; demasiado alta, é um desejo vago. A altitude certa diz qual é o objetivo, as decisões que pedem critério e os limites rígidos, com a razão por trás de cada um.
Avaliador-otimizador: Um padrão de fluxo de trabalho em que uma chamada ao modelo escreve e outra dá nota ao resultado com critérios claros, devolvendo feedback num ciclo até passar ou até se chegar a um limite.
Camada sempre ativa: O pequeno conjunto de coisas que é lido em cada turno: as restrições rígidas, as regras da casa e a tarefa em curso.
Carregamento a pedido: Carregar esquemas, especificações, manuais ou documentos só quando a tarefa precisa deles, indo buscá-los pelo nome.
Chain (prompt chaining): Uma sequência de prompts em que o resultado de cada um passa a ser a entrada do seguinte. Tu geres o chain; a IA corre cada etapa.
Chain of thought: Pedir ao modelo que raciocine passo a passo antes de responder, o que melhora a exatidão em problemas de vários passos.
Chunking: Partir um corpus em pedaços pequenos (256 a 512 tokens, com 10 a 20% de sobreposição) para poderem ser recuperados.
Decomposição do processo: Partir em passos um processo que atravessa várias equipas e decidir quais são de IA, quais são determinísticos e quais precisam de uma pessoa.
Determinismo vs. critério: Determinismo é um passo dar sempre o mesmo resultado. Critério é um passo poder variar de forma legítima. Marca cada etapa com o que ela é.
Diário de prompts: Uma coleção guardada dos prompts que funcionaram, que cresce com o tempo até se tornar uma biblioteca de templates para o teu trabalho.
Empilhar papéis: Fazer a IA analisar a mesma coisa por vários pontos de vista de especialista, um a um, e depois sintetizar uma única recomendação.
Encaminhamento: Um padrão de fluxo de trabalho em que um passo classifica uma entrada numa categoria e a envia para um passo feito para esse tipo, como os emails de faturação, técnicos ou de conta.
Engenharia de context: Escolher tudo o que chega ao context de um modelo enquanto ele trabalha, e não só o prompt: as instruções, os ficheiros, as descrições dos tools, os resultados dos tools e o histórico. O objetivo é o menor conjunto de informação útil que leve à ação certa.
Entrega (a costura): O momento em que o resultado de um passo passa a ser a entrada do seguinte. É aqui que a maioria dos chains se parte, por isso põe verificações na costura.
Few-shot: Dar ao modelo alguns exemplos do padrão de entrada e resultado que queres. Aumenta muito a fiabilidade.
Formato do resultado: Manter os resultados intermédios legíveis por programas: tabelas, JSON, campos consistentes. Prosa livre parte os chains.
Meta-prompting: Pedir à IA que critique e reescreva o teu prompt para que produza resultados mais fiáveis.
Método dos quatro elementos: A estrutura de prompt mais fiável: papel, context, tarefa e formato (também conhecida por CRAFT ou RCTF).
Orquestrador-trabalhadores: Um padrão de fluxo de trabalho em que uma chamada central ao modelo divide uma tarefa em subtarefas enquanto corre, entrega-as a chamadas trabalhadoras e junta os resultados. Usa-o quando não consegues enumerar as subtarefas à partida.
Paralelização: Um padrão de fluxo de trabalho que corre chamadas ao modelo ao mesmo tempo: partes independentes de uma tarefa lado a lado (seccionamento), ou a mesma tarefa várias vezes para comparar as respostas (votação).
Passo de IA: Um passo do processo que exige critério, porque varia com a entrada. É aqui que vale a pena gastar o teu orçamento de IA.
Passo determinístico: Um passo do processo resolvido por lógica fixa: uma fórmula, uma propriedade da base de dados ou um script.
Persona: Atribuir um papel ao modelo para lhe subir a fasquia de qualidade. Molda a forma como o modelo responde, mas não muda se a resposta está certa.
Persona prompts: Dar um papel a cada etapa: um assistente jurídico, um responsável de conformidade. A persona muda o vocabulário, a profundidade e o tom.
Planear e só depois executar: Pedir ao modelo que planeie e assinale as lacunas primeiro, e só depois produza o resultado, para não tapar as lacunas com suposições.
Pré-preencher a resposta: Começares tu a resposta da IA. Fixa o formato e o tom, e reduz o drift.
Progressive disclosure: Carregar pouco sempre e o resto só quando for relevante. Mantém a camada sempre ativa pequena.
Prompt: O que escreves a um assistente. Prompting é a arte de pedir bem.
Prompting em vários passos: Parte o trabalho em etapas em vez de um prompt gigante. Cada etapa produz um resultado limpo e com nome, que a seguinte usa.
Refinamento iterativo: Tratar a IA como uma conversa e ir melhorando o resultado ao longo de algumas voltas, em vez de esperar que o primeiro rascunho saia perfeito.
Regra de ouro: Dá à IA o máximo de context possível, sempre. Entradas melhores dão melhores resultados, de forma fiável.
Restrições negativas: Dizer à IA o que não deve fazer. Contraria as predefinições dela e muitas vezes é mais fácil do que descrever aquilo que queres.
Retrieval: Escolher os pedaços certos para um determinado pedido. Retrieval híbrido (semântica mais palavras-chave) com um reranker é o que se usa em produção.
Structured outputs: Pedir um esquema concreto, como JSON ou uma tabela, para o resultado ficar claro e fácil de reaproveitar por outros tools.
Tomada de notas estruturada: Pôr um agent a escrever notas num ficheiro fora do seu context window enquanto trabalha, como uma lista de tarefas ou um ficheiro de descobertas, e a voltar a lê-las mais tarde. As notas sobrevivem ao compaction porque nunca estiveram no context window.
Zero-shot: Pedir uma tarefa ao modelo sem lhe dar exemplos. Serve bem para tarefas simples e conhecidas.

Construir e lançar

A regra de construir: Quando te vires a fazer o mesmo trabalho duas vezes, constrói-o como agent, para que à terceira corra sozinho.
Agent loop: O ciclo de execução: ler o context, decidir, chamar um tool, ler o resultado, decidir outra vez, até a tarefa estar feita.
Agentic loop: Uma tarefa preparada para que um coding agent consiga chegar a um objetivo por tentativa e erro: um objetivo claro, uma verificação que diz se passou ou falhou, os comandos para experimentar alterações e um sítio seguro para correr com as aprovações desligadas. Todos os agents correm num ciclo; um ciclo agêntico é um ciclo que tu desenhas.
