São Francisco (EUA), 13 de outubro de 2025 – A GitHub publicou um guia que propõe uma metodologia em três camadas para transformar experimentos pontuais com inteligência artificial em processos de engenharia previsíveis e reprodutíveis. O material, assinado por Daniel Meppiel, apresenta o uso combinado de prompt engineering em Markdown, “primitivas agent — módulos reutilizáveis que fornecem capacidades específicas aos agentes — e técnicas de context engineering, responsáveis por garantir que o modelo concentre-se apenas nas informações relevantes.
Como funciona o modelo sugerido
O framework une:
- Markdown estruturado – usado para organizar pensamentos, definir papéis e inserir pontos de contexto por meio de links;
- Primitivas agent – arquivos reutilizáveis (como
.instructions.md,.chatmode.md,.prompt.md,.spec.md) que padronizam instruções, modos de chat, fluxos de trabalho e memórias do agente; - Context engineering – estratégias para dividir sessões, aplicar instruções específicas a determinados arquivos e otimizar a janela de contexto do modelo.
Ferramentas de suporte
Segundo o texto, desenvolvedores podem começar a criar primitivas diretamente no VS Code com GitHub Copilot. Para automação e escalabilidade, o guia recomenda o uso de runtimes de linha de comando, como o Copilot CLI, e do gerenciador de pacotes APM (Agent Package Manager). O APM instala dependências, compila arquivos Markdown em agentes executáveis e integra esses fluxos a pipelines de CI/CD via GitHub Actions.
Passo a passo resumido
- Redigir instruções gerais e modulares para o projeto;
- Configurar modos de chat que limitem ferramentas e responsabilidades de cada agente;
- Criar prompts reutilizáveis que orquestrem as primitivas e incluam pontos de validação humana;
- Elaborar especificações (
.spec.md) que transformem requisitos de negócios em tarefas implementáveis; - Empacotar tudo com o APM para distribuição e execução em ambientes de produção.
O artigo afirma que, ao adotar essa abordagem, agentes de IA deixam de ser experimentos isolados e passam a integrar rotinas de desenvolvimento com confiabilidade semelhante à do código tradicional.
Imagem: Internet
Com informações de GitHub Blog
