Licenciar o YOLO
Voltar ao glossário da Ultralytics

Agentic Coding

A programação agêntica é o desenvolvimento de software em que um agente de IA lê uma base de código, edita ficheiros, executa testes, corrige falhas e propõe uma alteração para revisão.

A programação agêntica é o desenvolvimento de software em que um agente de programação com IA executa uma tarefa de programação do início ao fim: lê o código relevante, planeja uma alteração, edita arquivos, executa comandos e testes, corrige o que falhar e entrega um commit ou pull request para revisão. Em vez de digitar cada linha, o desenvolvedor descreve a tarefa e avalia o resultado. Entre os agentes de programação amplamente usados estão o Claude Code da Anthropic, o Codex da OpenAI, o agente de programação do GitHub Copilot, o modo de agente do Cursor e agentes de código aberto, como o OpenHands. A maioria é baseada em modelos de raciocínio treinados para executar longas sequências de chamadas a ferramentas.

Como funcionam os agentes de programação#

Um agente de programação é um agente de IA cujas ferramentas são as ferramentas de um desenvolvedor: busca e leitura de arquivos, edição de arquivos, um shell para compilações e testes, controle de versão e, às vezes, um navegador. Seu ambiente de execução de agentes executa um ciclo no qual um modelo de linguagem grande (LLM) lê a tarefa, inspeciona arquivos, propõe uma edição ou comando, lê a saída e escolhe a próxima etapa. O próprio design dessas ferramentas é importante: o SWE-agent de Princeton resolveu 12,5% dos problemas do SWE-bench em 2024, muito acima dos métodos não interativos anteriores, principalmente por oferecer ao modelo comandos concisos criados para visualizar, pesquisar e editar código — uma abordagem que seus autores chamaram de interface agente-computador.

Os repositórios orientam os agentes com arquivos de instruções, como AGENTS.md, um formato aberto para comandos de compilação, comandos de teste e convenções de programação, hoje mantido pela Agentic AI Foundation; com habilidades de agente, que carregam procedimentos específicos para cada tarefa sob demanda; e com servidores do Model Context Protocol (MCP), que conectam rastreadores de problemas, bancos de dados e documentação. Os agentes são executados interativamente em um terminal ou IDE, ou em ambientes de execução isolados na nuvem, onde várias tarefas avançam em paralelo e cada uma termina em um pull request. Um agente líder também pode delegar pesquisas, execuções de testes ou revisões a subagentes com suas próprias janelas de contexto, uma forma de orquestração de agentes de IA. Como um repositório, uma dependência ou uma página da Web pode conter uma injeção de prompt, os agentes de programação executam comandos dentro de um ambiente isolado para agentes e pedem autorização antes de enviar código, excluir arquivos ou entrar em contato com novos hosts.

  • Conclusão de código: Sugere as próximas linhas enquanto o desenvolvedor digita, como o GitHub Copilot fazia no seu lançamento em 2021. O desenvolvedor ainda escreve e executa o programa, aceitando ou rejeitando cada sugestão.
  • Assistentes de chat: Um chatbot responde a perguntas de programação com trechos de código que o desenvolvedor copia, executa e depura manualmente.
  • Programação por vibe: Nome dado por Andrej Karpathy, em fevereiro de 2025, à criação de software por meio de prompts e da aceitação de código escrito por IA sem lê-lo. O termo descreve como uma pessoa trata o resultado; em equipes profissionais, a programação agêntica costuma manter no processo a revisão de código, os testes e a integração contínua.

Programação agêntica em visão computacional#

O trabalho de operações de aprendizado de máquina (MLOps) é adequado para agentes de programação porque cada etapa termina com um resultado verificável: um conjunto de dados é convertido e validado, uma execução de treinamento é iniciada e registra métricas, e um modelo exportado é carregado e retorna as mesmas predições. Se você pedir a um agente para ajustar um detector, ele pode escrever o YAML do conjunto de dados, iniciar o treinamento, ler as métricas de validação e propor a próxima experiência. As habilidades de agente da Ultralytics disponibilizam esse fluxo de trabalho ao Claude Code, Codex, Cursor, Gemini CLI e outros agentes compatíveis por meio de uma habilidade de roteamento yolo e habilidades para seleção de modelos, conjuntos de dados, treinamento, ajuste, inferência e exportação, além de uma habilidade platform-cli que controla o treinamento e as implantações na nuvem da Ultralytics Platform pela linha de comando ul cloud. Um pedido como «exporta o meu modelo YOLO treinado para TensorRT com quantização INT8 e compara o desempenho» segue então os procedimentos de exportação e benchmark documentados pelas habilidades, que instruem o agente a confiar na saída yolo checks e yolo cfg do pacote instalado sempre que houver divergências.

