Habilidades de revisão de código estão disponíveis em muitas fontes. Por exemplo, Sentry possui uma habilidade de revisão de código em seu repositório. Voltado especificamente para as necessidades do seu projeto, pode ser um exemplo útil para habilidades semelhantes. E superpoderes é um conjunto popular de habilidades de programação de uso geral que é anunciado como “uma metodologia completa de desenvolvimento de software para seus agentes de codificação, construída sobre um conjunto de habilidades combináveis e algumas instruções iniciais que garantem que seu agente as utilize”. Eu não uso superpoderes, mas muitas outras pessoas claramente usam, dadas as mais de 227.000 estrelas do GitHub e 20.000 garfos.
Outra dica: vários especialistas sugerem usar um LLM diferente — talvez até de um fornecedor diferente — para conduzir uma revisão de código, já que cada modelo tem seus próprios pontos fortes e fracos.
Não se esqueça dos bons hábitos gerais
Seja qual for a linguagem de programação que você estiver usando, ser claro melhorará seus resultados. Mantenha suas solicitações direcionadas e não espere que o LLM leia sua mente.
“O Codex lida melhor com trabalhos complexos quando você os divide em etapas menores e focadas”, afirma OpenAI em seus documentos para desenvolvedores. “Tarefas menores são mais fáceis para o Codex testar e para você revisar. Se você não tiver certeza de como dividir uma tarefa, peça ao Codex para propor um plano.”
“Reserve um tempo para tornar suas solicitações o mais relevantes possível, assim como faria ao ajudar um novo colega de equipe a definir uma tarefa”, aconselha o Google em suas Cinco práticas recomendadas para usar assistentes de codificação de IA. “Considere quais detalhes você precisa compartilhar para que uma pessoa tenha sucesso e forneça todos esses detalhes à sua ferramenta de IA.”
E não carregue sua janela de contexto até o limite publicado do LLM. O desempenho geralmente diminui à medida que você se aproxima do limite máximo de tokens.
Aproveite as vantagens dos LLMs abertos, especialmente se você tiver limites de orçamento e tokens
Modelos de peso aberto – especialmente aqueles pequenos o suficiente para rodar em um computador desktop – podem nunca rivalizar com LLMs de fronteira como Claude, GPT ou Gemini. Mas para muita codificação R, eles não precisam.
Para ver quão bem um LLM pode escrever código R, ele deve ter o mesmo tipo de equipamento que Claude Code, Codex ou Posit Assistant oferece LLMs maiores. “O arnês é o produto”, argumenta Mallory Mejias, da Sidecar, uma empresa de educação em IA. “O modelo é o motor dentro dele – importante, mas cada vez mais intercambiável.” Eu não iria tão longe, pois ainda considero o LLM uma peça crítica desta equação, e os modelos diferem. Mas o mesmo LLM terá um desempenho diferente dependendo das ferramentas e do contexto que possui.
A Posit adicionou recentemente o Gemma 4 26B de código aberto do Google às opções existentes do Assistant de LLMs maiores e de código fechado. “Até este ponto, modelos deste tamanho – pequenos o suficiente para funcionar confortavelmente em laptops de consumo de última geração – estavam em nosso radar, mas ainda não eram capazes o suficiente para acionar um equipamento de agente como o Posit Assistant”, escreveu o engenheiro de software sênior da Posit, Simon Couch, no blog Posit. “Isso mudou nos últimos meses com lançamentos como Gemma 4.” No entanto, para usá-lo no Posit Assistant no RStudio, você ainda precisa executá-lo por meio de uma assinatura do Posit AI, não localmente. Utiliza 1/10 do orçamento que consumiria a mesma sessão com Claude Sonnet.
Vários projetos podem usar o Claude Code para executar LLMs locais. Ollama, software de código aberto para execução local de LLMs, faz isso com o comando do terminal ollama launch claude --model como:
ollama launch claude --model gemma4:26b
Os criadores do Unsloth, uma estrutura de código aberto para modelos de execução e treinamento, dizem que a execução de LLMs locais dentro do Claude Code pode ser muito lenta devido a um problema de invalidação de cache. Eles dizem que isso pode ser corrigido adicionando "CLAUDE_CODE_ATTRIBUTION_HEADER" : "0" para ~/.claude/settings.json em “env”.