AGENTS.md: O ficheiro de instruções que virou norma entre tools. Põe aqui as tuas convenções, como fonte única de verdade.
Alteração em toda a frota: O mesmo tipo de alteração feito em muitos repositories, como uma atualização de dependência ou de configuração, normalmente com um pull request pequeno por repository. As verificações e os responsáveis de cada repository continuam a decidir se a alteração dele entra no merge.
Ambiente descartável: Um espaço de trabalho criado de novo para uma tarefa a partir de uma configuração padrão e deitado fora no fim, como uma worktree, um contentor ou um sandbox na cloud. Nada de que precises vive só lá dentro, por isso qualquer execução pode recomeçar.
Ambiente na cloud: A configuração preparada de onde partem as execuções de um agent na cloud: o código já obtido, as dependências instaladas, as regras de rede e os segredos. Cada execução trabalha na sua própria cópia, por isso todas começam da mesma maneira.
Anatomia de um briefing: As peças de que um bom briefing de agent precisa: papel, trigger, entradas, passos, formato do resultado e guardrails.
Atualização de dependência: Uma alteração que passa uma das dependências de um projeto para uma versão mais recente. Uma atualização que só muda um número de versão serve para um script simples; uma com breaking changes também precisa de alterações ao código e de uma verificação de que o projeto continua a compilar e a passar nos testes.
Avaliação de capacidade: Uma avaliação com tarefas em que um agent ainda tem dificuldades. Começa com uma taxa de passagem baixa e mostra se as alterações ao harness ajudam.
Avaliação de regressão: Uma avaliação com tarefas que um agent já resolve e que devem passar quase sempre. Uma descida quer dizer que alguma coisa se estragou, muitas vezes depois de uma alteração ao modelo, às instruções ou aos tools.
Avaliador: Aquilo que decide se um ensaio passou: código para o que se pode verificar com exatidão, um modelo com uma grelha de avaliação para o que pede critério, ou uma pessoa. Compara um avaliador que é um modelo com o juízo de pessoas antes de confiares nele.
Bloqueio de tarefa: Uma reserva sobre um item de trabalho, como um pequeno ficheiro de que um agent faz commit num repository partilhado antes de começar, para que os outros agents escolham outra coisa. Bloqueios que ficam presos demasiado tempo ou que nunca são libertados atrasam toda a gente.
Boilerplate: Código que tem de ser escrito mas não traz nenhuma ideia nova, como configuração, ligações entre peças ou o mesmo formato de teste outra vez. É fácil de descrever e fácil de verificar, e por isso é bom trabalho para entregar a um coding agent.
Branch: Uma linha de trabalho paralela dentro do mesmo repo. Experimentas numa branch sem incomodar a principal.
Breaking change: Uma alteração na versão nova de uma biblioteca ou de um serviço que faz o código escrito para a versão antiga falhar ou comportar-se de outra maneira. Alguns partem com estrondo, como uma função removida. Outros são silenciosos, como uma predefinição que muda, e só os testes que fixam o comportamento os apanham.
Cascata: Correr primeiro um modelo barato e rápido e mandar só os casos em que está inseguro para um modelo mais forte ou para uma pessoa. Reduz o custo, mas só acrescenta exatidão quando a segunda etapa comete erros diferentes.
Cenário reservado: Uma história de utilizador de ponta a ponta, guardada fora do código, que verifica o software pelo que um utilizador consegue observar. Os agents nunca a veem, por isso não a podem reescrever nem escrever código que só sirva para passar nela.
Changelog: Uma nota curta e corrida no fim de um briefing, a registar o que mudou em cada versão, para os outros verem como ele evoluiu.
Checkout: Mudar a tua pasta de trabalho para mostrar uma determinada branch ou commit. Mesmo repo, outra vista.
CLAUDE.md: O ficheiro de instruções do Claude Code, na raiz do projeto ou em ~/.claude para valer em tudo. Muitas vezes é só um ponteiro para o AGENTS.md.
Cobertura: Uma das forças em tensão no design de um harness: dar ao modelo o suficiente para agir bem. Se lhe deres pouco, adivinha ou inventa uma API.
Code owners (CODEOWNERS): Um ficheiro que indica quem é responsável por que caminhos de um repository. Com a regra correspondente ativada, uma alteração a um ficheiro com responsável não pode entrar no merge sem a aprovação de um deles.
Commit: Uma alteração guardada, com uma nota a dizer o quê e porquê. O histórico de um repo é uma cadeia de commits.
Compound engineering: Uma forma de trabalhar, descrita pela empresa Every, em que cada alteração deve tornar a seguinte mais fácil. Depois de planear, executar e rever vem um quarto passo: transformar o que aprendeste num documento, num exemplo, num teste ou numa verificação, e perguntar se agora o sistema apanharia o problema sozinho.
Concorrência otimista: Uma forma de muitos agents partilharem estado sem bloqueios: qualquer um o pode ler, mas uma escrita falha se o estado tiver mudado desde que foi lido, e quem escreve volta a ler e tenta outra vez.
Conflito de merge: O que acontece quando duas branches alteram as mesmas linhas do mesmo ficheiro. O git não as consegue juntar sozinho, por isso tem de ser uma pessoa ou um agent a escolher. Dividir o trabalho em paralelo por área torna os conflitos raros.
Conjunto de avaliação: Um conjunto de tarefas que podes voltar a correr, cada uma com um critério de passagem, para dares nota a um agent e ao seu harness antes e depois de uma alteração. Fá-lo crescer a partir de falhas reais, e inclui casos em que uma coisa não deve acontecer.
Conjunto de reexecução: Uma lista fixa de itens de trabalho antigos, cada um com o seu commit de partida e o resultado que conta como passagem. Antes de pores uma alteração em produção, corres o sistema atual e o sistema alterado sobre ela e comparas item a item.
Conjunto de referência: Itens reais do teu trabalho, cada um etiquetado com a resposta certa por quem domina a tarefa. É com ele que avalias um modelo de decisão antes de confiares nele.
Conjunto de regras: Um conjunto de regras com nome para as branches de um repository, como exigir um pull request, verificações a passar e uma aprovação antes de qualquer merge. As alterações dos agents ficam sujeitas a ele como as de qualquer outra pessoa.
