🌱 Fundamentos do Desenvolvimento Agentic

Por décadas, transformar uma ideia em software exigiu meses de trabalho humano linha a linha. O programador era o gargalo entre intenção e produto pronto.

Entender esse gargalo histórico explica por que o salto agentic é tão grande: não é "produtividade 2x", é uma mudança de natureza no que significa construir software.

Tempo-ideia-até-produto, custo de oportunidade do código, throughput de desenvolvimento, lei de Brooks.

A IA passou de sugerir trechos (Copilot) para escrever arquivos (Cursor) e finalmente para executar fluxos completos sozinha (Codex) — lendo, editando, rodando, testando e abrindo PRs.

Cada degrau exige um modelo mental diferente. Quem trata Codex como "Copilot melhor" subaproveita. Quem entende que é um agente executor, multiplica o que produz.

Autocomplete, chat-driven coding, agentic execution, loop de tool use, autonomia controlada.

Vibe coding é prompt improvisado, sem testes, sem revisão. Agentic development mantém o flow mas adiciona AGENTS.md, plan mode, definition of done e revisão antes do merge.

Vibe coding constrói protótipos. Agentic development constrói produtos vendáveis. A diferença é o método disciplinado por trás da velocidade.

Vibe coding, prompt engineering, agentic loop, definition of done, código de produção vs protótipo.

Você deixa de escrever todas as linhas e passa a definir intenção, contexto e critério de pronto. Os agentes executam; você dirige, revisa e decide quando aceitar.

Dirigir bem multiplica seu output. Um diretor habilidoso comanda 4–8 agentes em paralelo e entrega o que antes era trabalho de uma equipe.

Intenção clara, contexto suficiente, critério de pronto, paralelismo, revisão humana, julgamento crítico.

Em 2026, o Codex GPT 5.5 oferece limites de uso muito mais altos que Claude Code, integra Image Gen, Computer Use e Browser Use nativamente, e está incluído no plano gratuito do ChatGPT.

A escolha de ferramenta afeta diretamente seu custo operacional, throughput e quais workflows são viáveis. Saber comparar é parte do mindset agentic.

Limites de tokens, modelos disponíveis, integração nativa, custo por sessão, lock-in de plataforma.

O mercado brasileiro está com gap de 18–24 meses em relação ao americano em adoção de Codex. Quem domina agora consegue cobrar 5–10x o que cobrava antes pelo mesmo escopo.

Identificar a janela de arbitrage muda como você precifica seus serviços e quais clientes priorizar. É a oportunidade econômica do curso, não só técnica.

Arbitrage de adoção, gap geográfico, precificação por valor, micro-SaaS BR, white-label.

App nativo Mac/Windows com sessões paralelas, browser embutido, image gen integrado, anotação visual e plugins. É onde você passa 80% do tempo construindo produtos do zero.

Recursos exclusivos como anotação visual no browser embutido só existem aqui. Conhecer a fundo é o que destrava workflows que outras ferramentas não conseguem.

Sessões paralelas, browser embutido, anotação visual, plugins, projetos, plan mode.

Cliente de linha de comando para invocar agentes a partir de scripts shell, hooks de Git, pipelines de CI ou cron jobs. Headless e scriptável.

CLI é o que transforma agentes em automações recorrentes — relatórios diários, triagem de issues, geração de changelog, qualquer coisa que se repete.

Pipe stdin/stdout, exit codes, scripts shell, integração CI/CD, modo não-interativo, secrets via env.

Extensão que traz o agente para dentro do editor que você já usa, com acesso ao buffer aberto, seleção, terminal integrado e file tree do projeto.

Para edição contextual e refactor — quando você precisa do agente atuando exatamente no que está olhando, sem trocar de janela.

Contexto do editor, seleção como input, edição inline, comandos do palette, integração com source control.

Você delega a tarefa para um ambiente cloud isolado conectado ao seu repositório GitHub. O agente roda lá, abre PR, e te avisa quando termina.

É o que permite multiagente real em escala — você não precisa do laptop ligado, e tarefas longas não bloqueiam seu ambiente local.

Sandbox cloud, GitHub integration, PR automático, @codex review, paralelismo remoto.

GPT 5.5 Codex tem quatro níveis de intensidade: Fast (mais rápido, vasta maioria das tarefas), Standard, High (tarefas complexas) e Extra-High (raciocínio pesado).

Usar Extra-High pra tudo queima usage. Usar Fast pra tarefas complexas dá resultado ruim. Calibrar é otimização direta de custo e qualidade.

Trade-off velocidade/qualidade, custo por nível, casos de uso por modelo, escalada quando precisa.

Free permite testar e fazer projetos pequenos. Plus ($20/mês) cobre devs solo médios. Pro ($200/mês) destrava uso quase ilimitado e modelos altos para profissionais que vivem disso.

Escolher mal o plano custa caro: ou você fica travado em limite no meio de um projeto, ou paga $200 sem precisar. Casar perfil + plano evita os dois extremos.

