Transcript
00:00:00Eu me deparei com este post de Peter Steinberger,
00:00:02o criador do OpenClaw, é claro, ontem no X,
00:00:06onde ele escreveu: “Aqui vai o seu lembrete mensal
00:00:09de que você não deveria mais estar fazendo prompts para agentes de codificação.
00:00:12Você deveria estar projetando loops que fazem prompts para seus agentes.”
00:00:17E, nossa, eu tenho algumas reflexões sobre isso.
00:00:21Então, agora é “engenharia de loop”, certo?
00:00:23Não acho que seja um termo oficial ainda,
00:00:26mas vamos ver se será.
00:00:27E, claro, viemos de um passado
00:00:29onde tínhamos a engenharia de prompt.
00:00:31Então, partes da indústria decidiram
00:00:33que isso deveria ser reformulado ou renomeado
00:00:37como engenharia de contexto, o que sempre foi estúpido
00:00:39porque no fim das contas é a mesma coisa,
00:00:41porque sempre foi sobre garantir
00:00:43que o modelo tenha o contexto correto.
00:00:45Essa também era toda a ideia por trás da engenharia de prompt,
00:00:48porque, sim, obviamente o contexto certo importa,
00:00:51importou, ainda importa e continuará importando,
00:00:54porque se você quiser ter melhores chances
00:00:57de obter bons resultados dos LLMs,
00:00:59você precisa dar a eles o contexto correto.
00:01:02Você tem uma chance melhor, então, sem garantias.
00:01:05Mesmo com o contexto certo, erros são possíveis.
00:01:07Simplesmente não estamos obtendo o que você procurava.
00:01:10Tudo isso é possível porque ainda é
00:01:12um sistema não determinístico, uma ferramenta não determinística.
00:01:15Mas se você quer ter uma chance de obter bons resultados,
00:01:18e você definitivamente pode obter bons resultados,
00:01:20então fornecer o contexto correto é importante.
00:01:23Agora, por volta da transição de 2025 para 2026 e, é claro,
00:01:28ao longo deste ano, vimos a ascensão da decodificação de agentes
00:01:32já que ferramentas como CloudCode e Codex combinadas com os modelos
00:01:36que são usados dentro deles, que foram fortemente ajustados
00:01:39e otimizados para seguir instruções e tarefas de codificação,
00:01:42essas ferramentas com os modelos nos mostraram que, sim,
00:01:45você pode realmente usar esses modelos de IA, LLMs, para tarefas de codificação
00:01:51e realizar coisas com eles como assistentes.
00:01:55Pelo menos essa ainda é a minha visão e a minha experiência.
00:01:58E eu tenho usado muito esses modelos e essas ferramentas,
00:02:02brincando com eles praticamente todos os dias,
00:02:05usando-os todos os dias e não apenas brincando,
00:02:07usando-os também para projetos sérios.
00:02:10E, claro, é por isso que criei cursos
00:02:12sobre CloudCode e Codex, onde me aprofundo um pouco mais
00:02:15e compartilho meus aprendizados e como usar essas ferramentas.
00:02:17E essas ferramentas são assistentes úteis,
00:02:21mas elas ainda não são aquelas substitutas
00:02:25de desenvolvedores.
00:02:28E, como compartilhei em muitos outros episódios,
00:02:31provavelmente também não num futuro próximo.
00:02:33Mesmo assim, é claro, a Anthropic e a OpenAI,
00:02:36adicionaram comandos extras a essas ferramentas
00:02:41como o comando /goal no Codex
00:02:43ou o comando /loop no CloudCode,
00:02:46onde a ideia é que você pode especificar um objetivo específico,
00:02:51uma tarefa talvez mais complexa,
00:02:53com esse comando adicionado na frente dela.
00:02:56E a ferramenta, Codex, CloudCode com o modelo,
00:03:00continuará funcionando e continuará se re-promptando
00:03:03até que essa tarefa seja concluída.
00:03:06E é praticamente apenas o loop RALF de novo.
00:03:09Lembre-se do loop RALF no início de 2026,
00:03:13tivemos aquele hype em torno do loop RALF,
00:03:16onde algumas pessoas simplesmente te venderam que você só precisa de uma detalhada,
00:03:19lista passo a passo de tarefas que precisam ser concluídas
00:03:24para alcançar um certo objetivo, construir um certo recurso,
00:03:27e então você poderia usar uma extensão
00:03:28para manter o CloudCode e o Codex funcionando
00:03:33e então seguir trabalhando nessa lista.
00:03:34E embora já tivéssemos o loop RALF lá em janeiro,
00:03:38e algumas pessoas te venderam isso como a solução
00:03:41para construir software autonomamente,
00:03:44onde está todo esse software?
00:03:46Onde está todo esse software, esse software incrível e sem erros?
00:03:50Por que o CloudCode ainda está oscilando?
00:03:54Sim.
