Defina IA agente no SDLC
Muitos programadores já usam IA num padrão de assistente familiar. Um assistente responde a um prompt, gera saída e devolve o controlo ao utilizador. Um agente vai mais longe: pode interpretar um objetivo, decidir passos intermédios, usar ferramentas e agir dentro de um fluxo de trabalho.
Essa diferença é importante porque transforma a IA de algo que ajuda no desenvolvimento para algo que participa no desenvolvimento.
Nesta unidade, vais aprender
O que torna um sistema de IA agente num contexto de desenvolvimento
Como os sistemas baseados em agentes diferem dos sistemas baseados em assistentes
Como o comportamento dos agentes aparece nos fluxos de trabalho do GitHub
O que torna um sistema de IA agente num contexto de desenvolvimento.
Os sistemas baseados em assistentes são tipicamente reativos:
Dependem do utilizador para decidir o que fazer a seguir.
Podem sugerir código, explicar a saída ou resumir alterações.
Eles não avançam o trabalho de forma independente dentro de um repositório.
Os sistemas baseados em agentes são orientados por objetivos:
Podem interpretar uma tarefa, desenvolver uma abordagem e dar passos para a conclusão.
Podem usar ferramentas (por exemplo, a API do GitHub, fluxos de trabalho de CI ou operações de escrita de repositório) para produzir resultados sustentáveis como branches, commits e pull requests.
Podem iterar com base no feedback (verificações, avaliações, varreduras).
No GitHub, este modelo é frequentemente expresso através de um fluxo de trabalho orientado para pull request: o agente propõe alterações numa ramificação, abre um pull request e aguarda revisão e validação antes de a mudança ser fundida.
Assistente versus agente?
Está a comportar-se como um assistente quando:
Produz sugestões ou explicações
Não realiza ações no repositório
Exige que o utilizador aplique cada passo manualmente
Um sistema de IA comporta-se como um agente quando pode:
Mantenha um objetivo ao longo de várias etapas
Decidir ações intermédias
Utilizar ferramentas
Criar ou modificar artefactos duráveis (branch/commits/PR)
Itera com base em sinais de feedback
Como o comportamento dos agentes aparece no GitHub
No GitHub, o comportamento dos agentes é visível através das mesmas estruturas que os programadores já utilizam:
Ramos e commits (o que mudou)
Pull requests (o que é proposto, porquê e para revisão)
Fluxos de trabalho e verificações (que evidências existem)
Rever comentários e aprovações (o que os humanos aceitaram ou rejeitaram)
Um agente não substitui o fluxo de trabalho. Entra no fluxo de trabalho como participante.
Exemplo de Implementação
Comportamento do agente (produção de PR) É registado um alerta de segurança. O agente:
- Cria uma ramificação (por exemplo, agent/bump-dep-2026-04-03)
- Atualiza uma dependência e ficheiro de bloqueio
- Abre um pull request com um resumo e um plano
- Espera pelas verificações do CI e pela revisão do feedback, depois revê se necessário
Comportamento do assistente (apenas por sugestão) Pergunta a um assistente: "Como posso atualizar esta dependência de forma segura?" O assistente apresenta:
um conjunto de comandos recomendados
Uma lista de verificação de riscos
As alterações sugeridas ao código Continuas a criar o ramo e o pull request tu mesmo.
Na unidade seguinte, irá examinar o ciclo de vida que governa como os agentes planeiam, agem e avaliam.