Ferramentas de desenvolvimento com IA

Ver no idioma original →

Ferramentas de desenvolvimento com IA abrangem agentes de programação, ambientes de execução locais e na nuvem, integrações com serviços e recursos para organizar o contexto, testar resultados e controlar permissões. Os vídeos mostram diferentes formas de combinar modelos, harnesses e ferramentas; também destacam que velocidade, custo e qualidade variam conforme a tarefa e a configuração, e que agentes precisam de validação e controles de segurança. ↗ ↗ ↗

Agents, harnesses e modelos

Um agent harness organiza a execução de agentes: pode reunir ferramentas, instruções, contexto, limites, sandboxes e aprovação humana. Deep Agents, por exemplo, oferece mecanismos para gerenciar contexto e tarefas longas, além de permitir substituir ou configurar sistemas de arquivos, skills e subagents. ↗ A recomendação para quem constrói um harness próprio é manter o loop principal separado dos demais componentes e começar com um MVP. ↗

Um agent combina um modelo com um harness, que permite perceber, agir, persistir informações e respeitar limites. Entre os recursos possíveis estão sistema de arquivos, subagents e skills carregadas sob demanda; Deep Agents é apresentado como um harness open source da LangChain com esses recursos e memória integrados. ↗ Skills são pastas com instruções, scripts e documentos de referência para tarefas específicas. Para poupar a context window, o agente pode receber inicialmente apenas o nome e a descrição da skill e carregar seu conteúdo completo quando necessário. ↗ Um vídeo também apresenta o Co-working no Claude Desktop e o Codex como ambientes que executam tarefas no computador, além do chat tradicional. ↗

Há diferentes maneiras de disponibilizar e personalizar esses ambientes. O Codex app server permite criar interfaces e integrações sobre o harness do Codex; a Agents API da OpenAI executa agentes na infraestrutura da empresa. ↗ ↗ O CLI-Anything, por sua vez, gera CLIs para softwares existentes para que agents os usem por comandos, mas seus resultados devem ser revisados, sobretudo em tarefas importantes. ↗

O Hermes é apresentado como um harness open source para agentes conectados a diferentes modelos, ferramentas e canais de comunicação. O exemplo do vídeo inclui configurar um agente, conectar provedores e ferramentas e escolher onde disponibilizá-lo; a qualidade do contexto e dos processos documentados, assim como os custos de modelo e hospedagem, também são aspectos a considerar. ↗ O OpenClaw 2.0, por sua vez, acrescenta painel, instalação de skills e plugins com análise de segurança, controles de permissões, subagents e widgets. Uma demonstração mostra tarefas em paralelo e dashboards, mas observa que colaboração entre várias pessoas pode exigir configuração adicional. ↗

Seleções de projetos open source em alta incluem ferramentas de memória para agents, automação e uso de computadores por IA, além de projetos para executar modelos localmente, criar aplicativos desktop e pesquisar grandes conjuntos de dados. ↗ Outras seleções destacam ferramentas que economizam context window, executam agentes em sandboxes, pesquisam código ou arquivos e conectam agentes entre computadores. ↗ Também aparecem agentes que interagem com navegadores e dispositivos, ferramentas de busca local e projetos que permitem compartilhar diagnósticos ou operar em ambientes controlados. ↗ ↗ ↗

Os vídeos também exploram a divisão de trabalho entre modelos. O Project HydraFusion pode usar um modelo, escalar para outro ou combinar modelos em etapas de elaboração e revisão. ↗ Em outro exemplo, um modelo arquiteto planeja e revisa enquanto modelos mais acessíveis executam tarefas específicas; o custo total ainda precisa ser medido, pois chamadas adicionais não garantem economia. ↗ Modelos menores são apresentados como adequados a tarefas especializadas, como sumarização e classificação, enquanto modelos maiores podem ser mais indicados para programação complexa com agents. ↗