00:03:55De qualquer forma, tivemos o loop RALF naquela época.
00:03:58Agora está de volta aqui, oficialmente integrado ao CloudCode e ao Codex.
00:04:03E agora estamos falando sobre engenharia de loop
00:04:05ou projetar seus loops que fazem prompts para seus agentes.
00:04:10E, claro, isso é algo fácil de dizer
00:04:12para alguém que trabalha para a OpenAI, no fim das contas,
00:04:17por causa de tokens ilimitados,
00:04:20porque acontece que isso, esses loops, esses comandos,
00:04:23eles podem consumir muitos tokens.
00:04:27O problema é que você tem a mesma natureza probabilística
00:04:33de todo o sistema.
00:04:34E acho que uma coisa que é frequentemente negligenciada
00:04:38é que, de fato, minha experiência tem sido
00:04:40que esses modelos de IA e/ou essas ferramentas
00:04:43e os modelos combinados, é realmente ambos.
00:04:46Eles são, de fato, muito bons em continuar funcionando
00:04:50até que um certo objetivo seja alcançado.
00:04:52Quero dizer, um pequeno exemplo que tive há algumas semanas ou meses agora
00:04:59é que eu tinha alguns documentos PDF
00:05:01que eu precisava combinar em um,
00:05:03que combinados não devem ser maiores que cinco megabytes,
00:05:06mas cada documento individual já tinha tipo seis megabytes
00:05:08porque eles contêm digitalizações.
00:05:10Então eu apenas joguei meu agente de codificação, acho que o Codex, na tarefa,
00:05:14e ele continuou, continuou escrevendo alguns programinhas e coisas,
00:05:17até que ele realmente alcançou isso.
00:05:19E, obviamente, essa pode não ser uma tarefa super complexa.
00:05:22O ponto apenas é, de fato, esses modelos,
00:05:25se eles conseguem verificar um resultado, eles são bastante decentes em alcançar um objetivo,
00:05:30em alcançar uma certa tarefa.
00:05:32Eles apenas continuam e tentam maneiras diferentes de chegar lá.
00:05:36O problema é que não é necessariamente assim que um bom software está sendo construído.
00:05:41É uma coisa apenas conseguir terminar algo, apenas encontrar uma maneira de fazer algo.
00:05:48Isso pode ser suficiente para certos casos de uso.
00:05:51Se estamos falando de software, software que deve ser distribuído,
00:05:54que deve ser evoluído e mantido,
00:05:57não é uma boa estratégia apenas encontrar uma maneira de chegar lá
00:06:02porque essa única maneira pode resolver uma coisa neste momento.
00:06:08Pode quebrar no futuro.
00:06:09Pode quebrar para uma entrada ligeiramente diferente.
00:06:11Pode conter muitos bugs ou problemas de segurança.
00:06:15Pode falhar por tantos motivos, por tantas outras situações.
00:06:20Pode ter um desempenho ruim.
00:06:22E tudo isso, novamente, pode não importar
00:06:24se você está apenas tentando fazer uma coisa agora.
00:06:28Mas isso é, novamente, não o que software, em geral,
00:06:31se estamos falando de software como um produto, pelo menos, é sobre.
00:06:35Então, há razões pelas quais aprendemos como desenvolvedores
00:06:41que certos padrões, práticas e abordagens fazem sentido
00:06:45porque são mais fáceis de adaptar, fáceis de entender, fáceis de ajustar.
00:06:51Simplesmente mais limpo, não apenas pela limpeza em si,
00:06:55mas pela extensibilidade, manutenibilidade, desempenho, segurança,
00:07:00e pela compreensão.
00:07:02E mesmo que você não se importe mais em entender o código,
00:07:06porque você diria que a IA só precisa entendê-lo, não um humano,
00:07:10o que é toda uma visão realmente, realmente ruim,
00:07:14porque obviamente modelos de IA têm janelas de contexto limitadas e tudo mais.
00:07:17Mas mesmo assim, se essa é sua visão sobre a compreensibilidade,
00:07:21as outras partes ainda importam.
00:07:23E, sim, não acho que haja mais nada a dizer sobre isso.
00:07:29Eu realmente odeio o momento atual em que temos todos esses irritantes,
00:07:37termos estúpidos surgindo o tempo todo.
00:07:39E então temos pessoas tentando te vender produtos e cursos e coisas disso.
00:07:45E eu vendo cursos também.
00:07:47Eu apenas não vendo e não vou te vender um curso sobre engenharia de loop ou qualquer coisa do tipo.
00:07:52Mas, sim, aqui estamos.
00:07:54Tenho certeza de que em algum momento superaremos isso.
00:07:58E podemos usar esses agentes de codificação pelo que eles são: assistentes úteis.
00:08:03Mas agora ainda estamos presos aqui.
00:08:05E estou animado para ver o que virá a seguir após a engenharia de loop.
Community Posts
No posts yet. Be the first to write about this video!
Write about this video