Seis Componentes-Chave de um Agente de Codificação: Como Sistemas Modernos de IA Escrevem Código
Anthropic
OpenAI
Agentes de codificação integram LLMs com ferramentas, memória e contexto de repositório para superar interfaces de chat simples. O autor identifica seis blocos principais: contexto de repositório ao vivo, formato do prompt e reutilização de cache, ferramentas estruturadas com validação, redução de contexto, transcrições e memória, e delegação via subagentes. O sistema ao redor muitas vezes importa tanto quanto o modelo em si.
Em um artigo detalhado, Sebastian Raschka explica o design de agentes de codificação e harnesses (estruturas de suporte), usando seu Mini Coding Agent como exemplo concreto. Ele distingue entre LLMs (modelos de linguagem de grande porte), modelos de raciocínio, agentes e harnesses de agentes. Os seis componentes principais são: 1) contexto do repositório ativo (coleta de fatos do espaço de trabalho, como branch do git, README etc.), 2) formato do prompt e reutilização de cache (separação do prefixo estável das partes dinâmicas para evitar reprocessamento), 3) ferramentas estruturadas com validação e permissões (ferramentas conhecidas com argumentos validados e verificações de segurança), 4) redução de contexto e gerenciamento de saída (remoção do histórico irrelevante para controlar o crescimento), 5) transcrições, memória e retomada (armazenamento de sessão, memória de curto prazo, capacidade de retomar tarefas), e 6) delegação e subagentes limitados (ferramentas que podem delegar trabalho a subagentes). O autor também observa que o harness pode ser o fator diferenciador entre modelos, já que os LLMs modernos têm capacidades brutas semelhantes.
Fonte: Sebastian Raschka —
original