Context budget: Tratar o context window como um orçamento que distribuis de propósito, gastando o máximo naquilo que muda a resposta.
Context escondido: Os system prompts, os ficheiros de referência, o histórico da conversa e os pedaços recuperados gastam todos tokens em cada execução.
Contrapressão: Verificações automáticas que rejeitam o mau resultado de um agent, como testes, verificadores de tipos e scanners de segurança, para que ele tenha de corrigir a alteração antes de poder avançar. Mantém-nas rápidas, porque o agent fica à espera delas.
Controlo computacional: Um guia ou um sensor corrido por software comum, como um teste, um linter ou um script. É rápido e barato, e dá sempre o mesmo resultado.
Controlo inferencial: Um guia ou um sensor que depende do juízo de um modelo, como instruções escritas ou uma revisão feita por IA. Consegue julgar o significado, mas é mais lento, custa mais e pode variar de uma execução para outra.
Costura: O ponto onde a informação passa de uma pessoa, equipa ou sistema para o seguinte. As costuras deixam fugir tempo e qualidade.
Critérios de aceitação: As condições que um trabalho tem de cumprir para contar como concluído, escritas antes de o trabalho começar. Para um agent, cada uma funciona melhor como uma verificação que ele consiga correr: um teste, um comando ou um resultado que qualquer pessoa consiga ver, com as verificações do comportamento novo confirmadas a falhar primeiro.
Custo: O preço de cada token em dinheiro, em latência e em atenção diluída.
Custo por resultado útil: O gasto total dividido pelos resultados que não precisaram de ser refeitos. É a métrica de gasto a interiorizar.
Deferred tools: Listar os tools por nome e deixar o modelo ir buscar a definição completa quando precisar, para manter o context leve.
Definição de concluído: Uma lista curta de afirmações sobre o trabalho terminado, escrita antes de o trabalho começar, que qualquer pessoa conseguiria verificar. Cada linha é verdadeira ou falsa em relação ao resultado, por isso «concluído» quer dizer verificado, e não só com ar de concluído.
Definição de pronto: A lista, combinada pela equipa, do que um item de trabalho tem de conter antes de alguém pegar nele. Numa fábrica, decide que itens podem entrar na fila dos agents; os outros voltam ao autor com a peça em falta identificada.
Desenvolvimento orientado por especificações: Pôr primeiro a intenção por escrito, numa especificação, e pôr um coding agent a construir a partir dela. Os níveis diferem no que acontece depois à especificação: usada para uma alteração (spec-first), mantida com a funcionalidade (spec-anchored) ou o único ficheiro que as pessoas editam (spec-as-source).
Diff: A lista, linha a linha, do que mudou nos teus ficheiros: as linhas removidas e as linhas acrescentadas. Ler o diff depois de cada passo é a forma de veres exatamente o que um agent fez.
Documento de decisão de arquitetura (ADR): Um ficheiro curto no repository que regista uma decisão importante: o contexto, a decisão, o estado e as consequências. Diz às pessoas e aos coding agents porque é que o código é como é, para que nenhum deles o aceite ou o mude às cegas.
DORA metrics: Cinco medidas de entrega de software da DORA, um programa de investigação da Google Cloud. O lead time das alterações, a frequência de deploy e o tempo de recuperação de deploys falhados mostram o ritmo de entrega; a taxa de falha das alterações e a taxa de retrabalho de deploys mostram a instabilidade.
Edge cases: Entradas válidas mas fora do comum. Um briefing tem de dizer o que fazer com campos em falta, contradições e dados sensíveis.
Engenharia agêntica: Desenvolver software com coding agents enquanto um engenheiro continua a responder pelo resultado: define o objetivo, verifica o código e as provas e decide o que vai para produção. Simon Willison usa o termo para o contrário do vibe coding, em que ninguém olha para o código.
Engenharia de harness: Desenhar e melhorar tudo o que está à volta do modelo de um agent: as instruções, os tools, as verificações e os limites. No sentido de Mitchell Hashimoto, o hábito de mudar o harness sempre que o agent comete um erro, para que não o volte a cometer.
Ensaio: Uma tentativa de fazer uma tarefa numa avaliação. Os agents variam de execução para execução, por isso cada tarefa tem vários ensaios, cada um a partir de um começo limpo.
Entradas de confiança: Entradas já validadas a montante, como uma linha de base de dados com esquema obrigatório. Podes agir sobre elas.
Etapa de validação: A primeira etapa do chain, que confirma se cada campo obrigatório está presente e válido. Se uma verificação falhar, para e chama uma pessoa.
Fábrica de software: Um sistema em que muitos AI agents vão buscar itens de trabalho a uma fila e os transformam em alterações verificadas, com pessoas nos pontos de controlo que escolheres. O agent é um passo; a fila, os ambientes isolados, as verificações e as aprovações é que tornam as suas alterações seguras para merge.
Faixas de limiar: Dois limiares que dividem as respostas de um modelo de decisão em três resultados: agir sozinho, confirmar com uma pessoa ou escalar para uma pessoa. Defines-os a partir dos teus próprios itens etiquetados e do que custa cada erro.
Falha de design: Uma falha que vem da arquitetura do fluxo de trabalho. A correção é voltar a dividir as etapas ou redesenhá-lo.
Fan-out: Dividir uma alteração repetitiva numa execução de agent por item, como um ficheiro, lançadas a partir de um script com o mesmo prompt. Cada execução começa com um context limpo. Experimenta primeiro alguns itens, corrige o prompt e depois corre o resto com uma verificação em cada um.
Ficheiro de instruções: Um ficheiro com as regras permanentes que um agent lê antes de começar a trabalhar. AGENTS.md é o nome mais comum.
Ficheiro de progresso: Um ficheiro que um agent lê no início de cada session e atualiza no fim: o objetivo, as regras e um registo do que foi feito e do que vem a seguir. Com uma lista de itens ao lado, um session novo consegue retomar um trabalho longo sem refazer nem saltar nada.
Ficheiros de referência: Documentos estáveis (regulamentos, guias de estilo, glossários) anexados a um assistente à medida, para ele raciocinar sempre com eles.
Fluxo de trabalho: Um sistema em que um modelo e alguns tools seguem passos que fixaste à partida. É mais simples, mais barato e mais fácil de testar do que um agent, por isso usa um sempre que conheces os passos.
