Do prompt à Era Maestro — seu primeiro projeto verificável
Este livro mostra como o trabalho com IA evoluiu de pedidos isolados para ambientes de engenharia verificáveis. A progressão não apaga o que veio antes: prompt , contexto, ferramentas, skills , agentes, harness e evals resolvem problemas diferentes. Depois de construir esse mapa, o leitor transforma uma ideia em uma primeira fatia funcional, escolhe um fluxo proporcional à complexidade e instala um kit de documentos curtos que torna o projeto compreensível para pessoas e agentes. O resultado não é “um superprompt”. É um sistema de trabalho no qual objetivo, autoridade, prova e condição de parada ficam explícitos antes da execução.
Ao terminar, você deverá conseguir
- distinguir as camadas acumuladas do desenvolvimento com IA
- iniciar um projeto com documentos mínimos e evidências
- escolher um fluxo S0 a S3
- operar o kit comum sem transformar AGENTS.md em enciclopédia
Do prompt à Era Maestro — camadas que se acumulam
A evolução do desenvolvimento com IA não é uma fila de modas em que agentes eliminam prompts. Cada etapa acrescenta uma capacidade e uma responsabilidade: contexto, recuperação, ferramentas, procedimentos reutilizáveis, ciclos de ação, protocolos, controles, avaliações e observabilidade. O capítulo separa modelo, produto, workflow, agente, skill, MCP, harness e eval; mostra quando uma camada simples basta e quando autonomia pode ser justificada. A metáfora da Era Maestro descreve o papel humano de projetar objetivos, autoridade, evidência e feedback, sem fingir que programação, prompts ou revisão deixaram de importar.
Seu primeiro projeto — da ideia à primeira fatia verificável
Um primeiro projeto bem escolhido não tenta construir uma plataforma inteira nem pressupõe que o leitor já conheça agentes e frameworks. Ele transforma uma dor concreta em uma fatia vertical pequena, define quem a usa, qual resultado é observável, quais riscos importam e como provar o funcionamento antes de ampliar o escopo. Um caso de manutenção acompanha problema, jornada, critério, protótipo e implementação. Ao final, o leitor consegue preparar uma entrega ponta a ponta, escolher tecnologia a partir de restrições e distinguir uma demonstração promissora de evidência suficiente.
Agentic Quality Loop — construir, provar, julgar e aprender
O Agentic Quality Loop separa especificação, preparação da avaliação, construção e julgamento sem transformar toda tarefa em uma fábrica multiagente. O fluxo cresce de S0 a S3 conforme complexidade e risco, prepara a prova antes da implementação, prefere checks determinísticos e reserva julgamento para critérios subjetivos. O capítulo preserva PASS, FAIL, UNVERIFIED e BLOCKED; limita rodadas, orçamento e autoridade; e transforma falhas relevantes em regressões permanentes. O objetivo é produzir confiança proporcional ao risco, não aumentar a quantidade de agentes ou continuar até que o crédito termine.
Kit operacional — contexto vivo sem superprompt
O kit comum divide conhecimento por responsabilidade para que pessoas e agentes encontrem a decisão autorizada sem carregar todo o repositório. AGENTS.md aponta caminhos; produto, arquitetura, dados, segurança, testes, avaliações, release, operação e handoff possuem fontes de verdade próprias. O capítulo ensina a auditar antes de instalar, preencher somente o necessário, classificar conhecimento, validar o manifesto e produzir handoffs com estado vivo. Também mostra quando uma descoberta deve virar ADR, skill, teste ou documentação e como evitar arquivos gigantes, duplicação e memória desgovernada.