<?xml version="1.0" encoding="utf-8"?>
<rss version="2.0">
<channel>
<title>Coder Legion - Recent posts tagged sdd</title>
<link>https://coderlegion.com/tag/sdd</link>
<description>Powered by Question2Answer</description>
<item>
<title>Como potencializei meu fluxo de desenvolvimento usando Agentes de IA (Copilot, Sonnet e Raptor)</title>
<link>https://coderlegion.com/17063/como-potencializei-meu-fluxo-de-desenvolvimento-usando-agentes-de-copilot-sonnet-raptor</link>
<description>&lt;h2 id=&quot;acelerando-engenharia-de-plataforma-com-agentes-de-ia-experimentos-pr-ticos-com-speckit&quot;&gt;Acelerando Engenharia de Plataforma com Agentes de IA: Experimentos Práticos com SpecKit&lt;/h2&gt;
&lt;p&gt;Nos últimos dias, decidi aumentar a utilização de agentes de Inteligência Artificial no meu fluxo de trabalho diário — algo que eu ainda explorava com certo receio e pouca eficiência. O objetivo era direto: usar IA para dar o pontapé inicial no desenvolvimento, reduzir boilerplate e liberar tempo para focar no que realmente importa — entender documentação, refinar código e evoluir arquitetura.&lt;/p&gt;
&lt;p&gt;Testei essa abordagem utilizando o SpecKit em alguns spikes (provas de conceito). Antes de envolver qualquer agente, todos os estudos foram conduzidos manualmente para garantir entendimento real das tecnologias. A partir disso, estruturei prompts mais assertivos e comecei a aplicar nos agentes.&lt;/p&gt;
&lt;p&gt;Abaixo compartilho o fluxo, a estratégia de uso e os resultados práticos dessa experiência.&lt;/p&gt;
&lt;h3 id=&quot;o-fluxo-de-trabalho-com-agentes&quot;&gt;O Fluxo de Trabalho com Agentes&lt;/h3&gt;
&lt;p&gt;O processo foi consistente em todos os experimentos:&lt;/p&gt;
&lt;ol&gt;
&lt;li&gt;&lt;p&gt;&lt;strong&gt;Estudo Manual&lt;/strong&gt;&lt;br&gt;
Entendimento profundo das tecnologias, limitações e trade-offs antes de envolver IA.&lt;/p&gt;
&lt;/li&gt;
&lt;li&gt;&lt;p&gt;&lt;strong&gt;Geração dos Prompts&lt;/strong&gt;&lt;br&gt;
Estruturação baseada na arquitetura e requisitos levantados.&lt;/p&gt;
&lt;/li&gt;
&lt;li&gt;&lt;p&gt;&lt;strong&gt;Seleção das Skills Necessárias&lt;/strong&gt;&lt;br&gt;
Injeção de contexto externo (via CLI) para ensinar o agente sobre ecossistemas específicos.&lt;/p&gt;
&lt;/li&gt;
&lt;li&gt;&lt;p&gt;&lt;strong&gt;Aplicação dos Prompts&lt;/strong&gt;&lt;br&gt;
Geração da base do código.&lt;/p&gt;
&lt;/li&gt;
&lt;li&gt;&lt;p&gt;&lt;strong&gt;Refinamento do Código&lt;/strong&gt;&lt;br&gt;
Ajustes manuais ou via iteração com IA.&lt;/p&gt;
&lt;/li&gt;
&lt;li&gt;&lt;p&gt;&lt;strong&gt;Implantação e Testes/Validações&lt;/strong&gt;&lt;br&gt;
Deploy (ex: AWS) e validação funcional.&lt;/p&gt;
&lt;/li&gt;
&lt;li&gt;&lt;p&gt;&lt;strong&gt;Finalização e Documentação&lt;/strong&gt;&lt;br&gt;
Consolidação dos aprendizados com evidências (logs, outputs, decisões).&lt;/p&gt;
&lt;/li&gt;
&lt;/ol&gt;
&lt;h3 id=&quot;a-inje-o-de-skills&quot;&gt;A Injeção de Skills&lt;/h3&gt;
&lt;p&gt;Modelos fundacionais são bons em lógica geral, mas falham quando entram em cenários reais: APIs específicas, boas práticas atualizadas de CI/CD, padrões cloud.&lt;/p&gt;
&lt;p&gt;A virada de chave veio na etapa de &lt;strong&gt;injeção de skills&lt;/strong&gt;.&lt;/p&gt;
&lt;p&gt;Em vez de usar IA “crua”, comecei a acoplar conhecimento externo diretamente no agente, exemplo:&lt;/p&gt;
&lt;pre&gt;&lt;code class=&quot;language-bash&quot;&gt;npx skills add https://github.com/callstackincubator/agent-skills --skill github-actions
npx skills add https://github.com/github/awesome-copilot --skill dependabot
npx skills add https://github.com/claude-office-skills/skills --skill devops-automation
&lt;/code&gt;&lt;/pre&gt;
&lt;p&gt;Resultado: o agente deixa de ser um gerador genérico e passa a operar com contexto real de tooling, padrões e automações modernas.&lt;/p&gt;
