Responsável pelo Código Claude: em execução paralela com múltiplos agentes, mesclando de 20 a 30 PRs por dia

Cabeçalho

O responsável pelo Claude Code da Anthropic está a ser inundado com produções geradas por IA.

Resumo

Boris Cherny (o criador e responsável pelo Claude Code) mencionou nas redes sociais e em podcasts:

• Ele recebe todos os dias uma série de produções e notificações relacionadas com IA, principalmente provenientes do agente Claude que está a correr em paralelo — produtos de código, lembretes de estado, entre outros.
• Graças à execução paralela de múltiplas instâncias, ele consegue lidar com 20-30 solicitações de pull (PR) para submissão e fusão diariamente.
• Na entrevista com o Pragmatic Engineer e no Lenny’s Podcast, ele afirmou que esse código é “100% escrito por IA”, e que não tocou em código desde Novembro.

O ponto principal aqui é: este é um fluxo de trabalho de engenharia real, impulsionado pela colaboração de múltiplos agentes, não é uma demonstração nem uma corrida de pontuação.

Análise

• O conteúdo do trabalho mudou:

  • O planeamento, implementação e revisão são realizados em paralelo por diferentes agentes Claude;
  • As suas responsabilidades mudaram de “escrever código” para “organizar e agendar agentes, aceitar resultados”;
  • Se o que ele diz é verdade, isso representa uma grande mudança na definição do trabalho diário dos engenheiros.

• O método técnico é, na verdade, muito simples:

  • Na transformação de grandes repositórios de código (como migrações), o Claude Code tende a usar métodos simples e diretos (glob, grep, etc.), em vez de técnicas complexas e elaboradas;
  • Na prática, “ferramentas simples + organização paralela” são suficientes para enfrentar tarefas complexas.

• O conflito entre organização e qualidade:

  • A alta concorrência de PR traz riscos à qualidade do código, erros sistémicos podem ser amplificados;
  • Ele não revelou os critérios de qualidade e detalhes de controlo de risco, mas os limites dos problemas são claros: se os erros têm características padronizadas, a paralelização amplificará o impacto.

Avaliação de impacto

• Importância: Média-alta (amostras de fluxo de trabalho de alta frequência de um operador de linha de frente).
• Direção do paradigma:
  • A transição de “desenvolvedores a escrever código manualmente” para “paralelização de múltiplos agentes + agendamento humano” na linha de produção;
  • Os engenheiros humanos assumem mais o papel de supervisores de produtos e processos, enquanto a IA é responsável por escrever, modificar, consultar e avaliar.
• Âmbito de aplicação:
  • Adequado para cenários com alto grau de estruturação, que podem ser divididos em reescritas/migrações/revisões em massa;
  • Para tarefas complexas que envolvem forte interação e decisões de design entre diferentes áreas, ainda é necessário que humanos supervisionem as estratégias e restrições.

Conclusão (pontos rápidos)

• Fonte de produtividade: agentes paralelos + cadeia de ferramentas simples;
• Principais riscos: erros sistémicos amplificados pela paralelização;
• Valor prático: casos reais de equipas da linha de frente “consumindo a sua própria comida de cão” são mais persuasivos do que testes de referência em papel.

Conclusão: para os traders e financiadores, esta narrativa tem atualmente uma relevância limitada; para os construtores que estão a criar ou a introduzir linhas de produção de codificação em IA, este é um paradigma de referência “ligeiramente prematuro mas eficaz”, sendo os principais beneficiários aqueles que procuram eficiência em engenharia e organização de processos.