Colocar um agente de IA para revisar o próprio código é como pedir ao autor para encontrar os próprios erros de digitação. Ele lê o que pretendia escrever, não o que escreveu.

No começo, eu pedia ao mesmo agente para codar e depois conferir se os critérios de aceite estavam cumpridos. Resultado: 100% dos relatórios vinham dizendo que tudo estava perfeito.

Até o dia em que um botão de pagamento em produção sumiu de uma tela e o agente jurava que estava lá. Na cabeça do modelo, o componente tinha sido importado. No arquivo real, a linha tinha sido apagada num refator três passos antes.

A solução não foi dar um prompt mais bravo. Foi dividir o trabalho entre três modelos de famílias diferentes:

  1. Claude na estratégia e especificação. Ele define o Gate 1: o que construir, o que NÃO fazer, e o teste exato que prova se funciona.

  2. Antigravity na execução completa. Ele abre o worktree, programa, roda o build local, testa cada camada e gera o diffstat real.

  3. Codex ou testes determinísticos na auditoria. Um modelo que não viu o raciocínio do primeiro, lendo apenas o git diff puro contra a branch base. Se o diff não bate com o critério, a entrega volta.

O que eu levo disso:

  1. O modelo que constrói nunca deve ser o modelo que aprova. O viés de confirmação em IA é quase invencível quando o contexto é o mesmo.

  2. IA sem especificação executável só gera gambiarra rápida. Quem não sabe especificar em texto claro não ganha produtividade com agente — só produz dívida técnica na velocidade da luz.

  3. Redundância de famílias (Anthropic + Google + OpenAI) pega as falhas cegas que um modelo repete com convicção.

Quantos modelos você usa hoje no seu fluxo de trabalho?