Forking: Copiar o agent ou assistente que outra pessoa partilhou e adaptá-lo, herdando as lições que quem o escreveu já aprendeu.
Format drift: A IA devolve o resultado numa forma ligeiramente diferente da que foi pedida, e parte tudo o que a jusante contava com o formato exato.
Formulário de admissão: O formulário ou modelo que as pessoas preenchem para registar um item de trabalho, com um campo para cada linha da definição de pronto e os importantes obrigatórios. Torna os campos difíceis de saltar, não impossíveis, por isso a triagem volta a verificar cada item. No GitHub, é um issue form.
Frontmatter: Um pequeno bloco de YAML no topo de um ficheiro, com informação sobre o próprio ficheiro.
Git bisect: O comando do git que encontra o commit em que um bug apareceu pela primeira vez. Marcas um commit bom e um mau, dás-lhe um teste, e ele procura no histórico dividindo-o ao meio de cada vez. Os coding agents são bons a corrê-lo por ti.
Guia (controlo de feedforward): Um controlo do harness que orienta o agent antes de ele agir, como instruções, um guia de estilo ou um template. Torna mais provável uma boa primeira tentativa.
Harness: Tudo o que constróis à volta de um modelo: o context que lhe dás, os tools que ele pode chamar e o ciclo em que corre.
Headless run: Uma execução de um coding agent a partir de um script, sem ninguém ao teclado, como claude -p ou codex exec. Os tools permitidos, o sandbox e os limites de turnos e de gasto têm todos de ficar definidos antes de começar.
Idempotency: Um agent é idempotente se correr duas vezes sobre a mesma entrada for seguro. Produz o mesmo resultado ou não faz nada.
Infraestrutura (vs. tool): Uma construção de que muita gente depende. A essa escala precisa de um responsável com nome, comportamento documentado, HITL gates e um plano de manutenção.
Instruções por caminho: Ficheiros de instruções que só se aplicam quando um agent trabalha em ficheiros que lhes correspondem, como um ficheiro .instructions.md do GitHub Copilot com um padrão applyTo, ou uma regra do Cursor com globs.
Integração contínua (CI): A compilação e os testes automáticos que correm sobre cada alteração proposta antes do merge. Numa fábrica de software, é a primeira verificação em que a alteração de um agent tem de passar, e uma execução verde só é tão fiável quanto os testes que tem por trás.
Item de trabalho: Um trabalho numa fila partilhada, como um issue num tracker. Quando um agent pega nele, o item é o seu briefing completo: o resultado pretendido, as verificações que o provam, o que está fora do âmbito e a quem perguntar.
Jardinagem da documentação: Uma execução recorrente, muitas vezes feita por um agent, que compara a documentação de um repository com o código e abre um pull request para cada página que ficou desatualizada. Mantém verdadeira a documentação em que os agents se apoiam.
Limitação do modelo: Uma falha em que a IA não é suficientemente fiável naquela tarefa. A correção é uma verificação determinística ou um HITL gate mais apertado.
Limite de orçamento: Uma condição de paragem que põe um teto rígido no número de turnos, de tokens ou de chamadas a tools.
Limite de tentativas: Um limite para o número de vezes que um agent pode tentar outra vez depois de uma verificação falhar, como duas rondas de CI. Quando se chega a ele, a execução para e a branch vai para uma pessoa, com o resultado que falha.
Lockfile: Um ficheiro que regista a versão exata de cada pacote que um projeto instala, incluindo os pacotes que as suas dependências trazem. As alterações a ele num diff mostram tudo o que um pacote novo acrescenta.
Mapa das costuras: Um mapa das entregas de um processo: quem entrega, quem recebe, o que se perde, quanto tempo custa e onde a IA podia encaixar.
Merge: Juntar as alterações de uma branch de volta à linha principal quando já estão prontas.
Merge queue: Uma fila que testa cada pull request juntamente com a versão mais recente da branch principal e com os pull requests que estão à frente dele antes do merge, para que alterações que passam sozinhas não possam estragar a branch quando se juntam.
Modo sombra: Correr um modelo de decisão sobre trabalho real enquanto o processo atual continua a mandar. Registas as duas respostas e comparas mais tarde; ninguém age com base no que o modelo diz.
Níveis de maturidade: Etiquetas para os fluxos de trabalho partilhados: por tua conta e risco, destacado (revisto) e oficial (mantido, ao nível de produção).
O peso do resultado: Os tokens de saída custam tipicamente 3 a 5 vezes mais do que os de entrada, por isso uma predefinição verbosa multiplica o gasto num instante.
OpenTelemetry (OTel): Um padrão aberto para enviar métricas, logs e rastos de um programa para um coletor à tua escolha. Os tools de agents usam-no para reportar os tokens, o custo e as chamadas a tools de cada execução.
Output schema: Uma definição escrita e precisa dos campos e dos tipos de um resultado, fixada antes de escreveres o prompt.
pass@k (pelo menos uma vez): A proporção de tarefas que um agent passa pelo menos uma vez em k ensaios. Mostra se o agent consegue fazer uma tarefa, não se a faz sempre.
pass^k (todas as vezes): A proporção de tarefas que um agent passa em todos os k ensaios. Desce à medida que k cresce, e é o que mais conta quando as pessoas esperam sempre o mesmo resultado.
Plano de manutenção: Um documento curto com o nome do responsável, de quem o substitui, a cadência de revisão, os modos de falha conhecidos e a forma de testar alterações.
Poda do harness: Tirar peças de um harness uma de cada vez e voltar a correr as mesmas avaliações depois de cada uma, para ficar só com o que ainda melhora os resultados. Cada regra ou verificação é uma suposição sobre o modelo, e os modelos mudam.
Ponto de chamada: Um sítio no código onde uma dada função é chamada. Antes de uma atualização ou de uma mudança de nome, listar todos os pontos de chamada, incluindo testes e scripts, mostra o tamanho da alteração e o que tem de ser verificado.
Princípio de ouro: Uma regra opinativa e mecânica sobre o aspeto que o código deve ter sempre, escrita no repository, para que um agent agendado consiga encontrar os desvios e abrir pull requests pequenos para os corrigir.
Pronto para produção: Um fluxo de trabalho testado com entradas reais, com os modos de falha e os HITL gates escritos no briefing, documentado, com responsável e com registo para se detetar o drift.
