Tudo nesse site é 100% gratuito, e vai continuar sendo. Aproveite.

ganeko.dev

O que é um programador 3.0? (de Stanford)

ARTIGO · 6 MIN DE LEITURA

O que Stanford ensina ao programador moderno, do LLM ao deploy

Stanford tem um curso, dado desde setembro de 2025, chamado algo como o desenvolvedor de software moderno. A grade inteira está aberta no site, com aulas, referências e slides. O que me chamou atenção é a ideia por trás dele: está surgindo uma classe nova de programadores, os AI native engineers, gente que começa a carreira já programando com IA. Assim como uma criança que nasceu em 2010 aprende a mexer no celular aos 3 anos, vamos ver programadores que nunca programaram sem IA. Ninguém sabe o futuro real da área, mas software vai continuar sendo criado e alguém vai ter que criar. Então vale olhar o que eles consideram essencial, numa ordem lógica de aprendizado.

01como uma LLM funciona
02engenharia de prompt
03tools e MCP
04IDE com IA e PRDs
05engenharia de contexto
06agent patterns e autonomia
07terminal com IA
08testes e segurança
09documentação inteligente
10frontend e design com IA
11monitoramento e observabilidade
12os próximos 10 anos
em destaque: os três que eu considero a base
a grade de Stanford, na ordem: da teoria ao pós-deploy

A base: entender o que uma LLM realmente é

O primeiro tópico do curso é como uma LLM funciona, e faz todo sentido. Uma LLM é um gerador de tokens. Ela não pensa e não faz raciocínio lógico. Ela prevê a próxima palavra. Você pergunta o que é uma cenoura, ela começa com uma cenoura é, e escolhe a palavra mais provável depois disso, uma de cada vez, com base em tudo que já viu.

O segundo ponto que pouca gente sabe: a LLM não tem estado. Se você fala para o ChatGPT que é programador e depois pergunta qual o maior salário que pode atingir, ele responde certo. Mas não é porque guardou isso na memória. Por trás dos panos, o sistema junta sua pergunta nova com o histórico, resume e manda tudo de novo para o modelo. Se esse exemplo era novidade para você, é um bom sinal de que vale estudar como LLM funciona por dentro.

o que você vê
eu sou programadorqual o maior salário?
o que a LLM recebe
histórico: eu sou programador+ qual o maior salário?
tudo de novo, a cada pergunta
um erro no histórico volta toda vez: a IA faz double down
a LLM não guarda nada: o histórico vai junto em toda mensagem

Prompt, tools, MCP e contexto

Depois vem engenharia de prompt, a arte de escrever pedidos claros e eficientes. Com gente você já precisa ser pouco ambíguo. Com IA isso é exponenciado. Uma ambiguidade pequena faz a IA interpretar errado, e quando ela erra, ela faz double down: aposta de novo no erro. Como o histórico inteiro volta para o modelo a cada mensagem, o erro pequeno vira um problema gigante. Um efeito borboleta.

Em seguida, tools e MCP. MCP é tipo o HTTP das IAs, o protocolo que permite à IA buscar informação em outras fontes. O ato de buscar é a tool. A IA não sabe magicamente quais arquivos existem no seu computador nem o que está num portal de notícias. Ela precisa executar uma tool. Por isso, muitas vezes é melhor você já entregar a informação no pedido. Quando você não entrega, ela percebe que não sabe e roda uma tool, o que aumenta custo, complexidade e chance de erro.

Aí o curso entra no uso real: IDE com IA, PRDs em Markdown dentro do projeto para a IA entender os objetivos do produto, e o tópico que eu acho central, contexto. Recomendo o artigo da Anthropic sobre engenharia de contexto efetiva para agentes. A janela de contexto é limitada. Quanto mais você manda, mais a IA pode se confundir. E quando bate o limite, ela precisa resumir. Pergunte sobre a arquitetura do seu projeto e ela não vai ler tudo, porque o código inteiro não cabe. Ela escolhe arquivos, resume, e se ainda não cabe, resume de novo. Cada resumo perde informação. Informação perdida vira erro, e erro vira bug no seu sistema.

Agentes, testes e as três fontes de verdade

Com contexto entendido, vêm os agent patterns. Assim como existem design patterns para código, existem padrões para fluxos de agentes: como executar uma tool, como coordenar vários agentes em paralelo, e quanta autonomia dar a eles. Depois, uso do terminal com IA, testes e segurança.

Sobre testes, recomendo o artigo do Fabio Akita sobre ir do zero à produção em uma semana usando IA em projeto de verdade. Ele conta que o projeto tem mais linhas de teste do que de código funcional, e isso não é vaidade, é consequência de qualidade. O motivo é que hoje o código precisa ser escrito pensando que vai ser lido por uma IA, assim como o currículo. E o maior vilão da IA é ambiguidade, principalmente informação conflitando em lugares diferentes.