&lt;p&gt;Isso reduz drasticamente:&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;Alucinação&lt;/li&gt;
&lt;li&gt;Código obsoleto&lt;/li&gt;
&lt;li&gt;Decisões arquiteturais ruins&lt;/li&gt;
&lt;/ul&gt;
&lt;h3 id=&quot;batalha-de-modelos-raptor-mini-vs-claude-sonnet-4-5&quot;&gt;Batalha de Modelos: Raptor Mini vs. Claude Sonnet 4.5&lt;/h3&gt;
&lt;p&gt;Durante os experimentos (principalmente com IaC e automação), alternei entre dois modelos. O comportamento foi bem distinto.&lt;/p&gt;
&lt;h4 id=&quot;raptor-mini-preview-gpt-5-mini-fine-tuned-&quot;&gt;Raptor Mini Preview (GPT-5 Mini fine-tuned)&lt;/h4&gt;
&lt;p&gt;&lt;strong&gt;Pontos fortes:&lt;/strong&gt;&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;Rápido&lt;/li&gt;
&lt;li&gt;Ótimo para scaffolding inicial&lt;/li&gt;
&lt;li&gt;Boa estruturação de módulos Terraform e recursos cloud&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;&lt;strong&gt;Limitações:&lt;/strong&gt;&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;Superficialidade em cenários complexos&lt;/li&gt;
&lt;li&gt;&lt;p&gt;Fragilidade em:&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;Networking avançado&lt;/li&gt;
&lt;li&gt;Integrações multi-serviço&lt;/li&gt;
&lt;/ul&gt;
&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;Na prática: excelente para começar, mas exige intervenção humana forte.&lt;/p&gt;
&lt;h4 id=&quot;claude-sonnet-4-5-via-copilot-&quot;&gt;Claude Sonnet 4.5 (via Copilot)&lt;/h4&gt;
&lt;p&gt;&lt;strong&gt;Pontos fortes:&lt;/strong&gt;&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;Muito mais consistente em automações complexas&lt;/li&gt;
&lt;li&gt;Excelente raciocínio em workflows multi-step&lt;/li&gt;
&lt;li&gt;Com skills injetadas, entrega outputs quase prontos para produção&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;&lt;strong&gt;Caso real:&lt;/strong&gt;&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;Analisou versões em múltiplos repositórios&lt;/li&gt;
&lt;li&gt;Aplicou mudanças com segurança&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;Tudo isso com menos intervenção manual.&lt;/p&gt;
&lt;h3 id=&quot;conclus-o-da-experi-ncia&quot;&gt;Conclusão da Experiência&lt;/h3&gt;
&lt;p&gt;Os testes deixaram claro: agentes de IA são um divisor de águas — &lt;strong&gt;quando usados com método&lt;/strong&gt;.&lt;/p&gt;
&lt;h4 id=&quot;o-que-impressiona&quot;&gt;O que impressiona&lt;/h4&gt;
&lt;ul&gt;
&lt;li&gt;Fim da página em branco&lt;/li&gt;
&lt;li&gt;&lt;p&gt;Redução brutal de tempo em:&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;scaffolding&lt;/li&gt;
&lt;li&gt;integrações iniciais&lt;/li&gt;
&lt;li&gt;automações básicas&lt;/li&gt;
&lt;li&gt;Mais tempo focado em arquitetura e design de sistemas&lt;/li&gt;
&lt;/ul&gt;
&lt;/li&gt;
&lt;/ul&gt;
&lt;h4 id=&quot;onde-mora-o-risco&quot;&gt;Onde mora o risco&lt;/h4&gt;
&lt;ul&gt;
&lt;li&gt;Delegação total ainda é baixa&lt;/li&gt;
&lt;li&gt;IA falha em:&lt;/li&gt;
&lt;li&gt;cenários com múltiplas dependências&lt;/li&gt;
&lt;li&gt;Sem base técnica, o resultado degrada rápido&lt;/li&gt;
&lt;/ul&gt;
&lt;h3 id=&quot;o-insight-principal&quot;&gt;O Insight Principal&lt;/h3&gt;
&lt;p&gt;O ganho não vem de “pedir para a IA fazer”.&lt;/p&gt;
&lt;p&gt;Vem de:&lt;/p&gt;
&lt;blockquote&gt;&lt;p&gt;Transformar o seu entendimento em um prompt estruturado.&lt;/p&gt;
&lt;/blockquote&gt;
&lt;p&gt;A IA não substitui o estudo — ela amplifica quem já sabe o que está fazendo.&lt;/p&gt;
&lt;p&gt;Compartilha como você está abordando isso — principalmente em contexto de infra, automação ou platform engineering.&lt;/p&gt;
</description>
<category>Articles</category>
<guid isPermaLink="true">https://coderlegion.com/17063/como-potencializei-meu-fluxo-de-desenvolvimento-usando-agentes-de-copilot-sonnet-raptor</guid>
<pubDate>Fri, 08 May 2026 12:32:48 +0000</pubDate>
</item>
</channel>
</rss>