Pull request: Um conjunto de commits proposto para revisão antes de entrar na linha principal.
Pull requests empilhados: Uma série de pull requests pequenos em que cada um assenta no anterior, para que um trabalho grande seja revisto uma alteração autocontida de cada vez. Cada um tem de deixar o sistema a funcionar quando tem merge.
Ralph loop: Uma forma de pôr um coding agent a correr sem supervisão: um script envia-lhe o mesmo prompt, o mesmo ficheiro do plano e as mesmas especificações vezes sem conta. Cada volta começa com um context limpo, faz um item, corre as verificações e faz commit.
Rasto: O registo de uma execução como uma árvore de passos cronometrados chamados spans: a execução na raiz e, por baixo, cada chamada ao modelo e cada chamada a um tool. Mostra para onde foram o tempo e os tokens, o que falhou e porque é que a execução parou.
Rebase: Reaplicar os commits de uma branch por cima da versão mais recente da branch principal. Fazer rebase mesmo antes das verificações finais quer dizer que as verificações testam o código que vai de facto entrar no merge.
Recall: Com que fiabilidade o modelo cumpre uma determinada regra. Regras enterradas no meio de um long context passam-lhe ao lado.
Red/green TDD: Desenvolvimento orientado por testes: escreves um teste, corre-lo e vês que falha (vermelho), depois mudas o código até ele passar (verde). Vê-lo falhar primeiro mostra que o teste verifica a alteração, e não uma coisa que já funcionava. Com um coding agent, pedir red/green TDD costuma bastar.
Regra das 50 entradas: Testa um agent com 50 entradas reais e diferentes antes de confiares nele para correr sem supervisão. Categoriza cada falha.
Repository (repo): Uma pasta de projeto com memória: os ficheiros, os testes e um registo de cada alteração, por isso nada se perde a sério.
Resultado verificado: Uma alteração que teve merge, foi para produção e não precisou de rollback, de hotfix nem de correção posterior. Contar estas, em vez de pull requests abertos ou linhas geradas, mostra o que o trabalho com coding agents entregou de facto.
Revisão com context limpo: Uma revisão feita por um modelo que recebe o trabalho terminado, a sua definição de concluído e as fontes, mas não a conversa nem o raciocínio que o produziram. Pode abrir ficheiros e correr as verificações.
Satisfação (cenários): A pontuação da StrongDM para os cenários reservados: de todas as execuções em todos os cenários, a proporção que provavelmente satisfaria o utilizador. Substitui um simples passa ou falha quando o software, por ter um modelo lá dentro, não se comporta sempre da mesma maneira.
Scope judge: Um modelo que lê só um item de trabalho e o diff que um agent produziu para ele, e veta as alterações que vão além do item. Corre depois das verificações de compilação e de testes. Acompanha a taxa de veto e verifica à mão uma amostra dos veredictos.
Sensor (controlo de feedback): Um controlo do harness que verifica o trabalho do agent depois de ele agir, como um teste, um verificador de links ou um modelo revisor, para que o agent se possa corrigir.
Shift left: Levar uma verificação para o momento mais cedo em que pode correr, como um lint a cada push em vez de na CI ou na revisão, para que uma falha apareça onde é mais barato corrigi-la.
Sistema de registo: O sítio onde um facto vive oficialmente, e para o qual todas as outras menções apontam. Numa base de código, a documentação com versões no repository pode ser o sistema de registo da arquitetura, das decisões e das regras de negócio.
Skill: Um conjunto de instruções e material de referência que ensina um assistente a fazer bem um trabalho, reutilizável em todos os chats seguintes.
SKILL.md: O único ficheiro obrigatório de uma skill: frontmatter YAML no topo, com nome e descrição, e o procedimento no corpo.
Stop hook: Um hook que corre sempre que o agent acaba de responder e o pode mandar de volta ao trabalho, por exemplo enquanto um teste continua a falhar. Precisa de uma salvaguarda, para que uma verificação que nunca consegue passar termine a execução em vez de ficar em ciclo.
Symlink: Um ficheiro-atalho que aponta para outro ficheiro, para que uma só cópia real apareça em vários sítios.
Tabela de fiabilidade: Uma tabela que agrupa as respostas de um modelo por probabilidade e mostra quantas vezes cada grupo acertou. Diz-te se 0,8 quer mesmo dizer cerca de 80% nos teus dados.
Templates com variáveis: Os briefings de produção são templates com variáveis com nome, o que os torna inspecionáveis, versionáveis e passíveis de fork.
Terminal (shell): A janela de texto onde escreves comandos em vez de clicar em botões. É aqui que vivem os coding agents.
Test suite: As verificações que um projeto faz a si próprio, corridas por um único comando que diz se passou ou falhou.
Teste de objetivo: Uma condição de paragem que o agent corre em vez de afirmar: a compilação passa, ou o endpoint devolve 200.
Teste de reprodução: Um teste escrito para falhar por causa de um bug reportado, antes de alguém o corrigir. Tem de falhar pela mesma razão por que os utilizadores veem o bug, não por causa de um erro de escrita ou de uma configuração em falta, para que, quando mais tarde passar, mostre que a correção funciona.
Testes manuais agênticos: Pôr um coding agent a usar a sua própria alteração como uma pessoa a usaria: chamar uma função a partir da linha de comandos, uma API com curl ou uma página num browser real, e guardar um registo de cada comando e do seu resultado. Consegue encontrar o que os testes que passam deixam escapar.
Triggers: Como é que um agent arranca: por agendamento, a pedido ou a partir de um evento, como uma linha nova numa base de dados.
Tripwire: Num SDK de agents, o sinal que um guardrail envia quando a sua verificação falha. A execução para, e o teu código decide o que acontece a seguir, como dizer ao utilizador que o pedido não pode ser processado.
Utilizável vs. rigoroso: Utilizável quer dizer que as etapas seguintes conseguem ler o resultado. Rigoroso quer dizer que o conteúdo está certo. Interessam os dois.
Verificação de estado obrigatória: Uma verificação, como a suite de testes, que tem de passar antes de um pull request poder entrar no merge de uma branch protegida. Transforma os testes de um conselho num gate.
Verificação de reversão: Tirar uma correção, correr o seu teste novo para o ver falhar outra vez pela mesma razão que antes da correção e depois repor a correção. Um teste que continua a passar sem a correção não verifica a correção e não vai apanhar o bug se ele voltar.