Cap diário, reset window, ROI por plano, custo por sessão, perfil de uso solo vs equipe.

Criação da conta ChatGPT, ativação de método de pagamento internacional (cartão ou Wise), escolha do plano e download do app Codex.

A maioria dos brasileiros trava aqui — método de pagamento, validação de telefone. Resolver isso de uma vez por todas elimina fricção pelo curso inteiro.

Método de pagamento internacional, Wise, cartão virtual, número de telefone, validação OTP.

Autorização do Codex no seu GitHub via OAuth, escolha de quais repositórios o agente acessa, e configuração de escopos (read, write, PR creation).

Configurar permissões corretas evita acidentes (agente mexendo em repos errados) e destrava recursos importantes como Codex Cloud e @codex review.

OAuth, GitHub App, escopos de permissão, repos autorizados, organizações vs perfil pessoal.

Codex permite restringir o que o agente pode fazer no seu sistema: só ler, editar arquivos, ou ter acesso total (rodar comandos shell, instalar pacotes).

Full-access em código novo é seguro e mais rápido. Em código de produção ou cliente, edit ou read-only protege você de surpresas. Calibrar por contexto é segurança operacional.

Sandbox modes, file system access, shell execution, network access, escalada manual de permissão.

Git worktree permite ter múltiplas branches do mesmo repo checadas em pastas diferentes ao mesmo tempo. Cada agente trabalha numa worktree própria, sem pisar no outro.

É a base técnica do trabalho multiagente real. Sem worktrees, dois agentes editando arquivos simultaneamente geram conflitos e perda de trabalho.

git worktree add, branches paralelas, merge final, cleanup de worktrees, isolation por tarefa.

Criação de conta gratuita no Convex (ou Supabase), instalação da CLI, link com seu projeto local e validação que o ambiente conversa com o banco cloud.

Faz sentido configurar isso já no nivelamento — assim, quando chegar na Trilha 4 e o InboxAI precisar de banco, é só plugar, sem fricção burocrática.

Convex CLI, projetos cloud, ambiente dev/prod, free tier limits, autenticação por token.

Mini-exercício de validação: pedir ao Codex pra criar um arquivo, fazer commit no GitHub e abrir uma PR — confirmando que conta, repo, sandbox e GitHub estão conversando.

Smoke test antes de qualquer projeto real. Se algo está mal configurado, descobre aqui em 5 minutos, não no meio do InboxAI na Trilha 4.

Smoke test, hello world agentic, validação end-to-end, troubleshooting de setup, log de erros.

App web simples: criar notas, organizar por tags, e ter um botão "resumir com IA". Pequeno o suficiente pra terminar em 1h, completo o suficiente pra exercitar o fluxo inteiro.

Escolher um exercício do tamanho certo é parte da disciplina agentic. Se for grande demais, o agente se perde; se for pequeno demais, não exercita o fluxo real.

Tamanho mínimo viável de exercício, scope creep, MVP de aprendizado, time-to-feedback.

Em vez de pedir "construa o app", você pede "proponha um plano em 5 etapas para construir o app". O agente expõe a abordagem antes de escrever uma linha.

Você captura erros de abordagem antes que virem código. Discutir o plano em 30 segundos evita refatorar 200 linhas depois.

Plan mode, prompt estruturado, decomposição de tarefas, validação antes de execução, ciclo plan-approve-execute.

Durante a execução, o agente lê arquivos, edita, roda comandos, abre o browser. Você observa em tempo real e intervém quando vê algo errado.

Saber quando intervir e quando deixar o agente continuar é uma habilidade calibrada. Interromper demais quebra o flow; pouco gera retrabalho.

Tool use stream, sinais de descarrilamento, intervenção precoce, paciência produtiva, leitura de logs.

Antes de aceitar mudanças, você lê o diff. Procura: arquivos não solicitados, segredos vazados, lógica errada, comentários desnecessários, código morto.

É a última linha de defesa antes do código entrar no repo. 5 minutos de revisão evita horas de bug em produção.

Diff review, scope creep do agente, secrets em código, lógica vs sintaxe, padrões anti-IA.

Você pede ao Codex para fazer commit com mensagem semântica e abrir PR no GitHub com descrição estruturada (Summary, Test plan). Ele faz tudo.

PRs bem descritas são parte do que diferencia código profissional de protótipo. O agente entrega isso de graça se você pedir corretamente.

Conventional commits, semântica de mensagem, template de PR, summary + test plan, gh CLI.

Você comenta `@codex review` na PR. Outro agente Codex (independente) lê o código, comenta sugestões, identifica bugs e aponta riscos. Tudo direto no GitHub.

É o que torna o fluxo profissional. Quando você está sozinho, ter um "segundo par de olhos" automatizado eleva a qualidade sem custo de tempo.

@codex review, revisão automatizada, segundo par de olhos, GitHub comments, ciclo write→review→merge.