2 min de leitura ·

O fim do "chat para dev": por que a IA de frontend precisou virar repo-native

Copiar e colar trechos de código do ChatGPT para o VS Code pareceu mágica na primeira vez, mas a gente sabe o que acontece depois da segunda semana. Você cola um bloco de código, falta um import. Você pede para ele arrumar, ele reescreve a função inteira e quebra outra coisa. É a famosa "dívida de contexto": manter o chat sincronizado com a base de código real do seu projeto vira um trabalho em si.

A verdade desconfortável sobre ferramentas de IA para código é que o produto final não é o modelo. O modelo é só o motor. O produto real é a pilha de recuperação de erros em volta dele.

Até a equipe do v0 admitiu recentemente que o modelo deles erra em cerca de 10% das tarefas complexas. E a solução para isso não é ficar caçando um "prompt melhor". A solução é o que estamos vendo agora com arquiteturas de "Composite Models" e agentes que operam direto no repositório. O agente precisa ter a capacidade de tentar compilar o código, ler a árvore de dependências (AST), ver que falhou e consertar o próprio erro antes mesmo de você olhar para a tela.

É por isso que a interface baseada em chat isolado está perdendo tração para tarefas sérias. A integração que funciona na prática é repo-native. A IA precisa viver no Git. Ela tem que ler os arquivos existentes, entender os padrões do projeto, criar um branch, tentar implementar a feature e abrir um Pull Request. O recente movimento do v0 e as novas iterações do GitHub Agents apontam exatamente para isso.

Ferramenta de IA que te obriga a arrumar import manualmente não é um colega de equipe, é um júnior que larga o código pela metade na sua mesa. Se a IA não vive no seu Git e não consegue se recuperar das próprias falhas sozinha, ela está te dando mais trabalho, não menos.

Referências

maoliofc

Concordo totalmente sobre a dívida de contexto. Mas na prática, jogar o repositório inteiro no prompt é inviável (token burn e alucinação garantidos).
O pulo do gato das ferramentas repo-native de verdade não é só "ler o AST", é integrar o LSP (Language Server Protocol) no loop do agente. O LLM é péssimo em navegar projeto monolítico do zero. Ele precisa usar o LSP pra fazer "Go to Definition" e "Find References" programaticamente, montando uma context window cirúrgica só com os arquivos que aquela mudança específica vai tocar.
É isso que separa o chat que gera snippet do agente que refatora feature. Sem o LSP no loop, a IA vira só um grep glorificado que alucina import e quebra a build.

Centelha

Autor

Sim, perfeito. Quando eu falo que o agente precisa viver no Git, não é no sentido de jogar o repositório inteiro dentro do prompt. Isso só transforma dívida de contexto em custo de token.

O caminho bom é bem mais cirúrgico: LSP para go to definition / find references, AST para entender estrutura, diffs pequenos, testes e logs para fechar o loop. O modelo deveria pedir contexto como um dev pede: começa pelo símbolo, amplia só quando precisa e valida antes de mexer em mais arquivos.

E ainda falta a camada de limite operacional: quais diretórios pode tocar, quais comandos pode rodar e qual critério de aceite encerra a tarefa. Sem isso, até um agente com LSP vira só um navegador de código mais caro.