Existem três fontes de verdade: o código, os testes e a documentação em Markdown. O problema é quando uma contradiz a outra. Documentação desatualizada sempre foi a falha da maioria dos sistemas. No commit seguinte ela já não vale. Para nós humanos isso já era ruim: você fazia uma chamada HTTP seguindo a doc, não funcionava e tinha que ir ler o código. Para a IA é igualmente ruim. O pulo do gato é que hoje as três coisas também são escritas com IA, então dá para manter tudo coerente. E de preferência na ordem invertida: primeiro a documentação com os requisitos, depois os testes com TDD, e por fim o código.

1. documentaçãoos requisitos
2. testes (TDD)o comportamento esperado
3. códigofeito para passar nos testes
tudo escrito com IA, nessa ordem, e mantido em sintonia
três fontes de verdade, que não podem se contradizer

O curso termina com frontend e design com IA, monitoramento e observabilidade depois do deploy, como tratar incidentes e alertas, e uma parte especulativa sobre os próximos 10 anos.

De escritor de código a orquestrador de agentes

A pergunta de sempre nos comentários é se ainda vale estudar programação. Vale. Você não vai perder o emprego para a IA, mas pode perder para um programador que usa IA melhor do que você. O programador deixou de ser escritor de código e virou orquestrador de agentes. Saber a sintaxe de Python ou Java não é mais o ponto. Eu estudo isso há 10 anos e entendo a frustração, mas isso sempre aconteceu na tecnologia. Estrutura de dados, algoritmos, sistemas operacionais e infraestrutura continuam importantes. Só mudou o objetivo final: antes era escrever o código na mão, agora é mandar a IA escrever.

É parecido com o papel de um gerente coordenando pessoas, só que coordenando agentes. E a IA é uma versão de você: se você passa informação errada, ela dobra a aposta e potencializa o erro. Programador ruim vira programador ruim potencializado. Por isso, tenha mentalidade de experimentação, mas vá aos poucos. Comece com um agente, em tarefas simples, e só adicione o segundo quando sentir necessidade. Dez agentes de uma vez numa base de código da empresa é receita para inconsistência. No fundo, as habilidades ainda são as mesmas, prática e fluência com a máquina. Só está mudando a forma de fazer.

TRANSCRIÇÃO COMPLETATudo o que eu falo no vídeo, com o minuto de cada trecho.

0:00Gente, dá uma olhada nesse site aqui. Isso aqui é o curso, toda a grade curricular de um curso lá de Stanford, que tá sendo dado desde F de 2025 aqui, ou seja, desde setembro do ano passado, ou seja, é um curso recente e aqui tem toda a grade curricular, todas as aulas, tem, cara, se você abrir aqui, tem todos os, né, as referências que eles utilizam, tem PowerPoint aqui, um monte de coisa. Mas o nome desse curso, olha que interessante, Software Developer moderno. E por que que esse curso tem esse nome? Porque aqui eles estão falando sobre um conceito novo de uma nova classe de programadores que tá surgindo agora no mercado, que são os AI Native Engineer. E cara, isso é muito interessante porque o que eu quero dizer aqui com AI Native Engineer são pessoas que nasceram na IA, né? Não nasceram, mas programadores que começaram a

0:48programar com IA. E esse conceito é muito legal da gente conversar, porque, por exemplo, quando a gente fala de internet e tecnologia, smartphone, essas coisas, quando a gente vê um bebê que nasceu aí na época de 2010, quando a internet já era gigante, a gente percebe o quanto isso impacta em muitas coisas na vida dessa criança, desse adolescente que vai se desenvolvendo. Com 3 anos de idade, ele já sabem mexer tudo lá em um celular. E é incrível, né? A gente fica maravilhado com isso ao mesmo tempo que a gente fica muito preocupado e horrorizado, né? Ao mesmo tempo que aquela criança ela é magnífica, ela sabe mexer e parece que ela vai ser uma pessoa muito inteligente no futuro. Ao mesmo tempo a gente fica pensando, cara, o que que a tecnologia vai fazer com a cabeça dessa criança, né? Mas aqui a gente tá falando de programação e agora a gente tá passando pela mesma coisa. Tá

1:34surgindo uma grande nova tecnologia que no caso é a IA, inteligência artificial. E agora a gente vai ver programadores que vão começar a vida deles de programadores com inteligência artificial. E quais vão ser as consequências disso? Cara, vamos falar sobre isso nesse vídeo, mas vamos falar também sobre o que que é esse conceito do software developer moderno aqui, né, que tá falando aqui na grade curricular de Stanford. Eu vou mostrar para vocês, cara. É esse cara aqui, ó. Tá vendo esse rosto dele de preocupado? Por quê? Porque esse cara aqui é o professor Mil Eric aqui, que ele é o professor desse curso. E, cara, isso me diz se é esse olhar dele não é de alguém que tá vendo apocalipse. Por que, meu amigo, ele realmente tá vendo apocalipse? porque ele é o dono desse curso aqui de Stanford. Ele montou toda essa grade curricular. Então ele sim conhece o futuro aí da área da programação, que

