um guia para otimizar a forma como implementa sistemas complexos.
Retirado do Twitter/X de Pedro https://x.com/ayrondev_
Já trabalho com IA há alguns anos, tanto criando produtos quanto usando para escrever código.
Hoje resolvi compartilhar o meu fluxo atual, que me deixou o mais produtivo que eu já fui desde que essa loucura começou. Ao final vou deixar as skills que uso pra vocês testarem.
Pra começar você vai precisar de duas coisas: um app de gerenciamento de projetos que tenha MCP e um harness de agente que suporte subagents.
O gerenciador de projetos pode ser qualquer um que voce ja tenha familiaridade, como Trello, Linear, Plane etc. Eu recomendo o Linear que tem um plano grátis que já atende bastante e com suporte a MCP.
O harness com subagents é necessário para otimizarmos o contexto, como vou explicar agora.
O maior desafio de desenvolver com IA é gerenciar o contexto dos agentes, e as duas técnicas hoje mais adequadas pra fazer isso são progressive disclosure, em que mantemos o contexto inicial enxuto e vamos fornecendo mais informações conforme o agente precisa (basicamente como as Skills funcionam), e os subagents. Os subagents funcionam porque é possível delegar as partes que consomem mais tokens de uma tarefa para uma outra janela de contexto totalmente nova. Então o seu agente orquestrador, que tipicamente é mais inteligente e mais caro, consegue te ajudar na estratégia e revisão, e um modelo mais barato fica responsavel por tarefas mais operacionais como pesquisa e escrita de código sem onerar o contexto do agente principal. Vamos então pra como eu configurei o meu fluxo pra usar esses dois principios e otimizar bastante entregas mais longas, mantendo a qualidade.
Passo a passo do sucesso:
- Conecte o MCP do app de project management
- Use um modelo mais inteligente, como Fable ou GPT 5.6 Sol, para discutir o problema. Peça pro modelo fazer perguntas e discutir a fundo os detalhes, principalmente questões de arquitetura e invariantes do negócio
- Quando você achar que está satisfeito com o escopo, peça pra IA quebrar a execução em um épico e tasks, revise e peça pra ele subir isso tudo no app de project management via MCP.
IMPORTANTE: é crucial que voce leia as tasks criadas pra evitar retrabalho no futuro. Garanta que o escopo e definições de pronto estão corretas e bem alinhadas
Aqui você ja fez a parte mais importante do trabalho.
- EM UMA NOVA CONVERSA (isso é crucial), com o mesmo modelo anterior, peça para criar uma branch nova do git para o épico e executar as tasks do inicio ao fim usando subagents.
- Cada subagent deve executar exatamente 1 task, em uma nova branch de feature, enquanto o modelo orquestrador fica responsável pela revisão e qualidade do código. Se houverem bugs, um novo subagent deve corrigir e se tiver tudo ok, uma PR deve ser criada no github.
- Nesse ponto você tem duas opções: revisar a PR manualmente, usar um outro agente de revisão de PR ou ambos. De qualquer forma, o importante é deixar comentários de revisão na PR para que o agente possa acompanhar
- O orquestrador acompanha o status da PR, e a cada novo comentário ele deve avaliar a validade e relevância e delegar a correção a um subagent, e fazer esse fluxo até que a PR esteja aprovada.
- Ao ser mergeada na branch do épico, o orquestrador conclui a task no project management e reinicia o loop com a próxima task
- Depois de todas as tasks estarem finalizadas, o orquestrador cria uma PR do épico para main e a feature estará concluída
Com esse fluxo conseguimos entrar somente nas partes cruciais do processo: planejamento, direcionamento da estratégia e arquitetura e revisão, enquanto os agentes fazem o trabalho duro de escrever o código.
Esse processo me permitiu ser mais produtivo e ter mais controle e qualidade das entregas.
BONUS
Se você é privilegiado e tem acesso ao Claude e Codex, você pode ter o melhor dos dois mundos e usar o Fable para planejamento e orquestração e o GPT Sol para execução usando o plugin do Codex para o claude code: Plugin Claude Code
Se você quer começar a testar esse meu fluxo, eu fiz duas skills integrando com o Linear:
Genérica: Skill Genérica
Usando a conexão claude=>codex: Claude-Codex
Excelente comentário do Post original:
Pedro, nessa primeira fase, de perguntas e especificação , desenvolvi uma skill para transformar uma ideia ainda pouco definida em uma SPEC completa.
Ela conduz uma entrevista de requisitos em rodadas, cobrindo objetivo, usuários, escopo, regras de negócio, restrições, edge cases e critérios de aceitação. A skill não gera a especificação enquanto um readiness gate não for atingido.
A intenção é justamente diminuir suposições e ambiguidades antes do planejamento. Link Github
Dá para instalar direto: “npx skills add giuice/giuice-agent-skills –skill spec-from-scratch”
A partir daí comecei a montar um workflow mais completo, baseado no PLAN-AND-ACT, principalmente na separação entre planejamento, execução e replanejamento dinâmico.
Hoje o fluxo está assim: “SPECIFY → PLAN → EXECUTE →REPLAN → REPORT”
A SPEC funciona como o contrato do que precisa ser atingido. O plano pode mudar durante a execução, mas os critérios de sucesso não podem mudar silenciosamente. Na execução, cada tarefa tem uma condição observável de conclusão, é verificada contra o estado real e o resultado fica registrado em um ledger.
Depois de cada tarefa, o plano é reavaliado e pode ser regenerado se a realidade mostrar que a estratégia original não faz mais sentido. No final, uma skill separada gera um relatório apenas com o que realmente ficou comprovado como concluído, pendente ou bloqueado.
Essa parte ainda está em testes, mas a ideia é atacar justamente o problema de agentes perderem o contexto ou continuarem seguindo um plano que já ficou obsoleto em tarefas longas. O workflow completo está aqui: https://github.com/giuice/giuice-agent-skills
