LGTM, Ship It: The AI Code Review Problem
Revisões de código feitas por inteligência artificial estão revolucionando o desenvolvimento de software.
Conteudo
TLDR;
A preocupação é que o gargalo virou a revisão humana: PRs gerados por agentes acabam sendo fundidos em volume (ex.: 60/semana) sem checagem adequada, levando a dívida técnica, bugs recorrentes e arquiteturas frágeis. Para entender melhor o código gerado, peça ao agente para incluir comentários curtos inline, defina regras e estilos estritos nos prompts (por exemplo evitar efeitos em Svelte) e prefira alterações menores, especialmente na UI. Minimize duplicação e inconsistência centralizando utilitários em um diretório compartilhado, instruindo o agente a reutilizá‑los e apoiando‑se em ferramentas determinísticas como linters e CI para validar padrões e funcionalidade.
Resumo
Neste episódio de potluck do podcast, os apresentadores discutem problemas e dicas sobre o uso de agentes de IA para gerar código, especialmente interfaces de usuário. Relatam que IAs frequentemente produzem componentes confusos — com chamadas aninhadas e efeitos colaterais — tornando a leitura difícil; por isso recomendam ditar regras de estilo ao agente (por exemplo, evitar efeitos no Svelte), solicitar comentários sucintos inline para documentar intenção, e fornecer exemplos e padrões de código. Para UIs, sugerem trabalhar em mudanças menores e testar interações manualmente, enquanto para lógica de backend é aceitável gerar blocos maiores. Alertam que a IA tende a duplicar utilitários; por isso, manter um diretório central de funções compartilhadas e instruí‑la a reutilizar essas utilidades evita redundância. Também aconselham usar ferramentas determinísticas (linters, CI) e padrões claros para que nem todo trecho precise ser revisado em detalhe. Um problema grave exposto é o fluxo onde agentes criam dezenas de PRs por desenvolvedor por semana, com pouca revisão humana, gerando dívida técnica, bugs recorrentes e arquitetura inconsistente. Concluem que padrões, revisões criteriosas e prompts cuidadosos são essenciais para aproveitar a produtividade sem degradar a qualidade do código e garantir manutenção, escalabilidade e confiança nos sistemas produzidos pela equipe.