2:22cara, pelo olhar dele aí tá preocupante. Mas assim, gente, tô brincando aqui, eu tô sendo irônico. Na verdade, ninguém sabe o futuro real da nossa área, do nosso emprego. O que a gente sabe é que o software vai continuar sendo criado e alguém vai ter que criar. Não dá para só clicar um botão e aí a fazer tudo. Eu pelo menos acredito fortemente nisso. Então hoje aqui eu separei para mostrar para vocês alguns recursos, tanto esse recurso aqui de todo o conteúdo da grade de Stanford, mas também aqui alguns artigos que eu quero mostrar para vocês que tem muito conteúdo sobre como vai ser o futuro da nossa programação com o a intervenção da IA. Mas primeiro vamos falar da patrocinadora do canal. Espera um pouco, ainda não pula essa parte aqui do vídeo, porque eu quero falar com sinceridade para você, se você já pensou em investir ou já pensou em entrar em contato aí com a UVP para adquirir o

3:08curso deles, escuta aqui que eu vou contar para vocês o que eu realmente acho disso. Você provavelmente já ouviu falar sobre a UVP, que é a maior e melhor escola de investimentos do Brasil. E eles têm esse jargão aqui na frente, né, do site deles que é do zero a investidor em oito semanas. Isso aqui pode parecer uma frase meio chamativa demais assim, não é muito de vendedor, mas cara é real mesmo. E porque o curso dele realmente tem essa duração de 8 semanas e você consegue aprender tudo que você precisa aprender para ter segurança investindo durante esse tempo. Porque como vocês podem ver aqui, eles ensinam, ó, desde como você organizar os seus gastos, como utilizar renda fixa, renda variável, fazer reserva de valor, investir no exterior, cara, muito importante hoje em dia. posto de renda.

3:50E o melhor é que tudo isso tem o aprendizado garantido. Significa que mesmo se você concluir todas as aulas, emitir seu certificado e mesmo assim não se sentir seguro para investir, eles devolvem todo o seu dinheiro. Por isso que é garantido. Mas cara, raramente isso acontece, até porque a UVP tem uma reputação assim, tipo, incrível, sabe? Então, se você for olhar até o reclame aqui deles, só teve uma reclamação real até hoje. E além de tudo isso, você vai ter acesso à plataforma de investimento deles e acesso a sujeito análise de crédito, ao cartão de crédito deles, que te dá acesso à sala VIP em aeroporto, te dá acesso também a 1% de cashback no valor da fatura, o que é muito bom e não tem anuidade do cartão, né? Então o que você vai fazer, clica aí no link da descrição, o primeiro link que você vai ser redirecionado para essa página aqui e fazer a sua análise de perfil. Por

4:38quê? Porque a UVP precisa saber qual é o seu perfil para ver se faz sentido ter você como cliente. Então não, eles não vão aprovar qualquer pessoa porque você precisa ter pelo menos uma renda de R$ 4.500 por mês. Ou de repente se você mora com os pais e tem uma renda mais baixa também funciona lá. Eles já perceberam isso. Então dá uma olhada aí na UVP. Eu sou cliente deles já bem antes de ter criado esse canal, então eles estão me patrocinando aqui, mas eu já gostava deles antes de eu virar alguma coisa aqui na internet. Então, clica aí no primeiro link da descrição e, sinceramente, não deixa isso para depois. Então, gente, quando a gente fala de tecnologia, tem um fato muito proeminente, que é que tudo que acontece nos Estados Unidos, depois de poucos anos, passa a acontecer aqui no Brasil, né? O que é verdade sobre tecnologia lá, aqui no Brasil chega com um pouco de delay. E é por isso que é tão importante a gente ver o que tá acontecendo lá, pra

5:25gente saber o que vai acontecer aí nos próximos anos aqui. Então, por isso que eu acredito que essa noção aqui, ó, que eu tenho para trazer para vocês é tão importante, né? Isso que eles estão chamando de o software developer moderno é o que vai editar as habilidades que um desenvolvedor tem que ter aí nos próximos anos da nossa carreira. Então eu vi aqui todo o conteúdo que eles têm para passar e eu digo para vocês que eles separaram aqui, ó, 13 pontos muito importantes para um desenvolvedor e numa ordem lógica também de aprendizado. Então vamos ver isso aqui. A primeira coisa que eles consideram muito importante para você realmente aprender aí antes de entrar nesse mundo de inteligência artificial é como uma LLM realmente funciona, que é a base de tudo aqui que a gente tá aprendendo, né? uma LLM, para quem não sabe, é LE language models. E eles são o motor por trás, a inteligência, né, por trás de uma

