Resumo

Concluído

Este módulo abordou como desenhar arquiteturas de agentes que funcionem de forma fiável dentro do Ciclo de Vida do Desenvolvimento de Software (SDLC), mantendo limites claros, governação e supervisão humana. Explorámos como os sistemas agentivos podem ir além da simples automação, interpretando objetivos e propondo alterações, mas também porque é que esse poder requer estrutura – sem ela, os agentes podem introduzir riscos na qualidade do código, segurança e estabilidade

Um tema-chave em todo o módulo foi reforçar que os agentes devem propor trabalho, e não executá-lo unilateralmente. Ao utilizar pull requests, verificações obrigatórias, CODEOWNERS e proteções do ambiente, garantimos que todas as alterações geradas pelo agente são validadas através de sinais automáticos e revisão humana antes de serem aceites. Este modelo é fundamental para manter a segurança e fiabilidade, especialmente à medida que a autonomia dos agentes aumenta.

Ao impor governação, observabilidade e autonomia baseada no risco, as equipas podem delegar em segurança trabalhos repetitivos ou demorados aos agentes, mantendo os humanos no controlo das decisões que mais importam. O resultado é um fluxo de trabalho de desenvolvimento que é simultaneamente mais rápido e escalável, sem sacrificar confiança, qualidade ou responsabilidade.

Neste módulo, você aprendeu como:

  • Atribuir responsabilidades do agente aos estágios do ciclo de vida de desenvolvimento de software e definir os âmbitos limitados.

  • Defina entradas, saídas e critérios de sucesso aplicáveis.

  • Separe o planeamento da execução e assegure o controlo do plano.

  • Use controlos baseados em PR, tais como templates, verificações obrigatórias, CODEOWNERS, regras e ambientes, para gerir o trabalho.

  • Construa fluxos de trabalho fiáveis usando saídas, contextos e padrões de disparo seguros.

  • Operar agentes em segurança usando observabilidade, artefactos, governação de ferramentas, restrições MCP, isolamento de segredos, trilhos de segurança baseados em ganchos e padrões de fiabilidade.

Mais informações

Para uma leitura mais aprofundada, utilize a documentação oficial do GitHub sobre: