Programação com um Agente de IA

A inteligência artificial (IA) mudou fundamentalmente a forma como programamos. Agentes de IA podem gerar código, otimizar e até auxiliar na depuração. No entanto, existem algumas limitações que os programadores devem ter em mente ao trabalhar com IA.

Problemas de ordem e duplicação

Os agentes de IA têm dificuldades com a ordem correta do código. Por exemplo, podem colocar inicializações no final de um ficheiro, o que causa erros de tempo de execução. Além disso, a IA pode definir várias versões da mesma classe ou função num projeto sem hesitar, levando a conflitos e confusão.

Uma plataforma de código com memória e estrutura de projeto ajuda

Uma solução para isto é o uso de plataformas de código com IA que conseguem gerir a memória e as estruturas do projeto. Isto ajuda a manter a consistência em projetos complexos. Infelizmente, estas funcionalidades nem sempre são aplicadas de forma consistente. Como resultado, a IA pode perder a coesão do projeto e introduzir duplicações indesejadas ou dependências incorretas durante a programação.

A maioria das plataformas de codificação com IA funciona com as chamadas 'tools' (ferramentas) que o modelo de linguagem grande (LLM) pode invocar. Essas ferramentas baseiam-se num protocolo padrão aberto (MCP). É, portanto, possível ligar um agente de codificação de IA a um IDE como o Visual Code. Opcionalmente, pode configurar localmente um LLM com llama ou ollama e escolher um servidor MCP para integrar. Modelos podem ser encontrados em huggingface.

Extensões de IDE são indispensáveis

Para gerir melhor o código gerado por IA, os desenvolvedores podem usar extensões de IDE que supervisionam a correção do código. Ferramentas como linters, verificadores de tipo e ferramentas avançadas de análise de código ajudam a detetar e corrigir erros precocemente. Elas são um complemento essencial ao código gerado por IA para garantir a qualidade e a estabilidade.

A causa de erros repetitivos: contexto e função nas APIs

Uma das principais razões pelas quais os agentes de IA continuam a repetir erros reside na forma como a IA interpreta as APIs. Modelos de IA necessitam de contexto e de uma descrição de função clara para gerar código eficaz. Isto significa que os prompts têm de ser completos: não só devem conter os requisitos funcionais, mas também devem explicitar o resultado esperado e as condições limite. Para facilitar isto, pode armazenar os prompts num formato padrão (MDC) e enviá-los padronizadamente para a IA. Isto é particularmente útil para regras de programação genéricas que utiliza, bem como para os requisitos funcionais e técnicos e a estrutura do seu projeto.

Ferramentas como FAISS e LangChain ajudam

Produtos como FAISS e LangChain oferecem soluções para ajudar a IA a lidar melhor com o contexto. O FAISS, por exemplo, ajuda na pesquisa e recuperação eficiente de fragmentos de código relevantes, enquanto o LangChain ajuda a estruturar o código gerado por IA e a manter o contexto dentro de um projeto maior. Mas também aqui pode configurar localmente com bases de dados RAC.

Conclusão: útil, mas ainda não autónoma

A IA é uma ferramenta poderosa para programadores e pode ajudar a acelerar os processos de desenvolvimento. No entanto, ainda não é verdadeiramente capaz de conceber e construir autonomamente uma base de código complexa sem supervisão humana. Os programadores devem encarar a IA como um assistente que pode automatizar tarefas e gerar ideias, mas que ainda necessita de orientação e correção para atingir um bom resultado.

Entre contacto para ajudar a configurar o ambiente de desenvolvimento, auxiliando as equipas a tirar o máximo partido do ambiente de desenvolvimento e a dedicarem-se mais à engenharia de requisitos e ao design do que à depuração e escrita de código.