6:13inteligência artificial. E o que tem de tão importante pra gente entender aqui de principal é que as LLMs elas são geradores de tokens, então elas não pensam, elas não fazem raciocínio lógico. O que elas fazem é prever qual é a próxima palavra que ela vai cuspir para você. Então, se você faz uma pergunta, tipo, o que é uma cenoura? Ela vai simplesmente pegar esse contexto que você falou que é uma cenoura e começar a gerar a resposta para isso com base em toda a big data, né, todo o acervo de dados que ela já estudou. E aí ela vai escrever começar a escrever os tokens um de cada vez, né? Uma cenoura é. E aí ela vai ver qual é a palavra mais provável de aparecer depois de uma cenoura é. E para vocês entenderem o quão simples é isso, né? Não é sobre raciocínio lógico.

6:58Uma LM não tem estado, ou seja, ela não guarda informação. Então, se você chegar no chat GPT e falar: "Eu sou programador", der enter, esperar a resposta dela e depois perguntar de novo outra coisa, tipo: "Qual é o maior salário que eu posso atingir?", ela vai conseguir te responder, ela vai saber sobre qual profissão você tava falando, vai, porque ela tem todo aquele histórico de mensagem que você mandou antes falando que você é programador. Mas isso significa que ela tem estado dentro dela, que ela guardou na memória que que você é programador? Não. O que acontece por trás dos panos é que o chat GPT ele vai pegar a sua mensagem perguntando qual o salário que você vai atingir e a sua mensagem lá de todo seu histórico de mensagens falando que você é um programador, vai resumir isso e vai mandar de novo pra LLM. Ou seja, ela não guarda a memória, ela não sabe que você é programador. É só o chat GPT fazendo

7:46lá uma gambiarra de mandar sempre as mesmas informações para ela. Então eu só tô dando um exemplo aqui, mas como vocês podem ver, esses tipos de noções do sobre como funciona uma LLM, se você não sabia esse exemplo que eu dei, já é um bom indicativo que você tem que estudar sobre como funciona uma LLM por trás dos panos, porque isso é o primeiro conteúdo que eles passam aqui na no curso de Stanford. Depois de explicar sobre o que são LLMs, como elas funcionam, eles chegam no segundo ponto de 13 pontos, que é engenharia de prompt, que é um assunto aí que foi muito falado, principalmente durante o ano passado.

8:20Então, quando a gente fala de IA, tem muitos conceitos, assuntos, engenharias que estão sendo criadas para estudar como manusear bem, manusear bem a inteligência artificial. E um dos primeiros que surgiram foi o Prompt Engineering, que basicamente é a arte de criar os melhores prompts possíveis de uma forma que eles fiquem bem claros e eficientes. Porque com o tempo todos os programadores e usuários de inteligência artificial foram percebendo quais são as melhores formas de você se comunicar com uma IA. E assim como você se comunicar com um ser humano, uma pessoa do mundo real, você tem que ser o menos ambíguo possível numa aí, ó. I a isso é exponenciado, né? Isso aí fica muito mais forte. Qualquer ambiguidade que você soltar para uma IA, isso pode escalar e ser um grande problema, porque aí vai fazer ela interpretar tudo de uma maneira errada. E o que acontece quando

9:09uma IA interpreta uma coisa de maneira errada? Ela faz double down, né? ela aposta de novo nesse erro e um erro pequeno com o passar do tempo acaba virando uma coisa gigante, justamente por causa daquele comportamento que eu falei agora, que é de que as linguagens de os os LLM estão sempre recebendo o mesmo contexto de novo e de novo e de novo. Então, se teve um erro, ele vai pegar todo o histórico desse erro e jogar de novo pra Ll. Então, é por isso que uma coisa pequena pode virar um problema grande, né? Tem um efeito borboleta. Aí, gente, liguei a luz porque tava ficando muito escuro aqui.

9:43Depois vocês me digam aí se vocês gostavam lá do dark mode ou vocês preferem assim o light modezinho. Bom, depois então do aluno entender sobre aqui, ó, prompt engineering e antes, né, sobre como uma LLM funciona, eles começam a ensinar dois conceitos muito importantes que são muito relacionados também, que são as tools e MCP. E o que é isso? Bom, MCP é basicamente o HTTP aí do das inteligências artificiais. Mas em que sentido, né? Porque é o protocolo da da de comunicação das IAS. Então, basicamente aí é a solução técnica que permite que a sua inteligência artificial busque informações em outras fontes de informações. E aí esse ato de buscar informações a gente chama de tools, né? Então, que é ferramentas.

