Conheça 4 prompts de IA que facilitam o trabalho diário da pessoa desenvolvedora (Foto: Freepik)
A Inteligência Artificial (IA) está amplamente difundida no desenvolvimento de software, mas, para que a tecnologia entregue os melhores resultados, ela precisa ser guiada por um “piloto” habilidoso. Um dos segredos para aproveitar ao máximo a IA está na elaboração de instruções eficazes, conhecidas como prompts. Chris Reddington, gerente sênior de programas de Developer Relations no GitHub, compartilha 4 modelos de prompt que considera mais úteis, ou mais eficientes, para pessoas desenvolvedoras de qualquer nível de habilidade e tipo de projeto. Segundo ele, a tecnologia já superou a fase de mera assistência para se tornar uma verdadeira parceira no processo de desenvolvimento, trabalhando “lado a lado” para construir, revisar e refinar código com velocidade e precisão. Talvez não seja surpreendente que o GitHub Copilot seja a ferramenta de IA mais usada por Reddington; veja abaixo os exemplos de prompts usados recentemente por ele:
1. Limpar o código
“Analise esta base de código e identifique áreas com dívidas técnicas. Forneça sugestões sobre como resolver e recomende quais áreas seriam mais impactantes para uma demonstração que mostre as capacidades do agente de codificação Copilot.”
2. Expandir códigos com novas funções
“Me ajude a identificar novas funcionalidades (mudanças incrementais ou significativas) que poderiam ser introduzidas nesta base de código. Elas devem ser relevantes para o estado atual do código, mas também interessantes e mostrar exemplos reais de como resolver um problema usando [nome da funcionalidade].”
3. Criar um GitHub issue
“Com base na base de código, crie uma issue no GitHub para a seguinte tarefa [descrição da tarefa]. Deve incluir uma visão geral do problema, critérios de aceitação e sugestões de quais arquivos podem precisar ser criados ou modificados para resolver a questão.”
4. Verificar módulo
“Por favor, revise o módulo [nome do módulo] e garanta que ele esteja seguindo nossos padrões estabelecidos de arquitetura em camadas. Crie um plano e mantenha esse plano (e a lista de tarefas) atualizado em um arquivo markdown, caso eu precise repassá-lo para outra pessoa.”
IA e agentes transformando o desenvolvimento de software no último ano
A forma como devs utilizam o GitHub Copilot mudou significativamente no último ano. Atualmente, o GitHub Copilot está disponível em múltiplos IDEs (VS Code, Visual Studio, Xcode, JetBrains, Eclipse e Neovim) e tem acesso a diversos modelos de IA e agentes, incluindo o modo de agente Copilot e o agente de codificação Copilot.
Reddington afirma que o agente de codificação Copilot permite que ele delegue tarefas para serem trabalhadas em segundo plano. Essas tarefas podem ser formais, como GitHub Issues, ou ad hoc. Em seguida, o Copilot cria um pull request e trabalha para fornecer uma solução. O Copilot usa as mesmas instruções personalizadas configuradas por ele para outros recursos do Copilot, compreendendo suas preferências e modos de trabalho. Mas, desde que configurado as etapas iniciais, o Copilot pode acessar as dependências necessárias para trabalhar de forma assíncrona, incluindo a execução de builds, testes, linters e outras verificações de qualidade.
“IA me ajuda a ser mais eficiente e eficaz no meu papel. Ainda sou eu quem está no controle e quem toma as decisões finais. Ela me permite focar nas tarefas de alto nível que exigem análise humana e criatividade, enquanto reduz o trabalho repetitivo automatizando ou auxiliando nas tarefas mais mundanas”, acrescenta Reddington.
Com mais de 6 milhões de pessoas desenvolvedoras ativas, o Brasil ocupa a quarta posição entre as maiores comunidades do GitHub no mundo. Muitas dessas pessoas utilizam ferramentas de IA, como o GitHub Copilot, para tornar os fluxos de trabalho mais eficientes, reduzir tarefas repetitivas e dedicar mais tempo a atividades criativas ou inovadoras.