Unsloth também pode usar Claude Code para executar modelos locais, mas é um pouco mais complicado de instalar e configurar do que Ollama. Veja este tutorial do Unsloth.
O agente de codificação de código aberto Open Code executa LLMs da OpenAI, Anthropic, Google, Kimi, Alibaba’s Qwen e outros. Ainda não estou familiarizado com isso em comparação com as ferramentas CLI com suporte comercial que experimentei, mas ele tem 174.000 estrelas do GitHub, então claramente muitos fãs.
O consultor de IA Thomas Wiegold, que mudou de Claude para Open Code, disse: “O OpenCode cobre tudo que preciso para meu fluxo de trabalho diário. É rápido, a flexibilidade do provedor é genuinamente útil, em vez de teórica, e a TUI é melhor para sessões prolongadas… Dito isso, não vou fingir que tudo correu bem.” Ele observou alguns problemas de estabilidade e uma vulnerabilidade de execução remota de código no início deste ano.
A sugestão de Wiegold? “Instale ambos. Experimente outros. Mantenha-se flexível.”
Resumindo
Grandes modelos de linguagem continuam sendo ferramentas imperfeitas e imprevisíveis, mas estão melhorando rapidamente – assim como os equipamentos que os rodeiam. Mesmo LLMs de fronteira em agentes de codificação comerciais podem às vezes ignorar instruções e se comportar de maneira desagradável e surpreendente. No entanto, você aumentará enormemente suas chances de gerar código de qualidade se usar agentes de codificação, reservar um tempo para configurá-los com instruções de qualidade e lembrar-se de boas técnicas de prompt. Boa sorte!
–
Informações do agente de codificação
Claude Code – O agente de codificação da Anthropic está disponível no terminal e como uma extensão IDE, um aplicativo de desktop, aplicativos móveis, aplicativo Slack e uma versão em nuvem que pode funcionar diretamente em seus repositórios no GitHub. Indiscutivelmente o primeiro agente de codificação inovador, agora inclui uma elegante opção de controle remoto onde você pode iniciar uma sessão em seu desktop e depois continuá-la em um telefone ou tablet. Embora projetado para Claude LLMs, você pode usá-lo para executar LLMs locais por meio de ferramentas como Ollama ou Unsloth Studio. Ao usar modelos Claude, ele tende a oferecer menos utilização do que as opções de outros fornecedores. A Anthropic publicou o código da versão do terminal no GitHub, com uso regido pelos termos de serviço comerciais da Anthropic. Você pode usar o Claude Code via API paga por uso ou como parte de uma assinatura do Claude.
Codex – a resposta da OpenAI ao Claude Code está disponível via terminal, aplicativo, extensão IDE ou nuvem, com integrações para GitHub, Slack e Linear. A ferramenta CLI é de código aberto sob uma licença Apache, disponível no GitHub e funciona via API paga por uso ou como parte de uma assinatura ChatGPT.
Posit Assistant – O agente de codificação Posit (anteriormente RStudio) foi projetado para trabalho de dados em R e Python, embora o engenheiro de software sênior da Posit, Simon Couch, tenha me dito que seria adequado para trabalho de programação para outros usos e em outras linguagens. Ele está disponível para o RStudio IDE (por meio de uma assinatura Posit AI no RStudio), Positron IDE e como um aplicativo de terminal CLI independente, embora a ferramenta CLI atualmente não pareça tão completa quanto as integrações IDE (isso pode mudar). No momento em que este livro foi escrito, você também pode usar chaves de API da Anthropic, OpenAI e Snowflake Cortex e uma conta GitHub Copilot no Positron. O Posit Assistant está sendo atualizado com bastante frequência, Couch me disse. Se você testou há um ou dois meses, agora ele tem mais recursos.
CLI antigravidade – a ferramenta baseada em terminal do Google substituirá o Gemini CLI para usuários não pagos e do Google One este mês. Há também um IDE, SDK e plataforma Antigravity para orquestrar vários agentes. Uma vantagem do Antigravity: o Google oferece um plano gratuito com acesso ao Gemini 3.5 Flash, Gemini 3.1 Pro, Gemini 3 Flash, Claude Sonnet 4.6, Claude Opus 4.6 e gpt-oss-120b, e o que descreve como limites de taxas semanais “generosos”, mas indefinidos, com base no “grau em que temos capacidade”.