Verifier: Uma verificação que um agent pode correr mas não controla, como uma compilação ou uma execução de testes, e que responde em poucas linhas. Numa fábrica, os verifiers correm antes de um pull request abrir, e um que falhe impede-o de abrir.
Vibe coding: Construir uma coisa descrevendo por palavras simples o que queres e deixar a IA escrever o código, guiando-te pela intuição.
Worktree: Uma segunda cópia de trabalho do mesmo repo, na sua própria pasta e com a sua própria branch, para que dois trabalhos nunca se pisem.
YAML: Configurações escritas como linhas etiquetadas, do género name: pdf-export. Lê-se como um formulário e não como código.

Risco e segurança

A regra inegociável: Nunca coles dados bancários, credenciais, documentos de identificação nem nada que seja privado e não seja teu num tool de IA genérico.
Ações sempre com HITL: Coisas que precisam sempre da aprovação de uma pessoa: dinheiro, saúde, segurança, contratos, condições legais, submissões ao Estado e situação legal de alguém.
Adversarial testing: Dar de propósito a um agent entradas capciosas, contraditórias, incompletas ou maliciosas durante os testes, para descobrir onde é que ele se parte.
Adversarial verification: Separar quem faz de quem julga. Uma passagem cria, outra ataca com ordens para refutar, e só entra em produção o que sobreviver.
AI slop: Texto ou imagens de IA feitos em massa e sem esforço nenhum. É aquilo que um bom prompting evita.
Audit logs: Um registo de cada chamada a um tool MCP, com data e hora, quem chamou, com que scope e com que resultado. É o que consultas para saber o que a IA fez.
Blast radius: O alcance dos sistemas que um agent pode afetar se algo correr mal. Um agent ligado a mais coisas precisa de gates mais apertados.
Caracteres Unicode ocultos: Caracteres que não ocupam espaço visível, como os zero-width joiners e os marcadores de texto bidirecional. Podem esconder num ficheiro uma instrução que uma pessoa que o lê não vê, mas que um modelo lê.
Confidence calibration: Fazer a IA classificar a sua própria confiança (alta, média, baixa) com uma justificação, para saberes que resultados precisam de revisão.
Contenção: Limitar aquilo a que um agent consegue chegar, decida ele o que decidir: um sandbox, o acesso à rede desligado ou limitado a uma lista, e as credenciais fora do seu alcance. Aguenta quando ninguém está a vigiar, coisa que as aprovações não conseguem.
Controlo imposto: Um limite que o tool aplica, decida o modelo o que decidir, como uma regra de permissão, um hook, um sandbox ou uma app que não está ligada. Ao contrário de uma instrução, o modelo não o consegue saltar.
Deny rule: Uma regra de permissão que bloqueia um tool, um comando ou um caminho, decida o modelo o que decidir, como Read(./.env) no Claude Code. As deny rules são verificadas primeiro, por isso uma allow rule não lhes pode abrir uma exceção.
Drift: Quando os resultados do modelo se degradam devagar porque o padrão das entradas mudou. É silencioso, e só se vê ao olhar para muitos resultados.
Drift (loop): Uma falha do ciclo em que o agent se esquece do objetivo e passa a otimizar uma subtarefa. Repete o objetivo perto do fim do context.
Enviesamento da automatização: A tendência para confiar, ou confiar demasiado, no resultado de um sistema automatizado. O AI Act da UE dá-lhe nome, e uma taxa de alteração perto de zero é um dos sinais de alerta.
Enviesamento de autopreferência: A tendência de um agent para avaliar o próprio trabalho com demasiada benevolência quando lhe pedem que o verifique ou lhe dê nota. Combate-se com um revisor que não fez o trabalho.
Errado com toda a convicção: Uma resposta que soa a autoridade mas está errada de forma subtil, e com o mesmo tom das respostas certas.
Exfiltração: Enviar dados para alguém que não os devia ter. Num agent, qualquer forma de comunicar com o exterior os pode levar: um email, uma mensagem, um pedido web, até um link ou o endereço de uma imagem.
Fadiga de aprovações: O que acontece quando as pessoas veem tantos pedidos de confirmação que deixam de os ler. As aprovações continuam a acontecer, mas já não são uma verificação. Pergunta menos, mostra exatamente o que vai acontecer e contém o trabalho de rotina.
Guardrails: Regras e verificações que impedem a IA de fazer coisas arriscadas.
Hallucination: Quando um assistente afirma algo falso com toda a convicção. Vale sempre a pena confirmar.
Hallucination de pacotes: Um pacote de software sugerido por um modelo que não existe. Qualquer pessoa pode registar o nome inventado e enchê-lo de código malicioso, por isso verifica cada pacote novo antes de ficares com ele.
Higiene de dados: Os hábitos de lidar com informação privada quando usas IA. Deixa os dados sensíveis onde eles vivem em vez de os colares num tool que não controlas.
HITL gate: Um gate com uma pessoa no circuito (human-in-the-loop), onde alguém revê antes de o agent agir. Obrigatório em ações irreversíveis ou de confiança baixa.
Human-in-the-loop (HITL): Uma pessoa revê ou aprova o resultado da IA antes de qualquer ação, sobretudo em passos regulados, irreversíveis ou de grande impacto.
Jailbreak: Um prompt feito para contornar os guardrails de uma IA. Não tentes: eles protegem-te a ti e aos outros.
Lethal trifecta: O nome que Simon Willison dá a um agent que tem acesso a dados privados, vê conteúdo não confiável e consegue enviar dados para fora. Com as três, um atacante pode levá-lo a deixar sair os dados. Retira pelo menos uma.
Lista de hosts permitidos: A lista de hosts a que a execução de um agent pode chegar, como o teu registry de pacotes. Tudo o resto fica bloqueado, o que limita para onde um agent confuso ou manipulado consegue enviar dados.
Mínimo de confiança: Um limite abaixo do qual o agent para e encaminha para uma pessoa em vez de agir.
Modelo do queijo suíço: Uma imagem da engenharia de segurança: todas as camadas de verificação têm buracos, mas camadas com buracos em sítios diferentes deixam passar poucos erros. Nenhuma verificação apanha tudo sozinha, por isso empilha várias.
Não avança: Uma falha do ciclo em que o agent repete a mesma ação que falha. Resolve-se registando o que já foi tentado e limitando as tentativas.