O LIA é apresentado como um modelo pequeno, open source e gratuito para classificação, que pode rodar sem GPU em um computador ou VPS. O vídeo demonstra sua instalação em Docker e integração com o Hermes por uma rede compartilhada e variáveis de ambiente; alguns resultados de classificação foram imprecisos, então o desempenho precisa ser avaliado antes de substituir outro modelo. ↗ A Decisions API da OpenAI também é voltada a decisões estruturadas, como classificação, respostas sim/não e pontuação. Em uma demonstração de triagem veterinária, ela analisa mensagens e imagens e retorna níveis de confiança, tempo de resposta e custo; o vídeo observa que custa mais que o Jev, mas oferece suporte a imagens. ↗

Uma seleção de projetos agentivos inclui Claude Haiku 5.5, descrito como modelo pequeno para tarefas rápidas e de alto volume, e NOVA CLI, um desenvolvedor de código que funciona no terminal. A lista também mostra ferramentas para conectar agents a aplicações e serviços, entre outros projetos de voz, pesquisa, segurança, colaboração e análise de dados. ↗

Relatos de testes reforçam que resultados dependem do modelo e da tarefa. Em projetos de programação avaliados com o Gemini 4 Argon, o apresentador encontrou aplicações funcionais, mas também problemas de acabamento e bugs, e não considerou que os resultados justificassem trocar as ferramentas que já usava. ↗ Em outra comparação, custo, velocidade, cotas e limitações de permissões no Antigravity influenciaram a avaliação do modelo e da experiência de uso; o OpenCode foi citado como uma alternativa para acessá-lo, com cota limitada. ↗ Comentários sobre lançamentos e demonstrações de modelos, incluindo alegações sobre Fable 5.5, são apresentados como avaliações ou especulações, e não como capacidades confirmadas. ↗ ↗

Execução, colaboração e integrações

Codex Cloud e outras opções de execução remota permitem iniciar tarefas em servidores na nuvem, continuar trabalhando em outro dispositivo e manter automações em execução sem deixar o computador ligado. Os ambientes podem incluir repositórios, variáveis e secrets, e as tarefas podem terminar em pull requests sujeitos a revisão. ↗ ↗ O Codex também pode despachar tarefas em paralelo para ambientes separados, embora uma delas tenha precisado de instruções adicionais antes de criar um PR. ↗

Ferramentas como GitHub Copilot e OpenCode estendem o trabalho por vários clientes e superfícies. As demonstrações incluem sessões iniciadas no Slack e continuadas pelo GitHub, celular e VS Code, além de sessões compartilhadas entre terminal, desktop e celular. ↗ ↗ O Agent Host Protocol permite conectar runtimes de agentes a dispositivos e ambientes diferentes, incluindo máquinas locais e hosts remotos. ↗ O Herdr, na versão 0.9, permite conectar máquinas remotas por SSH e visualizá-las junto com a máquina local, incluindo seus agentes e projetos; o vídeo observa que isso não substitui o Termius em todos os dispositivos. ↗

O Claude Duet é descrito como uma interface para organizar canais, tarefas e artifacts, que podem ser criados e editados por texto ou voz, com trabalhos em paralelo. O teste também aponta limitações: a organização entre chats, canais e threads pode ser confusa, a voz em tempo real foi avaliada como inferior à de alguns concorrentes e não havia suporte para iniciar sessões locais do Claude Code. ↗ Um guia de Claude Code reúne práticas como fornecer contexto, criar instruções persistentes, conectar ferramentas, delegar a subagents, agendar trabalhos e pedir ao agente que verifique o próprio trabalho; também recomenda começar por uma tarefa rotineira. ↗

CLIs e MCP são duas formas de expor ferramentas a agents. Para CLIs, a Airbyte destaca entradas e saídas em JSON, comandos consistentes, skills para descoberta e autenticação não interativa; para MCP, recomenda poucas ferramentas e descoberta progressiva. A escolha depende da tarefa: MCP pode facilitar uso e prototipagem, enquanto CLI pode favorecer trabalhos longos e pipes. ↗ Outros exemplos incluem conectar um agent a busca e interação com sites via MCP ↗ e oferecer acesso direto a um Query Agent por um servidor MCP hospedado pelo próprio serviço. ↗

