Vibe Coding em Produção


1. Crenças Fundamentais

  • LLMs = velocidade absurda de digitação (tokens/s ≫ humano)

    Trato os LLMs como um programador parceiro infinito que nunca se cansa e digita extremamente rápido. Com o prompt correto, é possível gerar rapidamente grandes quantidades de código.

  • LLMs conseguem escrever código em nível de produção

    A maior parte do que é gerado é genuinamente bom se você disser exatamente o que deseja.

  • Qualidade do código = qualidade das instruções

    Se o resultado for ruim, 90% das vezes o problema está no prompt/contexto—não porque LLMs não consigam escrever bem.

  • LLMs sem restrições se desviam → imponha padrões rigorosos

    Se você não especificar explicitamente padrões, obterá resultados inconsistentes ou arbitrários. LLMs escolherão algo que provavelmente não será o que você tem em mente. Seja explícito.

  • Contexto é rei

    LLMs conhecem apenas o que está disponível publicamente ou o que você fornece explicitamente, mas pode aprender bem qualquer coisa que estiver no contexto.


2. Preparação: Elaborando o Prompt

  • Pense no que deseja: casos extremos, interfaces e comportamento

    Antes de interagir com o LLM, dedique bastante tempo para definir exatamente o que a funcionalidade deve fazer, todos os estados/fluxos e edge cases.

  • Escreva instruções brutalmente explícitas e restritivas

    “Faça X realizar Y, usando o método Z, evite Q.”

  • Codifique peculiaridades específicas do modelo que você aprendeu

    Modelos diferentes têm peculiaridades específicas. Com o tempo, você antecipará essas peculiaridades. Por exemplo, Claude 4 Sonnet tende a over engineer caso não tenha instruções explícitas se detectar que o código será usado em produção.

  • Explore grandes contextos

    LLMs modernos lidam bem com contextos grandes (ex.: Claude-4 tem um system prompt de 60k caracteres). Forneça detalhes abrangentes: referências de APIs, exemplos de código, edge cases, etc.

  • Use ChatGPT (fora do Cursor) para transcrever requisitos/designs em prompts

    Para tarefas mais complexas de design ou orientadas ao produto, o ChatGPT 4o ou o3 traduzem requisitos, fluxos de usuário ou capturas de tela de designs em prompts muito bem. O o3 é excelente em escrever prompts frontend pixel-perfect a partir de capturas de tela. Dica pra transcrever imagem de design em prompt pixel perfect: Peça o o3 para escrever as instruçoes em um objeto JSON arbitrário.

  • (Útil) Dite ideias via reconhecimento de voz do ChatGPT

    Usar reconhecimento de voz ajuda a capturar rapidamente ideias espontâneas. O ChatGPT transcreve pensamentos falados diretamente em texto estruturado, facilitando a edição e o refinamento posteriores.


3. Fase de Planejamento (GPT-4.1) Usando Cursor

  • Peça: “Analise estes arquivos, planeje a implementação, não escreva código.”

    GPT-4.1 é excelente em ler grandes contextos e criar planos detalhados de implementação em alto nível, mas não é muito bom com function calling no Cursor.

  • Revise o plano → identifique falhas no seu próprio pensamento

    A revisão do plano gerado pela IA pode revelar complexidades ou falhas ignoradas no seu projeto inicial.

  • Itere até o plano se tornar óbvio e simples

    Simplifique implacavelmente. A complexidade normalmente é um mal sinal.


4. Fase de Implementação (Claude-4 Sonnet) Usando Cursor

  • Prompt: “Implemente o plano.”

    Com o plano, o Claude-4 Sonnet gera rapidamente implementações completas, incluindo testes.

  • Saia → tome um café

    Normalmente, o resultado é extenso e completo, reduzindo o esforço manual necessário para a programação inicial.

  • Retorne com centenas/milhares de linhas de código + testes passando

    Frequentemente, descobre edge cases ou detalhes de implementação não considerados inicialmente.

  • Geralmente 90% pronto; ajustes menores apenas

    Os ajustes normalmente envolvem pequenos ajustes de lógica ou refinamento de testes.


5. Configurações do Cursor

  • Apenas modo agente – controle total sobre edição versus adição

    Diga explicitamente quando a IA deve editar ou adicionar código. Outros modos me parecem descenessários.

  • Nunca use roteamento automático de modelos (Auto mode) → selecione explicitamente o modelo

    Modelos diferentes possuem pontos fortes e fracos únicos. O roteamento automático geralmente resulta em resultados menos previsíveis e de menor qualidade.


6. Impacto na Produtividade

  • Velocidade de codificação aumenta
  • Mais tempo para arquitetura e revisão
  • Menos digitação mecânica, mais reflexão

7. Conclusões

  1. Trate a elaboração de prompts como design, não administração

    Prompts são o produto fundamental, invista bastante tempo e reflexão em sua criação.

  2. Separe claramente Pensar → Planejar → Implementar

    Cada etapa é um ponto crítico que vai permitir resolver diferentes problemas.

  3. Escolha explicitamente seu modelo

    Conheça e aproveite os pontos fortes e peculiaridades das suas ferramentas.

  4. Programar com IA muda a produção de software

    Essa abordagem naturalmente revela requisitos fracos, simplifica APIs e melhora a usabilidade e a qualidade geral do código.