Como avaliar agentes de programação#

O SWE-bench, apresentado em outubro de 2023, é o benchmark padrão para programação agêntica: 2.294 problemas reais do GitHub provenientes de 12 repositórios Python populares, cada um avaliado conforme o patch do agente faz ou não passar os testes do próprio projeto. O melhor modelo na época do lançamento, Claude 2, resolveu 1,96% deles. O SWE-bench Verified da OpenAI, um subconjunto de 500 tarefas que engenheiros confirmaram como solucionáveis, tornou-se a versão mais divulgada; no fim de 2025, os melhores agentes resolviam cerca de 80% dele. Conjuntos mais difíceis, como Terminal-Bench, testam o trabalho em linha de comando, e as equipes acrescentam sua própria avaliação de agentes em repositórios internos. A produtividade prática é medida separadamente: no estudo randomizado da METR com desenvolvedores experientes de código aberto, 16 desenvolvedores trabalhando em 246 tarefas de projetos maduros que conheciam bem levaram 19% mais tempo no início de 2025 quando puderam usar ferramentas de IA, principalmente Cursor com Claude 3.5 e 3.7 Sonnet, embora depois estimassem que as ferramentas os tinham deixado 20% mais rápidos.

Explore as soluções

Visão computacional no desporto

Visão computacional no desporto

Descubra como o Ultralytics YOLO impulsiona a visão computacional no esporte com rastreamento de jogadores e bolas, análise de desempenho, insights para treinadores e reabilitação de atletas.
Saiba mais
Visão computacional para imagens aéreas

Visão computacional para imagens aéreas

Transforma imagens de drones e aéreas em informações em tempo real para a agricultura, a aquacultura, a conservação e a análise geoespacial com Ultralytics YOLO.
Saiba mais
Visão computacional no setor aeroespacial

Visão computacional no setor aeroespacial

Aplica visão computacional na indústria aeroespacial com Ultralytics YOLO para inspecionar aeronaves, detetar objetos estranhos na pista (FOD), apoiar operações aeroportuárias em terra e detetar defeitos em materiais compósitos.
Saiba mais
Visão computacional na segurança

Visão computacional na segurança

Protege todas as instalações com os modelos Ultralytics YOLO. A IA visual permite monitorizar perímetros, detetar ameaças, reconhecer matrículas e melhorar a segurança no local de trabalho.
Saiba mais
Visão computacional na robótica

Visão computacional na robótica

Potencia máquinas mais inteligentes com os modelos Ultralytics YOLO. A IA visual na robótica permite navegação autónoma, perceção, rastreamento de objetos e controlo em tempo real.
Saiba mais
Visão computacional na logística

Visão computacional na logística

Otimize a logística com os modelos Ultralytics YOLO. A IA de visão permite inspecionar pacotes, fazer triagem, rastrear veículos e monitorar a segurança em tempo real nos armazéns.
Saiba mais
Visão computacional no varejo

Visão computacional no varejo

Reinvente o varejo com os modelos Ultralytics YOLO. A IA de visão permite rastrear o estoque, monitorar prateleiras, gerenciar filas e obter insights mais inteligentes sobre clientes.
Saiba mais
Visão computacional na área da saúde

Visão computacional na área da saúde

Desenvolva soluções de saúde com os modelos Ultralytics YOLO. A IA de visão na área da saúde permite obter imagens médicas mais rapidamente, diagnósticos mais inteligentes e monitoramento de pacientes.
Saiba mais
Visão computacional na manufatura

Visão computacional na manufatura

Otimize a manufatura com modelos Ultralytics YOLO. A IA visual impulsiona o controle de qualidade, a detecção de defeitos, a conformidade com o uso de EPI e a automação da linha de montagem.
Saiba mais
Visão computacional no setor automotivo

Visão computacional no setor automotivo

Aplique visão computacional no setor automotivo com modelos Ultralytics YOLO. A IA visual aumenta a segurança viária, aprimora a assistência ao condutor e viabiliza a automação de veículos para estradas mais inteligentes.
Saiba mais
Visão computacional na agricultura

Visão computacional na agricultura

Leve a IA de visão à agricultura inteligente com os modelos Ultralytics YOLO. Aprimore o monitoramento de plantações, o rastreamento de animais e a agricultura de precisão para obter safras maiores e mais inteligentes.
Saiba mais

Vamos construir juntos o futuro da IA!

Comece sua jornada rumo ao futuro do aprendizado de máquina