CLIs interativas podem ser difíceis de usar em workflows com agents, pois alguns harnesses não acompanham as interações e a falha pode ocorrer sem aviso. Em um workshop com uma CLI de pedidos de café, as sugestões para torná-la mais adequada a agents incluem usar tmux, criar canais paralelos com saídas estruturadas e fornecer contexto. Os palestrantes também destacam que uma CLI determinística tende a ser mais previsível para um LLM. ↗

O MCP do Softr conecta ferramentas como ChatGPT e Claude ao serviço para criar aplicativos com bancos de dados, workflows, permissões e logins persistentes. A demonstração usa instruções em linguagem natural para montar um painel, acrescentar dados de teste, configurar automações de e-mail e incluir um bloco personalizado; os aplicativos podem ser usados por uma equipe com permissões próprias. ↗

Uma demonstração de desenvolvimento Android combina Stitch, Stitch MCP e Anti-Gravity: o agent acessa designs, usa skills do plugin Build with Google Android e implementa um app com componentes nativos. O fluxo inclui testar telas em emulador e executar o app em um dispositivo real, com views do Jetpack Compose que podem ser refinadas por novos prompts. ↗ Angular Native é outra iniciativa para criar aplicativos nativos para iOS e Android com Angular e a infraestrutura do Expo. Como o projeto ainda está em alfa, o vídeo não o recomenda para produção. ↗

O DeepSeek Harness é apresentado como um agent open source com aplicativo desktop, opções para modelos locais ou de outros provedores e uma interface que pode ser personalizada por plugins. Na demonstração, foi instalado no Windows e usado para criar um app Pomodoro e um plugin; o aplicativo ainda estava em preview no momento da gravação. ↗

Com Composio, Claude pode ser conectado a uma ou mais contas do Outlook por meio de autorização no painel do serviço e da configuração de um conector personalizado no Claude. A demonstração testa a consulta das contas e o envio de um e-mail; também mostra ações para aceitar convites de calendário e adicionar anexos. ↗ O Adobe for Claude, por sua vez, dá acesso a mais de 80 ferramentas da Adobe para tarefas como mesclar PDFs, remover páginas, ocultar informações privadas, analisar contratos e editar fotos. ↗

O aplicativo GitHub Copilot pode ser controlado com o Logitech MX Keypad para gerenciar chats, projetos e sessões. O teclado também oferece comandos de voz e exibe informações como modelo, nível de raciocínio, context window e créditos usados; é possível acompanhar sessões, gerenciar servidores MCP e personalizar teclas e macros. ↗

O n8n é apresentado como uma plataforma de orquestração para criar automações e sistemas de IA, de workflows básicos a configurações autogerenciadas. Os exemplos incluem integrações com APIs, Google Sheets, Telegram e Slack, além de modelos, agentes, memória, sistemas multiagente, aprovação humana, tratamento de erros e monitoramento. ↗ Uma demonstração menor usa o n8n Assistant para criar um workflow que envia uma mensagem no Slack quando um repositório do GitHub recebe uma estrela. O fluxo usa conexões com GitHub e Slack e um token de acesso do Slack configurado manualmente para o bot. ↗

O Flash, da RunPod, é apresentado como uma forma de desenvolver e publicar aplicações de IA em GPUs sem configurar Docker. A ferramenta permite testar alterações, instalar dependências durante a execução e chamar funções hospedadas em endpoints diferentes como se fossem locais. Na demonstração, a CLI é usada para publicar uma aplicação com endpoints de GPU, geração de texto e geração de imagens. ↗

Contexto, memória e qualidade do trabalho

Context windows maiores não resolvem, por si só, os problemas de agentes que recebem dados demais. Entre as estratégias apresentadas estão selecionar informações relevantes, externalizar dados, comprimir o histórico e isolar contextos entre agents. ↗ O harness do Deep Agents também descarrega resultados extensos para fora do contexto e os substitui por prévias; quando o uso de tokens ultrapassa um limite, pode resumir o histórico. ↗ Skills carregadas sob demanda são outra forma de reservar a context window para as informações necessárias à tarefa em curso. ↗