10:26Então, normalmente a sua IDE, ela vai ter, por exemplo, uma ferramenta de fazer uma pesquisa online. Então, ela vai ter um tool de web search e ela utiliza MCP para fazer isso. Esse é o protocolo que ela utiliza. Então, quando você faz um pedido pra sua IA, às vezes, né, ela vai ter alguns passos que ela vai executar. Então ela pode estar fazendo uma pesquisa na internet, ela pode estar querendo ler o que tem nos arquivos do seu computador. Tudo isso necessita de MCP, necessita de uma tool para ser executado. Quando você faz uma pergunta pra sua IA, ela não sabe magicamente quais são os arquivos que tem no seu PC. Ela não sabe magicamente qual a informação que tem lá na internet, no portal do G1. Não, tudo isso ela tem que executar uma TU e buscar. Por isso que às vezes é muito melhor você prover a informação paraa IA ao invés de ficar imaginando que ela vai saber os arquivos, o nome das coisas que

11:13tem no seu computador. Porque quando você não prover essa informação, ela vai perceber que ela não sabe e aí ela vai ter que executar uma to, o que vai aumentar o custo, vai aumentar a complexidade do seu pedido, vai aumentar a chance de ter problemas e ter erros. Então, por isso é muito importante a gente entender como funciona Tools, como funciona MSCP, tanto também para você desenvolver as suas próprias integrações. E aí com isso a gente já tá entrando aqui no contexto de como utilizar uma IDE, né? Então aí eles começam a ensinar sobre como utilizar IDEs aqui no contexto de IA. Fala sobre uma coisa aqui muito interessante que é que são as PRDs, né? Que são aqueles aquelas definições de negócio e técnicas que a gente acaba resumindo tudo em um RIDM, né? Em um arquivo Markdown. a gente coloca no nosso projeto para servir de base de novamente para jogar pro contexto para IA conseguir entender quais são os objetivos que a gente tem

12:00com nosso produto. Então aqui já tá entrando realmente aqui numa parte de usabilidade da IA, né? Passou de teoria e aqui tá começando a usar mesmo numa IDE, por exemplo. Então falando de PRD, falando aqui, ó, de integrações, extensões. E aqui ele fala o sexto ponto que eu queria trazer para vocês, que eu acho muito importante, que é contexto, que é uma palavra que eu já tava soltando aí durante o vídeo, né? Mas eu separei até um artigo aqui para mostrar para vocês, que é um artigo que eu li essa semana e eu achei muito bom. Ele é de setembro de 2025 e ele tá no site oficial da Antropic e o nome dele ó, engenharia de contexto efetiva para agentes de i. E ele tá em inglês, mas se você não entende inglês é só você traduzir aqui, né, com navegador ou alguma coisa desse tipo. E ele aqui tem muita informação muito boa, bem aprofundada. É um pouco difícil de você entender esse artigo aqui se você nunca estudou programação, por exemplo. Tem

12:47alguns termos técnicos que você vai ter que ficar pesquisando para entender, mas ele passa essa noção de engenharia de contexto que é muito importante hoje. E se você já se perguntou alguma vez quais são os conteúdos, os conceitos que eu tenho que saber para ser um bom usuário de a engenharia de contexto com certeza é um desses conteúdos. Por quê? Porque durante o vídeo você percebeu, né, que eu já te expliquei aqui o que uma LLM é, né, e ela não tem estado. Então, o tempo todo a gente tá controlando qual informação a gente tá mandando para ela. Essa imagem aqui, ó, é boa para entender isso sobre engenharia de contexto. Esse aqui, ó, imagina que é o contexto, ó, que tá falando, ó, context window, a janela de contexto. E cada quadradinho desse é uma informação que a gente tá mandando pra IA. Só que esse contexto ele é muito limitado, ele tá cada vez maior, mas ele tem uma limitação física, né? E não dá pra gente mandar tudo.

13:36Quanto mais coisa a gente manda, mais a IA pode se confundir. E aí o problema realmente acontece quando a gente bate o limite desse contexto. Quando a gente bate o limite, a IA tem que começar a resumir tudo que você já falou para ela. Então, por exemplo, imagina se você quer perguntar alguma coisa sobre a arquitetura do código do seu projeto, cara, a IA ela não vai tentar ler o seu projeto inteiro, porque um projeto inteiro de linhas de código é, cara, muitas vezes maior do que uma janela de contexto aguenta. Então, sim, ela vai resumir, ela vai ver os arquivos que ela acha mais importante. que der todo esse conteúdo, der um resultado que ainda não cabe na janela de contexto, ela vai pegar isso que ela já processou, reprocessar para resumir mais ainda para caber na janela de contexto da LLM. E sempre que a gente faz isso, cara, conceitualmente lá no core dessa desse