Nível de risco de uma ação: Um nível baixo, médio ou alto para uma ação que um agent pode fazer, a partir de quatro perguntas: escreve alguma coisa, pode ser desfeita, de quem é o acesso que usa e há dinheiro envolvido. Cada nível corresponde a allow, ask ou deny.
Paragem errada: Uma falha do ciclo em que o agent desiste cedo ou nunca desiste. Resolve-se com um teste de paragem explícito.
Pausa automática: Um disjuntor que trava o agent quando a exatidão medida por amostragem cai abaixo de um limite definido, até uma pessoa o voltar a ligar.
Preguiça agêntica: Quando um agent para a meio de uma tarefa longa, com muitas partes, e dá o trabalho todo como feito. Combate-se com uma verificação que o agent tem de correr antes de parar.
Privilégio mínimo: Dar a um agent, a uma pessoa ou a um programa só o acesso de que a tarefa precisa, e nada que dure mais do que ela. Para um agent sem supervisão, isso quer dizer um repository, um pequeno conjunto de tools e credenciais que expiram com a execução.
Prompt injection: Instruções maliciosas escondidas dentro de conteúdo que a IA lê, a tentar desviá-la do que estava a fazer.
Prompt injection indireta: Uma prompt injection que chega dentro de conteúdo que um agent lê, como uma página web, um email, um ficheiro partilhado ou o resultado de um tool, e não naquilo que o utilizador escreve.
Proxy de credenciais: Um serviço fora do sandbox de um agent que guarda uma chave real e a acrescenta aos pedidos que saem para domínios permitidos. O código dentro do sandbox só vê um valor fictício, por isso uma execução sequestrada não tem nenhuma chave para roubar.
Push protection: Uma verificação do GitHub que bloqueia um push com uma palavra-passe, uma chave ou um token antes de chegar ao repository, em vez de te avisar depois.
Red-teaming: Adversarial testing com o objetivo de um atacante: atacas de propósito a tua própria configuração real, por exemplo para a levar a deixar sair dados, e vês que defesas aguentam. Num agent, isso quer dizer muitas vezes infiltrar uma instrução inofensiva em algo que ele lê.
Regra dos Dois para agents: A regra de design da Meta para a prompt injection: dentro de um session, um agent deve ter no máximo duas de três coisas — entrada não confiável, acesso a sistemas sensíveis ou a dados privados, e o poder de mudar estado ou de comunicar para fora. Com as três, precisa de uma pessoa ou de outra verificação fiável.
Revocation: Retirar os scopes de uma ligação MCP quando o fluxo de trabalho é desativado, para não se acumularem ligações adormecidas.
Reward hacking: Passar numa verificação sem fazer aquilo que ela devia provar, como apagar um teste que falha ou escrever código que só funciona com a entrada do teste. Protege as verificações contra edições, e guarda algumas onde o agent não as consiga ver.
Scopes: Permissões por ação que um servidor MCP expõe, como read_employees separado de update_employee. Concede só o mínimo.
Slopsquatting: Registar um nome de pacote que os modelos de IA costumam inventar, para que o código que segue a sugestão de um modelo instale o pacote do atacante. O nome vem de typosquatting, em que os atacantes registam nomes de pacotes com erros de ortografia.
Supervisão: Manter um agent seguro pondo uma pessoa a aprovar cada ação antes de ela correr. Só funciona enquanto essa pessoa está atenta e percebe o que aprova, por isso o trabalho que corre sem ninguém a vigiar precisa de contenção.
Teste de troca: Mudar um detalhe que não devia contar, como um nome ou um lugar, e voltar a correr o item. Se a resposta mexer mais do que o ruído normal, a decisão está a usar esse detalhe.
Verificação por amostragem: Rever tu mesmo uma parte dos resultados de um fluxo de trabalho, 10% por exemplo.
Via de escalonamento: O caminho definido para um caso assinalado: quem é avisado, como e com que context. Todos os HITL gates precisam de um.
Workspace trust: A verificação que um coding agent faz antes de usar as definições próprias de uma pasta, como hooks guardados num repository: pergunta se confias na pasta. As execuções por script podem saltar a pergunta e tratar a pasta como de confiança.
Zelo excessivo: Um agent que dá um passo com ar de útil para lá do que pediste ou aprovarias, como usar uma credencial que encontrou. Limita-se com controlos que o tool impõe.

Tools e assistentes

Agent integrado no workspace: Um agent que vive dentro de um tool como o Notion, a ler e a escrever nas suas páginas e bases de dados.
Agent na cloud: Um coding agent que corre nas máquinas de um fornecedor em vez das tuas. Dás-lhe uma tarefa, ele trabalha no seu próprio ambiente preparado e devolve uma branch ou um pull request para uma pessoa rever.
AI agent: Um briefing guardado que corre um trabalho recorrente por sua conta: por agendamento, a pedido ou a partir de um evento.
Approval policy: No Codex, a definição que decide quando o agent para a perguntar antes de ir além do seu sandbox, como on-request ou never. O modo de sandbox define o que os comandos conseguem fazer tecnicamente.
Artifacts: Uma funcionalidade do Claude que gera código, documentos, apresentações e resultados interativos num painel lateral editável.
Assistente de IA: O teu tool de chat autónomo: ChatGPT, Gemini, Claude ou Grok. É reativo: perguntas, ele responde.
Assistente guardado (reutilizável): Um assistente à medida que configuras uma vez e reutilizas, como um Custom GPT, um Gem ou um Claude Project.
Assistente integrado (na aplicação): IA que vive dentro de uma aplicação que já usas, como o Gmail, o Notion ou o Word. Atua sobre a página que tens aberta.
ChatGPT: O assistente da OpenAI, gratuito em chatgpt.com. Um todo-o-terreno de confiança, com a maior comunidade de utilizadores.
Checkpoint (instantâneo dos ficheiros): Um instantâneo que um tool de programação tira aos teus ficheiros antes de o agent os editar, para poderes recuar os últimos passos dele. Serve para recuperar depressa dentro de uma conversa; alguns tools não apanham as alterações feitas por comandos da shell, por isso faz também commit no git.
Claude: O assistente da Anthropic, gratuito em claude.ai. Forte em escrita longa, análise pesada de documentos e raciocínio difícil.
Claude Projects: Workspaces persistentes do Claude que guardam documentos de referência que o Claude tem em conta em todas as conversas.
