Como comandar 30 agentes de IA: Aumentando a produtividade na codificação em 10 vezes com Gastown

A era de simplesmente fazer perguntas a um chatbot e esperar por uma resposta acabou. Embora o Claude Code ou o GitHub Copilot sejam assistentes excelentes, eles são muito lentos e lineares para modificar sistemas corporativos onde centenas de arquivos estão interconectados. Confiar tudo a uma única IA, que perde o contexto e se perde à medida que a sessão se alonga, agora é apenas um gargalo na produtividade.

Agora é a era da orquestração de agentes. O projeto de código aberto Gastown, proposto por Steve Yegge, visa um sistema de "fábrica de codificação" que opera mais de 30 agentes de IA simultaneamente para decompor funções e construir em paralelo. Você não deve mais ser apenas um codificador, mas um orquestrador comandando uma legião de IAs.

Arquitetura Gastown: Resultados perfeitos a partir de trabalhadores não confiáveis

O Gastown não é apenas um wrapper de IA. Ele adota princípios de computação distribuída para resolver a instabilidade de agentes individuais através da estrutura do sistema. A chave é separar claramente as funções e dividir as tarefas em unidades atômicas.

• Prefeito (Mayor): O coordenador central de todo o sistema. Ele analisa os objetivos do desenvolvedor e os decompõe em pequenas unidades de trabalho chamadas beads.
• Bead: Dados de problemas permanentes com backup em Git. É o dispositivo essencial que preserva o histórico de trabalho mesmo se uma sessão de agente falhar.
• Polecat: Trabalhadores temporários que realmente modificam o código em uma árvore de trabalho Git independente. Eles desaparecem imediatamente após a conclusão da tarefa para evitar conflitos de código.

O ponto central desta estrutura é escapar do Vibe Coding (codificação baseada no "feeling"). O Gastown bloqueia fisicamente os agentes de fazerem commits diretos no branch principal através de um sistema de hooks PreToolUse. Todo o código é escrito em branches de recursos separados e só é integrado após passar pela rigorosa verificação de testes do Refinery.

Estratégia de implantação de agentes por tamanho de projeto

Alocar dezenas de pessoas para cada tarefa é um desperdício de custos de API. O poder de fogo deve ser distribuído adequadamente de acordo com a complexidade do trabalho.

Tamanho do Projeto	Configuração de Agentes	Estratégia Principal de Utilização
Pequeno porte (Correção de bugs)	1 Prefeito + 1~2 Polecats	Focar em instruções e revisão de resultados em vez de codificação direta
Médio porte (Nova API)	1 Prefeito + 5~10 Polecats	Progresso paralelo de tarefas de front-end e back-end
Grande porte (Mudança de arquitetura)	1 Prefeito + 20~30 Polecats	Implantar agentes Witness para resolver gargalos em tempo real

Ao executar 30 agentes em uma tarefa de migração de grande escala, o trabalho que levaria 6 horas manualmente é reduzido para cerca de 20 minutos. No entanto, isso pressupõe a otimização da alocação de modelos. Atribua modelos de alto desempenho, como o Claude 3.5 Sonnet, ao Prefeito responsável pelo design, e coloque modelos com melhor custo-benefício, como o Gemini, para os Polecats que realizam implementações simples ou testes, maximizando a eficiência de custos.

Aplicação Prática: Guia para Construção de Sistema de Autenticação JWT

Suponhamos que estejamos adicionando autenticação JWT a uma aplicação baseada em Go. O processo de mover a legião com uma única linha de comando é o seguinte:

1. Acesso ao Prefeito: Inicie a sessão com o comando gt mayor attach.
2. Definição de Objetivos: "Construa um sistema JWT no projeto Go. Inclua alterações no esquema do banco de dados, API de login, middleware e testes de integração."
3. Orquestração: "Não escreva o código diretamente; decomponha as tarefas e delegue-as aos Polecats. Realize revisões com o Refinery."
4. Monitoramento: Verifique o progresso de cada agente em tempo real com gt convoy list.
5. Revisão: Após verificar o resultado final mesclado pelo Refinery com gt status, aprove-o.

Se não estiver funcionando corretamente, você deve verificar o ambiente primeiro. É essencial confirmar se a versão do Dolt é 1.82.4 ou superior. Versões mais antigas causam erros de sincronização do banco de dados Git, provocando conflitos de trabalho entre agentes. Além disso, se houver problemas na execução do daemon, confirme se o tmux -V é versão 3.0 ou superior e execute gt doctor --fix para inicializar o ambiente.

O novo papel do Engenheiro Sênior: Arquiteto de Sistemas

Operar 30 agentes de IA simultaneamente significa que você não precisa mais digitar. Agora, a verdadeira habilidade de um engenheiro reside na precisão com que ele registra as decisões de arquitetura em documentos de diretrizes como o CLAUDE.md.

Os agentes são assistentes maravilhosos, mas se não forem gerenciados adequadamente, são como chimpanzés superinteligentes que paralisam o sistema. Certifique-se de operá-los em um Rig experimental separado e defina limites de custo de API. Para reduzir a fadiga de revisar dezenas de PRs individualmente, implante agentes adicionais no papel de "Xerife de PR" para filtrar erros de sintaxe e falhas em testes em uma primeira etapa. Sua fábrica de software agora está pronta para operar.