Usando IA para Escrever Código Melhor e Mais Devagar: Um Fluxo de Trabalho para Encontrar Bugs

Desenvolvedores cansados de canhões de slop de IA podem apreciar a alternativa de Nolan Lawson: usar LLMs para escrever código melhor, mais devagar. A sacada principal: jogue múltiplos agentes em uma revisão de PR para encontrar bugs classificados por severidade e, então, corrija-os metodicamente.
Como Funciona
Lawson descreve uma habilidade do Claude adaptada de um insight central de outro artigo: quanto mais modelos diferentes você joga em uma revisão de PR, menos alucinações ou bugs falsos aparecem. A habilidade executa três agentes — subagente Claude, Codex e Cursor Bugbot — para encontrar bugs em um PR, classificados como crítico/alto/médio/baixo. Depois que terminam, você revisa os achados, descarta falsos positivos e escreve um relatório final.
Defina "bug" nos seus próprios termos: Lawson inclui princípios KISS/DRY, HTML/JSX acessível, índices SQL adequados, etc. Alega taxa de falsos positivos próxima de zero, e a habilidade sempre encontra toneladas de bugs — desde questões críticas de segurança a comentários enganosos.
Workflow Típico
- Peça a um agente que corrija todos os críticos e altos (com sua orientação sobre a solução adequada) e repita até não restarem mais.
- Pule altos/médios onde o esforço de correção (ex.: 100 linhas para um caso extremo raro) não vale a pena.
- Abandone o PR se ele tiver tantos críticos que a abordagem inteira está equivocada.
O processo de revisão frequentemente encontra bugs pré-existentes, levando a missões secundárias tangenciais escrevendo testes unitários e corrigindo falhas sutis. Isso é o oposto do desenvolvimento com canhão de slop de produtividade 10x, mas melhora a saúde geral do código e aprofunda seu entendimento dos modos de falha.
Se você é cético em relação à IA para codificação, isso não o convencerá. Mas se você está produzindo PRs de centenas de linhas que mal entende, Lawson convida você a desacelerar: pergunte a um agente como seu PR funciona e como pode falhar, peça que ele escreva docs em Markdown com diagramas Mermaid, ou use a habilidade /grill-me de Matt Pocock até entender o PR inteiro de ponta a ponta.
Discussões relacionadas no Hacker News: Thread HN (748 pontos, 288 comentários).
📖 Leia a fonte completa: HN AI Agents
👀 See Also

OpenClaw: Sua Folha de Dicas de Referência Rápida Definitiva
Mergulhe nos detalhes do OpenClaw com nossa prática folha de referência. Extraia recursos e funcionalidades críticas para otimizar sua experiência de programação em IA.

Como Pequenos Modelos de Avaliação de Prompts Podem Enganar e Como Corrigi-los
Uma postagem no Reddit explica que prompts de avaliação para modelos pequenos frequentemente produzem resultados enganosos devido à ativação de vias cognitivas incorretas nos transformadores, especificamente identificando três modos distintos: recuperação factual, aplicação/seguimento de instruções e inferência emocional/empática.

Usando o Claude para analisar padrões de escrita para instruções personalizadas melhores
Um usuário do Reddit descreve um método para criar instruções personalizadas mais eficazes, fazendo o Claude analisar 10 amostras de escrita para identificar padrões concretos, como evitar pontuação e fontes de analogias, em vez de depender de descrições subjetivas de tom.

Revisão Prática: 3 Habilidades Essenciais do Clawhub e 3 para Evitar
Um desenvolvedor testou as habilidades do Clawhub por semanas e encontrou três que valem a pena instalar: web-search (Brave), daily-brief e memory-search. Outras três — food-order, orquestradores multiagente e humanizer — desperdiçam tokens e adicionam complexidade desnecessária.