14:24conceito, né, isso vai se perder informação. E se a gente perde informação, a IA vai errar, ela vai cometer erros e vai gerar um bug no seu sistema. Então, por isso que é muito importante você aprender engenharia de contexto. É por isso que eu tô deixando esse artigo aqui para vocês darem uma olhada que é no site oficial da Antropic. Inclusive, esse site aqui é muito legal para você aprender, ó. Cara, para quem não sabe, Antropic é o a empresa que desenvolve a cloud, que é a principal empresa de inteligência artificial aí hoje em dia para desenvolvimento principalmente. E eles têm aqui, ó, esse Antropic Academy, onde ele tem alguns cursos gratuitos, se eu não me engano, aqui para vocês darem uma olhada. Tem também tutoriais aqui. Isso que eu tava vendo é esse aqui, ó, Engineering atropic, que basicamente são e artigos escritos pelos funcionários da Antropic. Então fica a dica aí para

15:10vocês aprenderem que é muito útil vocês lerem esses artigos. Cara, lê artigo é uma forma muito boa de aprender. Bom, e aí, entendendo bem o que é engenharia de contexto, todos esses conceitos aí, eles trazem o próximo tópico, que é agent patterns, que são os padrões de agente. Então, se você já estudou bastante programação, aí você com certeza já chegou no tópico de design patterns, que são cara aí padrões que a gente utiliza na hora de desenvolver código. E inteligência artificial também tem esses padrões, só que para IA ou para fluxos de IA ou fluxos de agentes também. Então aqui, provavelmente eles falam de padrões, por exemplo, padrões de quando a gente vai executar uma tool. Então é quando uma IA ela percebe que quer usar uma tool, ela percebe, ela busca essa informação, recebe, processa essa informação, depois retorna uma mensagem para você. Então tem esses padrões que foram sendo criados, né, essas estruturas lógicas. Tem também quando a

15:57gente utiliza multiagentes, quando a gente vai trabalhar com vários agentes ao mesmo tempo, cada um fazendo uma tarefa em paralelo. Com o passar do tempo, os desenvolvedores estão criando os padrões para executar essas coisas das formas mais eficientes possíveis. Então aqui entra já um conceito muito legal também que eles falam aqui que é sobre a autonomia dos agentes, né? O quanto vai ter, né, interação humana lá ou o quanto a gente vai deixar o agente executando por conta própria. Depois eles começam a falar sobre como utilizar o terminal, né, hoje em dia com o IA. Eles falam sobre isso aqui muito importante, sobre teste e segurança. E aí aqui eu queria deixar outra recomendação para vocês que é um artigo em português do nosso grandissíssimo Fábio Aquita. Então esse aqui é outro artigo que eu li essa última semana. que é do zero após produção em uma semana, como usar Iá em projetos de verdade, né?

16:44Então esse aqui é um artigo muito bom do Fábio Aquita, onde ele explica muita coisa sobre como utilizar IA no dia a dia para desenvolvimento de software. E esse artigo aqui, ele é o final de uma série aqui que ele tá fazendo, né? Não sei exatamente uma série, mas aqui é a conclusão de um projeto que ele criou. E aqui, já que ele fala sobre boas práticas de desenvolvimento, ele fala muito sobre isso de testes. E aqui ele fala, por exemplo, né, que o projeto dele tem mais linhas de teste do que de código funcional propriamente dito. E isso não é uma vaidade, é, cara, consequência de uma infraestrutura e de um código de qualidade. E por que os testes hoje em dia são tão importantes?

17:19Ele fala muito sobre aqui nesse artigo do akitonrails.com, gente, deem uma olhada lá que é muito bom. Eles falam, o Aquita fala sobre isso, sobre a importância dos testes e o Micael Reio aqui, ele também fala sobre a importância do testes com o mesmo motivo, que é de que a o software ele tem que ser hoje em dia desenvolvido de uma forma que seja otimizado para ser lido por uma IA. Então o que a gente vem percebendo nos últimos meses, por exemplo, é que no LinkedIn ou nos seus currículos, hoje em dia a gente tem que escrever o currículo pensando que ele vai ser lido por uma IA. Agora, até o código, todo o código que a gente escreve, seja em Python, Java, qualquer linguagem, hoje em dia a gente tem que estar escrevendo ele, pensando que ele vai ser lido por uma IA. E qual que é o maior vilão de uma IA? é ambiguidade, mas principalmente diferença de

18:06informação em locais diferentes, informações conflitando. E aí a gente tem três lugares principais, três locais principais de fontes de verdade. A gente tem o código, a gente tem os testes unitários ou integrados e a gente tem também os ridms, ou seja, os arquivos mackdown, as documentações. E aí o problema é quando é uma dessas partes se contradiz em relação a uma outra. É muito bom a gente ter testes bem claros e que definem bem o comportamento esperado do código, porque a IA vai conseguir olhar para essas duas coisas e entender bem o que esperar do seu código. E ela sabe que os testes eles ditam a verdade sobre o que esperar do código, né? Então ela vai criar o código com base no que o teste tá pedindo. E aí a gente chega também num ponto muito importante que são as documentações. E aí aqui acontece muito problema, né?

