Um Fluxo de Desenvolvimento TDD Usando Agentes de IA para Projetos de Website

Fluxo de Trabalho de Desenvolvimento com Agentes de IA

Um desenvolvedor descreve sua abordagem para o desenvolvimento de sites usando agentes de IA para codificação com uma metodologia de desenvolvimento orientado a testes. Eles usam tanto o Claude Code para projetos de trabalho quanto modelos locais para projetos privados, especificamente o Qwen Code sobre o Qwen3.5-27B executado no llama.cpp com 2 GPUs RTX 3090.

Configuração Inicial do Projeto

No início de um projeto, eles implementam módulos básicos:

• Esquema básico do banco de dados
• API básica de autenticação
• Roteamento da interface do usuário
• Layout básico da interface do usuário
• API básica (administradores e usuários)
• Testes básicos de API/E2E (escritos manualmente ou por IA)
• Arquivos de contexto para agentes de codificação (AGENTS.md, CLAUDE.md)

Processo Iterativo de Desenvolvimento

Após a configuração, o processo iterativo começa:

1. Escrever especificações detalhadas dos testes de API/E2E em markdown para uma funcionalidade
2. Gerar testes de API/E2E a partir das descrições de teste em markdown
3. Iniciar sessão do agente de codificação com capacidade de executar testes
4. Solicitar ao agente que implemente a funcionalidade até que os testes passem

Capacidades e Compensações dos Modelos

O desenvolvedor observa que modelos mais capazes como o Claude permitem pular completamente os arquivos markdown para sites simples, enquanto o Qwen3.5-27B tem limiares diferentes. Modelos menos capazes exigem instruções mais específicas para mitigar modos de falha, incluindo bloquear lógica instruindo para não tocar em certos arquivos ou usar apenas wrappers específicos.

Eles hipotetizam que os desenvolvedores não devem se obcecar com padrões de código e qualidade se o código for coberto por testes e funcionar, comparando agentes de IA a gerenciar 10-100 desenvolvedores juniores/intermediários ao custo de uma assinatura de IA.

Especificidades do Modelo Local

Para modelos locais executados em 2xRTX3090, eles usam Qwen3.5-27B-GGUF-Q8_0 com paralelo = 1 e contexto completo, acreditando que isso é importante para sessões agentivas não serem compactadas automaticamente cedo demais. Eles observam que modelos menos inteligentes forçam uma articulação mais clara dos testes E2E e da implementação desejada, enquanto o Claude preenche escolhas de design automaticamente, mas pode levar à perda de controle.

Implementação do Loop TDD de Codificação

O desenvolvedor fornece um rascunho de seu loop TDD de codificação:

o loop externo começa: executar todos os testes pytest usando o comando `pytest tests/ -x` e sairá se não houver falhas; o nível de log padrão será warning, então não há muita saída lá
se tudo passar; sair do loop externo; se algo falhou, extrai o nome do teste que falhou
executa o nome do teste que falhou com logs completos, como `pytest tests/../test_first_failing_test.py --log-level DEBUG` e coleta a saída dos testes no arquivo
extrai linhas próximas às strings 'error'/'fail' com `egrep -i -C 10 '(error|fail)' <fail

Esta abordagem representa uma implementação prática do TDD com agentes de IA, equilibrando automação com a supervisão necessária para manter o controle da base de código.