Registro de uso de IA
Os agentes de IA compuseram um papel muito importante no desenvolvimento do Followw, inclusive para o aprendizado de cada membro da equipe. É evidente que sem o uso de IA não seria possível um desenvolvimento tão acelerado e eficiente do projeto, algumas coisas seriam quase inviáveis sem o uso dos agentes, considerando a quantidade de código legado do SIGAA que tivemos que lidar e a abrangência do projeto. Nesse sentido, é importante ressaltar que o uso da inteligência artificial não substituiu (e nem poderia) o processo criativo e o pensamento crítico de cada integrante ao trabalhar no projeto. Este documento relata como o uso dessas ferramentas foi utilizado em cada parte do projeto, por cada membro do time e quais resultados eles trouxeram.Alto uso
- Arquivos de configuração: definições de workflows automáticose configuração do docker compose são arquivos pequenos e bem legíveis, fáceis de auditar e revisar. Portanto o uso da IA nesses casos serviu como forma de facilitar os processos e permitir que mais esforços fossem realizados em outras áreas mais trabalhosas.
- Scrappers: A aplicação em código dos scrappers teve uso relevante de agentes. Devido ao alto número de funções com lógicas semelhantes, foi concluído que o uso da IA seria útil para evitar esforços repetitivos. Porém, tal decisão foi tomada a partir da elaboração bem fundamentada de como os scrappers de cada área funcionariam, permitindo que, após o código ser escrito, uma análise e revisão respaldada no funcionamento idealizado fosse feita. Dessa forma, o risco de erros, vindos da inteligência artificial, foram reduzidos de forma pertinente, garatindo que os resultados esperados viessem a ser alcançados.
- Testes: Utilizamos agentes para a escrita de uma parcela considerável dos testes automatizados. Foi entendido que, por mais que testes não fazem parte do escopo da disciplina, é uma parte que exige menos esforço criativo e permite um certo grau de automatização. Ainda assim, isso não eliminou o acompanahmento e a verificação do código gerado, os membros atribuidos a essa função participaram ativamente na produção dos testes e sua validação, assegurando que todas as funções importantes do projeto fossem devidamente experimentadas e analisadas.
Uso moderado
- Endpoints: A produção em código dos endpoints teve um trabalho mesclado. Toda a projeção a priori foi feita sem o uso de agentes, a partir dos resultados obtidos nas pesquisas da primeira sprint e conhecimentos anteriores. A aplicação da elaboração feita anteriormente teve uso leve de inteligência artificial, foi utilizado apenas para facilitar parâmetros reincidentes, mensagens de resposta semelhantes e outros processos que exigem menos criatividade.
- Modelos do banco: O processo de estruturação das tabelas foi planejado sem nenhum uso de IA. Porém, na tradução para o ORM e a aplicação em código, foi utilizado auxilio de agentes, buscando evitar processos repetitivos e acelarar o andamento do projeto.
- Interface do Front-End: O uso de IA no processo de criação da interface visual foi moderado, apenas usado na montagem da interface. Os componentes individualmente e o planejamento do layout foram pensados e executados manualmente pela equipe Followw (execução manual apenas dos componentes, o planejamento do layout foi executado com ajuda dos agentes de IA).
Uso irrelevante ou nulo
- Documentação: Os relatórios das sprints, requisitos e arquitetura não tiveram uso relevante de IA, todo o emprego de agentes de IA envolvido em documentação foi na organização do arquivo final, por meio da criação de templates, especificado no caso do Template.md nas sprints e no arquivo de requisitos. Na arquitetura foi usado apenas para a adição da ferramenta de diagramas dinâmicos.
-
Instalação dos arquivos base: as ferramentas de cli como
uv init,bun create vite, etc. já fazem este papel, não é necessário usar IA nessas etapas. - Organização do código: A forma de dividir o repositório entre apps e packages foi escolhida manualmente e é um padrão muito bem consolidado em monorepos. A ideia aqui foi tratar os scrappers internos como se fossem bibliotecas, enquanto a api e o site são os apps que as utilizam.
Técnicas utilizadas
-
Modelos:
- Claude Soonet 5 (Eliabe)
- Claude Soonet 5.5 (Eliabe)
- Claude Opus 5.5 (Eliabe)
- Gemini Flash 3.8 (Gaspar, Kauã, Gabriel da Cruz, Samuel)
- Gemini 4 Argon (Samuel e Kauã)
- GPT 5.6-Luna (Galvão)
- GPT 6-Astra (Diego, Galvão)
- GPT 6.1-Sol (Diego, Gaspar, Gabriel da Cruz)
-
Skills:
Sobre as skills, algumas foram utilizadas pontualmente e foi tomada a decisão de não
adicioná-las ao repo. Sendo assim, ficaram no repositório apenas as que são frequentemente
usadas por todo o time.
- codebase-design: Uso geral
- grilling: Uso geral
- scalar-docs: Kauã e Samuel
- security-audit: Eliabe e Diego
- thermo-nuclear-code-quality-review: Eliabe
-
MCPs:
- Context7: para ter acesso às docs atualizadas das bibliotecas
- Playwright: para ajudar na criação dos scrappers (Eliabe, Diego)
- Vercel: para criar os projetos, as configurações de deploy foram feitas manualmente
Esse arquivo foi redigido de forma manual, sem nenhum uso de qualquer agente de IA, em conjunto com todos os participantes do grupo. Ele estará em atualização contínua até o lançamento da R2.