Para preservar conhecimento entre sessões e ferramentas, há soluções baseadas em arquivos e registros de conversas. AI Memory guarda memória de projetos em arquivos de texto versionados, enquanto Agent Git registra sessões para que possam ser retomadas ou compartilhadas entre ferramentas como Claude Code e Codex. ↗ ↗ Outra abordagem transforma experiências em memória duradoura que orienta execuções futuras, distinguindo memória semântica, episódica e procedural; alterações em comportamentos importantes podem exigir revisão humana. ↗

O contexto também pode reunir dados, processos de negócio e aplicativos. Em uma conversa sobre Copilot, o Work IQ é apresentado como uma forma de fornecer esse contexto aos agentes, reduzir o uso de tokens e acelerar tarefas. O vídeo também discute aprendizado contínuo que pode sugerir melhorias em skills e modelos semânticos com base no uso dos agentes. ↗

A avaliação precisa considerar tanto o resultado quanto o processo. Um estudo com mais de 400 organizações relata aumento na velocidade de entrega, mas ganhos percebidos modestos e qualidade volátil; PRs maiores também vieram acompanhados de menor confiança nas mudanças e menos entregas incrementais. ↗ Ferramentas de revisão podem combinar etapas determinísticas com raciocínio de agents, mas ainda é necessário verificar as correções e a qualidade do código produzido. ↗ ↗

Vibe coding pode acelerar protótipos, mas também gerar dívida técnica, custos e perda de controle quando o código é aceito sem revisão. Um fluxo profissional apresentado para reduzir esses riscos tem quatro etapas: especificar, projetar, direcionar e revisar. O vídeo distingue protótipos descartáveis de produtos com usuários, dados reais ou pagamentos, para os quais recomenda práticas de engenharia de software. ↗ Em jogos, os exemplos mostram que a IA pode ajudar a criar cenários, personagens, animações e jogos e a trabalhar em várias tarefas em paralelo, mas conhecimento técnico continua sendo útil para avaliar e corrigir resultados. ↗ Uma comparação entre versões de um jogo na Godot e na Unreal Engine também aponta diferenças de qualidade visual, tempo, espaço em disco e trabalho, sem indicar um motor ideal para todos os casos. ↗

Ferramentas de interface podem ajudar a detectar padrões visuais genéricos em páginas criadas com IA. Impeccable consulta padrões a evitar antes de edições de UI e usa um detector com 61 regras determinísticas, além de oferecer comandos para auditar páginas e ajustar o estilo. O vídeo ressalta que ainda são necessárias várias rodadas e que o detector também pode passar a sinalizar novos clichês. ↗

Modelos e workflows locais também requerem avaliação. O Qwen Image 2.1 é apresentado como um modelo open source de 7B parâmetros para geração e edição de imagens no ComfyUI, com referências múltiplas e geração de PNGs transparentes. Os testes incluem edição com imagens de referência, máscaras e restauração de fotos; o vídeo aponta resultados inferiores com prompts vagos e maior lentidão quando muitas referências são usadas. ↗ Em outro teste, o Qwen-Image-2.1-Turbo é executado no ComfyUI em um laptop com GPU RTX 4060 e 8 GB de VRAM: imagens de 768 × 768 a 2048 × 2048 levaram cerca de 42 a 148 segundos. Títulos grandes foram legíveis, mas textos pequenos e números em uma interface de dashboard ficaram incorretos; o vídeo também recomenda verificar a licença de pesquisa antes de usar o modelo em produtos. ↗

Custos, limites e produtividade

O custo de uso de modelos pode ser controlado com políticas de orçamento. No MLflow, é possível estabelecer limites de gastos por período diário, semanal ou mensal e configurar alertas ou rejeitar solicitações posteriores ao limite. ↗ Comparações de custo também dependem do caso de uso: o vídeo sobre Open Shorts, por exemplo, demonstra a criação e edição de clipes a partir de vídeos longos e calcula, no teste apresentado com Gemini, um custo por minuto 66 vezes menor que o do Opus Clip. Os arquivos gerados, porém, eram mantidos por apenas um dia. ↗

