Engenharia de Loop: Três Loops Chave para Construir Ótimo Software

Queridos amigos,

“Engenharia de loop” é uma frase da moda depois que as menções a ela por Boris Cherny (criador de Claude Code) e Peter Steinberger (criador de OpenClaw) se tornaram virais nas redes sociais. Os loops são agora uma parte fundamental de como fazemos com que os agentes de IA façam longas iterações para construir software. Nesta carta, gostaria de compartilhar meus 3 key loops, mostrados na imagem abaixo, para construir produtos 0 para 1. Esses loops orientam não apenas como desenvolvo software, mas também como decido qual software construir.

Loop de codificação do agente: Dada uma especificação de produto e, opcionalmente, um conjunto de avaliações (ou seja, um conjunto de dados contra o qual medir o desempenho), podemos fazer com que um agente de IA escreva código, teste seu trabalho e continue iterando até que o código esteja livre de erros e atenda às suas especificações. Esta ideia de fechar o ciclo decolou no final do ano passado e tem sido um divisor de águas ao permitir que os agentes de codificação trabalhem de forma produtiva por mais tempo sem intervenção humana. Por exemplo, no fim de semana, eu estava criando um aplicativo para minha filha praticar digitação, e meu agente de codificação poderia trabalhar facilmente por cerca de uma hora, usando um navegador da Web para verificar o que havia criado várias vezes antes de me responder, sem precisar da minha intervenção.

O ciclo de engenharia é executado rapidamente. A cada poucos minutos, o agente de codificação pode construir e testar uma nova versão do software. Ouço frequentemente desenvolvedores que estão encontrando novas maneiras de criar loops de engenharia mais eficazes. Esta é uma área ativa de invenção!

Ciclo de feedback do desenvolvedor: Nesse ciclo, um desenvolvedor examina o produto atual e orienta o agente de codificação para melhorá-lo. No ano passado, muitos desenvolvedores (inclusive eu) atuaram como função de controle de qualidade (garantia de qualidade) para nossos agentes de codificação, encontrando bugs manualmente e depois pedindo ao agente para corrigi-los. Mas com os agentes de codificação muito mais capazes de testar seu próprio código, a quantidade de tempo que precisamos gastar nessa função diminuiu significativamente. Isso nos permite tomar decisões de produto de nível mais alto, como quais recursos principais oferecer, onde a IU precisa de melhorias e assim por diante.

O ciclo de feedback do desenvolvedor opera em intervalos de tempo entre dezenas de minutos e horas — essa é a frequência com que um desenvolvedor pode avaliar um produto e fornecer feedback. No caso do aplicativo de digitação, mudei de ideia algumas vezes sobre o design visual, quais fantasias de gato ela pode desbloquear enquanto aprende (ela adora gatos) e o fluxo de usuário para um adulto fazer login e orientar a experiência de aprendizagem da criança.

Quando um desenvolvedor tem uma visão clara sobre o que construir, ainda é muito trabalhoso traduzir essa visão em uma especificação para um agente de codificação implementar. Além disso, depois que o desenvolvedor tiver visto uma implementação, ele poderá atualizar (ou talvez esclarecer) a especificação para orientá-la na direção que deseja. Se você descobrir que o sistema enfrenta determinados problemas repetidamente, será útil criar um conjunto de avaliações para o agente.

As equipes nativas de IA estão usando cada vez mais a IA para ajudar a moldar a direção do produto, por exemplo, automatizando a coleta e análise de dados de uso, resumindo comentários escritos e verbais dos clientes ou realizando análises competitivas. No entanto, para praticamente todos os produtos em que estou envolvido, vejo que os humanos têm uma vantagem contextual significativa sobre os sistemas de IA atuais – sabemos muito mais do que o sistema de IA sobre os utilizadores e o contexto em que o produto tem de operar – e, portanto, os humanos desempenham um papel crítico. Muitas pessoas descrevem esta contribuição humana como “gosto”, mas prefiro pensar nela como se os seres humanos tivessem uma vantagem contextual, uma vez que isso nos dá um caminho mais claro para ajudar os sistemas de IA a melhorar. Isso também explica por que essa etapa não pode ser automatizada: contanto que o ser humano saiba algo que a IA não sabe, é necessário que o ser humano esteja no circuito para injetar esse conhecimento no sistema.

Ciclo de feedback externo: Isso inclui uma ampla variedade de táticas, como pedir feedback a alguns amigos, lançar para testadores alfa ou colocar o código em produção com testes A/B. Essas táticas geralmente são lentas, raramente levam menos de horas e às vezes levam dias ou até semanas. Esses dados informam a visão do desenvolvedor, que por sua vez continua a orientar as especificações detalhadas do produto, que por sua vez orienta o agente de codificação.

Com os agentes de codificação acelerando o desenvolvimento de software, mais engenheiros estão começando a desempenhar uma função parcial de gerenciamento de produtos. Para muitos engenheiros que estão crescendo nesta função, a parte mais difícil é moldar a visão do produto e encontrar um equilíbrio entre a construção (preenchendo a lacuna entre a visão e as especificações) e obter feedback do usuário para desenvolver a visão. É importante fazer as duas coisas!

Escreverei mais sobre como fazer isso em cartas futuras, mas, por enquanto, acho encorajador que os engenheiros estejam desempenhando um papel ampliado (assim como os gerentes de produto e designers agora fazem mais engenharia).

Continue construindo!

André