Codificação agencial, explicada: de autocompletar para agentes autônomos

Quatro anos atrás, 'codificação com IA' significava autocompletar: um modelo adivinhava a próxima linha de código baseada no contexto do cursor. Agora significa algo muito maior. Ferramentas de codificação agencial planejam mudanças multi-arquivo, rodam testes, leem logs, chamam APIs, escrevem pull requests e decidem quando parar e te fazer uma pergunta. A lacuna entre as duas categorias é maior do que a maioria dos desenvolvedores percebe.

Autocomplete vs agente: a versão curta

Autocomplete é reativo. Ele espera pelo seu cursor, prevê e para. Um agente é proativo. Você dá a ele uma meta ('refatore este módulo para usar o novo padrão de auth, rode os testes, abra um PR'), e ele decompõe isso em passos, executa cada um, verifica seu próprio trabalho e relata de volta. Os mesmos modelos subjacentes podem fazer ambos — a diferença está em como a ferramenta os envolve.

O que torna uma ferramenta 'agencial' é um loop: planejar, agir, observar, decidir. Em cada turno o agente escolhe uma ferramenta (ler um arquivo, escrever um arquivo, rodar um teste, buscar na web, perguntar a você), executa, olha o resultado e decide o que fazer a seguir. Sessenta chamadas de ferramenta para fechar um ticket é normal.

Por que um modelo não serve para todo pedido

Um bom agente não trata todo pedido como o mesmo tipo de problema. 'Corrija este erro de digitação' não é a mesma forma que 'audite a camada de auth para vazamento de token'. Eles querem modelos diferentes, ferramentas diferentes e quantidades diferentes de cautela.

O Ava Supernova lida com isso com sete modos — estados de pensamento, não skins de UI. Cada modo tem uma mentalidade diferente, uma paleta de ferramentas diferente e, em muitos casos, diferentes personas especializadas rodando por baixo.

• Trabalho — mentalidade de construtor, a paleta completa de ferramentas de mais de 120, escreve código e entrega.
• Plano — mentalidade de arquiteto, somente leitura, pensa antes de tocar em qualquer coisa.
• Chat — mentalidade de amigo, para a metade não codificadora do seu cérebro (memória, diário, clima, notícias).
• Ensinar — mentalidade de tutor, cinco especialistas que criam um currículo, escrevem conteúdo, verificam fatos, fazem quizzes e orientam.
• Segurança — mentalidade de auditor, reconhecimento + scanner + pesquisador CVE + verificador + relator.
• Brainstorm — mentalidade de ideação, cinco especialistas que exploram, pesquisam, geram ideias, as desafiam e refinam.

O que "memória" significa para um agente

Ferramentas de autocompletar são sem estado — cada solicitação começa do zero. Agentes precisam de memória para fazer trabalho real ao longo de semanas e meses. Sem ela, você reexplica o projeto a cada sessão. A Ava usa uma memória de 5 camadas (extrair, refletir, acumular, analisar, consolidar) que constrói o que importa sobre você, seus projetos, suas preferências e os feedbacks que você deu.

Como começar a pensar de forma agêntica

Se você tem usado autocompletar e quer evoluir para trabalho no estilo agente, a mudança é menos sobre engenharia de prompt e mais sobre enquadramento da tarefa. Em vez de "escreva uma função que faz X", tente "aqui está uma meta e as restrições, decida como chegar lá e me avise se bater num muro". Bons agentes transformam isso em um plano, mostram o obstáculo antes que desperdice uma hora de computação e ganham sua confiança ao longo do tempo.

O atrito de pedir gradativamente mais confiança conforme o agente acumula memória. No início ele verificará mais; à medida que seu feedback chega, ele pergunta menos. Ações de alto risco nunca graduam — o agente sempre pausa antes de movimentos destrutivos.

Codificação agêntica não é um autocompletar maior. É um relacionamento diferente com suas ferramentas — mais próximo de um colega de equipe do que de uma macro de teclado. As ferramentas que entenderem isso primeiro vão remodelar como o software é construído.