Programar com IA sem perder qualidade

Uso assistentes de IA para programar há mais de dois anos, e a conclusão é clara: a ferramenta é excelente, mas é o workflow que decide se o resultado é bom ou mau. O mesmo modelo, com dois workflows diferentes, produz código utilizável ou dívida técnica. Eis o meu, refinado à força de erros.

Tudo começa com contexto, antes de qualquer código. Um prompt vago gera código vago. Dou sempre o objetivo, as restrições — framework, versão, padrões do projeto — e exemplos do código existente. Quanto melhor o contexto, menos iterações depois. É o passo que mais tempo poupa e o que quase toda a gente salta.

A seguir vem a desconfiança por defeito. A IA inventa APIs que não existem, usa versões depreciadas e ignora edge cases — com toda a confiança do mundo. Por isso tudo o que ela gera passa por três filtros: compila e corre? Os testes passam, incluindo um teste novo que eu escrevo para o caso traiçoeiro? E eu percebo cada linha?

Por fim, iteração guiada em vez de regeneração cega. Quando o resultado falha, explico o erro e peço a correção cirúrgica — não peço tudo de novo para ver se desta vez sai bem. E documento as decisões importantes em comentários: o "eu futuro" e a equipa agradecem quando a explicação está no código e não na conversa com o chat.

No fundo, trato a IA como um estagiário brilhante e muito rápido: dou-lhe trabalho bem descrito, reviso tudo o que ele faz e assumo a responsabilidade pelo que entra no repositório.