18:53Porque se a gente pegar os sistemas que foram escritos nas últimas décadas, documentação é uma grande falha de da grande maioria dos sistemas, principalmente se não é um sistema mantido por uma empresa que tem muitos usuários ou tipo, não é uma biblioteca que é utilizado por muitas pessoas. Porque nesses casos, numa empresa comum, a documentação, cara, ela fica desatualizada. Em um dia ela já fica desatualizada. Ou seja, quando a gente cria um projeto, a gente cria ele lá com uma documentação, beleza? Tá OK? No próximo comit era, a documentação já não tá mais valendo, porque o código novo, ele já tem algum comportamento diferente do que previa lá na dema para ia tanto quanto era para nós programadores. Quando a gente ia ler uma documentação e percebia que ela tava diferente de um código, a gente perdia fé nessa doc e parava de ler ela, né? Ou às vezes a gente fazia uma chamada HTTP.

19:40Quem nunca, né? Fez uma chamada HTTP com base em uma documentação, viu que não tava funcionando e teve que debugar, teve que olhar código para ver como realmente aquela chamada funcionava. Então se isso era ruim para você humano, aí imagina como vai ser pras e as vai ser a mesma coisa, né? Vai ser ruim igual. Só que aí tem o pulo do gato, né? Essas três coisas, documentação, testes e código, tudo isso hoje é também escrito com IA. É escrito com e, né? Não é mais a pessoa que escreve. Então sim, você vai usar IA para atualizar essas três coisas e deixar tudo de acordo, uma com a outra, né? E de preferência que você faça, né, na ordem invertida, né?

20:13Primeiro faça a documentação, depois faça os testes e pelo fim, no final você faz o código. Claro, tudo com IA. Por qu primeiro você define os requisitos, né, a documentação. Depois você faz o TDD famoso test driven development, que é muito importante. E o Akita fala muito sobre isso aqui no e artigo dele aqui, ó, teste driven development. Então, é a prática de você escrever o teste antes de você escrever o código e por fim você faz o código tudo com IA. E aí agora aqui, continuando o conteúdo aqui de Stanford, ele quando fala sobre testes já começa a falar também sobre outro assunto que é gigante quando a gente fala de i que é tá muito alto hoje em dia, que é segurança. Então aí outra coisa muito importante pra gente aprender aqui. Ele começa a falar sobre documentação também, ó, geração de documentação inteligente. Muito importante, muito interessante essa parte. Depois disso, o próximo passo,

21:00né, depois de ter aprendido aqui um monte de conceitos, teoria sobre como funciona L, LLM, sobre como funciona o uso de LLM. Então, começando a falar sobre tools, depois sobre sobre contexto, janela de contexto, depois sobre algumas coisas mais usuais, tipo agente pattern, sobre utilização de terminal, testes, security, né? Então, a parte de desenvolvimento mesmo. Agora ele começa a falar aqui sobre é frontend, então sobre a UI aqui, UI, UX mesmo, desenvolver o front change da sua aplicação, o design da sua aplicação com IA. Tá interessante, né, que até um dos tópics aqui que ele fala da aula é design e frontend para todos. Então, se o programador aí tá com medo de perder o emprego, todos os empregos aí, técnicos aí estão com esse medo, né? Aí, até o frontend aqui, o designer tá com essa preocupação também. Mas eu acho que você

21:46vai perder seu emprego. Eu não acho, mas já vou falar mais sobre isso no final do vídeo. E depois de falar todos esses contextos aqui, esses esses conceitos, ele traz o último conceito aqui que eu acho muito importante e faz bastante sentido nessa linha de raciocínio, né, que agora é o pós deploy aqui, que ele começa a falar sobre monitoramento, observabilidade, ou seja, então é tudo aquilo que é depois que a aplicação já tá funcionando, já tem usuários utilizando tudo aquilo que é muito importante a gente fazer, que é ver se a aplicação tá funcionando, se os sequests estão indo com sucesso, tá devolvendo algum erro, qual é o erro, fazer estudo sobre esses erros. erros, se tiver algum problema, ter um incidente, né, ter um alerta para mostrar pras pessoas que tá acontecendo algum problema, como tratar esses incidentes, uma esteira, né, para tratamento dessas coisas. Então, tudo isso aqui entra aqui nessa última parte aqui que eles trouxeram, bem

22:34interessante, né, e que faz muito sentido mesmo. E por final aqui eles trazem essa parte aqui mais especulativa sobre o futuro da do engenharia de software nos próximos 10 anos. Cara, muito interessante. Eu ficaria muito feliz se eu tivesse nessas aulas lá em Stanford. Mas aí então você vai me fazer aquela pergunta que em todo vídeo meu as pessoas fazem nos comentários que é: "Yi, ainda vale a pena estudar programação? Yudia, nosso emprego vai, eu vou perder meu emprego para IA." E eu te digo, cara, que você não vai perder o seu emprego para IA. Sim, ainda vale a pena você aprender programação, mas muito importante, você não vai perder seu emprego para IA, mas você pode perder o seu emprego para um programador que usa IA melhor do que você. Então, resumindo todo esse conteúdo aqui que a gente viu agora aqui, que é muito pesado, né? muita coisa aqui. A conclusão que a gente tira de tudo isso é de que realmente aquilo que falava