Plataformas que reúnem modelos podem simplificar o acesso, mas não eliminam a necessidade de revisar resultados. O ChatLLM by Abacus AI é demonstrado com roteamento automático, modelos de texto, imagem e vídeo, criação de slides, agentes e ferramentas para desenvolver apps e conectar serviços; na avaliação do vídeo, o site gerado precisava de revisão antes da publicação. ↗ Um agregador como o OpenRouter não equivale necessariamente aos aplicativos oficiais de Claude ou ChatGPT, que incluem system prompts, gerenciamento de memória e ferramentas integradas. O vídeo considera que hubs podem fazer sentido para quem desenvolve aplicações e precisa personalizar modelos, prompts e custos. ↗

Ferramentas de criação de anúncios podem apresentar o custo em créditos antes de gerar resultados. Em uma demonstração do Higgsfield Ads Studio, são criados 16 anúncios estáticos com mensagens e ângulos de venda diferentes; o Ad Multiplier adapta um vídeo predefinido usando imagens de referência, e o histórico permite revisar e filtrar as gerações. ↗

Segurança e limites de uso

Os agentes podem acessar arquivos, rede e configurações de produção, por isso os vídeos recomendam controles além de instruções em prompts. As medidas discutidas incluem ambientes isolados, credenciais de curta duração e escopo restrito, controle de acesso alinhado à identidade, proxy de modelos, sandboxing e logs independentes. ↗ ↗

OpenShell aplica políticas a arquivos, processos e conexões de rede, e pode controlar o acesso externo sem expor as credenciais reais ao agente. ↗ MXC, da Microsoft, também aplica políticas de isolamento ao código e aos agents; uma recomendação apresentada é começar com um contêiner de processo e uma política que negue acesso por padrão. ↗ Para agentes que consultam dados, políticas dinâmicas baseadas em relacionamentos e atributos podem verificar solicitações em tempo real, embora as respostas geradas ainda precisem ser verificadas. ↗

Extensões e skills também requerem atenção. Mods do Claude Code podem alterar prompts, executar programas e acessar arquivos ou a rede, então os vídeos recomendam verificar o que é instalado. ↗ Outros mods demonstrados alteram prompts, ajudam a escolher estilos visuais, expõem suposições do Claude, guardam ideias, acompanham sessões e coordenam sessões no mesmo projeto. ↗ Plugins que aprendem com sessões podem registrar erros e reduzir o uso de tokens, mas micro-skills de projetos de terceiros podem introduzir risco de prompt injection. ↗ No OpenClaw 2.0, a análise de segurança na instalação de skills e plugins e os controles de permissões são apresentados como parte das mudanças do produto. ↗

Também é importante proteger credenciais em integrações de software. Uma correção no PHP passou a remover cabeçalhos de autorização e cookies ao seguir redirecionamentos quando mudam o esquema, o host ou a porta. O vídeo ressalta que cabeçalhos personalizados, como X-API-Key, não são removidos por essa correção; recomenda desativar redirecionamentos automáticos e verificá-los manualmente, além de atualizar o PHP. ↗

Em geral, os vídeos apresentam modelos, harnesses e ferramentas como opções a testar e validar, não como garantia de desempenho, economia ou segurança. ↗ ↗

Ferramentas e aplicações em teste

Alguns projetos open source recriam ferramentas conhecidas e ainda estão em estágios iniciais. O Film Craft 0.5.0 é apresentado como um editor de vídeo em Rust, descrito como uma reimplementação clean room do Adobe Premiere Pro. O teste mostra edição, correção de cor, exportação e controle por comandos, CLI, JSON e MCP; embora exporte um arquivo válido, a renderização é lenta e algumas funções são limitadas, então o vídeo não o recomenda para trabalhos de clientes com prazo. ↗

O Wordcraft é um processador de texto open source em Rust que busca recriar o Microsoft Word. No teste, tarefas básicas de edição, revisão e layout funcionam, e a conversão de documentos é rápida; o vídeo não avalia arquivos complexos nem confirma a fidelidade da paginação. O projeto está em alpha. ↗

Aprendizado e formação

A Anthropic oferece, segundo o vídeo, 27 cursos gratuitos com mais de 50 horas de conteúdo sobre Claude, fluência em IA e desenvolvimento com a API. O apresentador sugere trilhas distintas para quem não programa e para quem quer desenvolver com IA, e esclarece que os badges de conclusão não são diplomas nem certificações oficiais da Anthropic. ↗