Co-pilot: IA que trabalha ao teu lado dentro de um tool, a sugerir enquanto avanças, com o controlo sempre do teu lado.
Connectors: Ligações que deixam o Claude chegar a tools como o Drive, o Gmail, o Slack, o GitHub e o Linear, com a tua autorização.
Custom GPTs: Os assistentes guardados e reutilizáveis do ChatGPT: configuras uma vez e voltas a usar sempre.
Deep Research: Um modo que corre uma investigação demorada em várias fontes e devolve um relatório escrito, com as fontes citadas.
Gemini: O assistente da Google, gratuito em gemini.google.com. O mais forte quando a entrada é grande, mista ou visual, e corre dentro do Google Workspace.
Gems: Os assistentes à medida, guardados e reutilizáveis do Gemini: configuras uma vez e voltas a usar sempre.
Grok: O assistente da xAI, gratuito em grok.com. Ligado ao X e à web em tempo real, é o melhor atualmente.
Instruções do projeto: Instruções permanentes que defines uma vez num projeto do ChatGPT ou do Claude. Todos os chats do projeto as recebem, junto com os ficheiros do projeto, mas continuam a ser pedidos que o modelo pode saltar.
Permission mode: Uma definição de um coding agent que decide que ações correm sem te perguntar primeiro, desde só as leituras até tudo. As regras de permissão ficam por cima dele, e uma deny rule continua a bloquear em todos os modos.
Plan mode: Um modo dos coding agents em que o agent lê o código e propõe um plano, mas não muda nada até o aprovares. Mantém o decidir o que fazer separado do fazer.
Plataforma de automação: Um tool sem código, como o Zapier ou o Make, que copia dados entre aplicações de forma agendada.
Plugin: Um pacote que instala de uma vez várias peças da configuração de um agent, como skills, hooks e ligações a servidores. Um plugin pode correr código com as tuas próprias permissões, por isso lê o que ele contém antes de o instalares.
Revisão de código por IA: Uma revisão de um pull request ou de um diff feita por um modelo de IA. Os achados dela são pistas a confrontar com o código, não aprovações, e não substitui os testes nem a revisão de uma pessoa.

Trabalhar com IA

A mentalidade 100×: O ritmo novo: meses passam a dias, dias passam a horas. Quando o custo cai 100 vezes, coisas novas passam a ser possíveis.
A regra dos 80%: Começa sempre pelo teu assistente de IA. O tool que vive dentro da aplicação é um atalho jeitoso que podes dispensar.
Agora somos todos construtores: Quem constrói um fluxo de trabalho com IA é um construtor, seja qual for o cargo que tem.
AI-pilled: Conquistado pela IA. Assim que te cai a ficha numa tarefa, começas a recorrer-lhe para tudo. Diz-se quase sempre em tom de brincadeira.
Atrofia de competências: Perder uma competência que deixaste de praticar porque um tool faz o trabalho. Com coding agents, a principal preocupação é a depuração: num estudo foi onde se viu a maior diferença, e é a competência de que precisas para verificar o que um agent te entrega.
Cinco níveis de autonomia: O modelo de Dan Shapiro para a quantidade de programação que uma equipa entrega à IA, do Nível 0, em que uma pessoa escreve cada linha, ao Nível 5, a fábrica às escuras. É o modelo de uma pessoa, útil como vocabulário comum, e uma mesma equipa pode estar em vários níveis ao mesmo tempo.
Cruzar as respostas: Fazer a mesma pergunta importante em dois tools e comparar. Se concordarem, ganhas confiança; se divergirem, tens ali algo para investigar.
Dívida de compreensão: A distância crescente entre a quantidade de código que uma equipa pôs em produção e a parte dele que alguém na equipa percebe. Acumula-se em silêncio enquanto os testes continuam a verde, e nota-se quando alguma coisa parte. Também se chama dívida cognitiva.
Exemplo de referência: O pedaço de código existente que indicas como modelo de um padrão, como um endpoint novo ou um teste. Os coding agents copiam o que encontram, por isso indicar o melhor exemplo orienta aquilo que copiam.
Fábrica às escuras: O topo dos cinco níveis de autonomia de Dan Shapiro: entram especificações, sai software, e nenhuma pessoa escreve nem revê o código. O nome vem das fábricas inteiramente operadas por robôs, onde não trabalha ninguém.
Fluência em IA: A capacidade de trabalhar com IA, construir com ela e pensar ao lado dela. A competência com maior retorno da década.
Legibilidade para o agent: Se o conhecimento de que um agent precisa está num sítio que ele consegue abrir enquanto trabalha. Uma decisão que só vive numa reunião, numa conversa no chat ou na cabeça de alguém é ilegível: para o agent, não existe.
Lei de Goodhart: A observação de que um número deixa de ser uma boa medida quando as pessoas são recompensadas por ele. Põe os pull requests abertos como objetivo e terás mais pull requests, valham eles alguma coisa ou não.
Limite de trabalho em curso: Um teto para o número de tarefas começadas e ainda sem merge. Com coding agents em paralelo, define-o pelo número de alterações que consegues rever e integrar, não pelo número de agents que consegues pôr a trabalhar, e revê o que está à espera antes de começares mais.
Nota de passagem: Uma nota curta que deixa um session novo pegar numa tarefa: o objetivo nas palavras originais, as regras que têm de valer, o que está feito e como foi verificado, o que vem a seguir e o que não resultou.
O trabalho tem de desaparecer: A ideia de que a IA deve apagar categorias inteiras de trabalho, eliminando tarefas de vez.
Paradoxo da supervisão: O problema de supervisionar um agent de IA exigir precisamente as competências que depender dele pode enfraquecer. O estudo da Anthropic sobre os seus próprios engenheiros usa o termo para a programação: verificar o código de um agent pede as competências de programação que praticas menos quando é ele que escreve o código.
Pensar primeiro na IA: Passar meio minuto em cada tarefa nova a pensar em como a IA poderia ajudar, antes de a fazer à mão.
Reaprender a aprender: A meta-competência de continuar a aprender à medida que a perícia antiga vai sendo automatizada. É a nova vantagem duradoura.
Triagem: Separar o trabalho que chega para que cada item vá para o sítio certo. Numa fábrica, cada item vai para um agent, para uma pessoa ou de volta ao autor, e cada decisão regista uma razão e um nível de confiança.