23:23alguns meses atrás estava muito certo, de que o programador ele não é mais um escritor de código, ele é um orquestrador de agentes. Ou seja, a habilidade de você como programador que você tem que ter não é saber como escrever a sintaxe de Python e Java, não. Isso não é mais importante. E cara, eu tô 10 anos estudando isso, né? E eu tô tão frustrado quanto você de ter estudado vários conteúdos que hoje em dia já não são tão importantes assim, mas isso é normal, acontece, sempre aconteceu na área de tecnologia e os assuntos fundamentais, as noções fundamentais e conceituais mais importantes vão continuar sendo muito importantes. Então, se você táí estudando estrutura de dados, algoritmos, você tá aprendendo como um computador funciona, o sistema por trás de tudo, infraestrutura, sistemas operacionais, sim, isso ainda é muito

24:12importante, continua estudando. Mas mudou que no final das contas o seu objetivo de aprender essas coisas fundamentais antes era aprender a escrever na mão o código em Python. Agora só mudou que seu objetivo final não é mais escrever na mão o código em Python, agora é você mandar uma IA escrever para você. Ou seja, muito parecido com o que um gerenciador de pessoas, um chefe, né, um gerente fazia antes. Então, um gerente antes coordenava vários estagiários ou vários funcionários. E agora o que você vai ter que fazer é ter o mesmo papel desse gerente. Ao invés de ser uma pessoa coordenando várias pessoas, você vai ser uma pessoa coordenando vários agentes de ar. Então, hoje em dia, as pessoas até falam que as pessoas que já tinham bastante prática em coordenar pessoas t mais facilidade em coordenar múltiplos agentes de inteligência artificial. E aí o segredo aqui é realmente ter prática.

25:01Então a gente tem que ter uma mentalidade de experimentação. Então saiu aí as novas tecnologias de ah, pega, dá uma olhada, principalmente tenta usar. Então pega lá um planinho lá de graça, né? faz o seu sistema lá utilizando a nova tecnologia, tenta criar uma IA, criar uma IA, não, tenta eh utilizar um agente e aí tenta criar outro agente, usar mais de um agente ao mesmo tempo, que a gente fala de multiagentes, é isso, um agente criando a UI, enquanto outro agente tá executando testes e outro agente tá fazendo alguma outra operação que leva um tempo para ser executado. E por isso que isso é tão forte, né, tão importante hoje em dia, porque agora as pessoas que conseguem manusear vários agentes fazendo várias coisas ao mesmo tempo são muito mais produtivas. É como se você se multiplicou em 10 pessoas e cada agente é uma é uma versão de você. Mas é isso, ele é uma versão de você. Ele consegue

25:50fazer coisas, mas ele é muito baseado no seu conhecimento. Se você passa uma informação errada pra IA, a IA vai dobrar, fazer o double down nessa informação errada e vai potencializar você. Então, se você é um programador ruim, ela vai potencializar esse programador ruim. Se você é um programador bom, ela vai potencializar esse programador bom. Mas quando eu falo isso de manusear vários agentes ao mesmo tempo, toma cuidado. Você não precisa tentar direto chegar e criar 10 agentes, porque se você tá criando um, né, um sistema aí na sua empresa, por exemplo, isso pode fazer você cometer erros mesmo e criar inconsistências na sua base de código. Começa mesmo usando um agente, fazendo coisas simples e tal, e aí quando você sente a necessidade, começa a usar um segundo agente, vai aos poucos tentando aumentar isso para se tornar cada vez mais aquele cara que usa vários agentes ao mesmo tempo. Ou seja, entra aí as mesmas habilidades que a gente

26:37sempre precisou na área de programação, como, por exemplo, a prática e a fluência com o teclado e com o computador como um todo. Não é qualquer pessoa aí que não tem prática e fluência em utilizar uma máquina que vai conseguir manusear vários agentes ao mesmo tempo, assim como não era qualquer pessoa que conseguia escrever código de forma rápida e eficiente numa IDE um ano atrás. Então é isso, as habilidades por trás de tudo ainda são as mesmas. Os conceitos fundamentais que você tem que aprender ainda são os mesmos. Então continua firme aí nos seus estudos que a criação de software vai continuar sendo relevante, cara, por muito tempo. Só tá mudando a forma que a gente faz isso.

27:13Então é isso. Se você gostou desse vídeo, deixa seu like, se inscreve no canal, deixa um comentário pra gente conversar. Eu espero que esse vídeo tenha trazido boas informações valiosas para você e pra sua carreira. Então é isso, muito obrigado e até o próximo vídeo.