Unlazy: como cobrar evidências dos agentes de IA

Por que isso importa

O momento mais caro de trabalhar com um agente de programação pode chegar depois da mensagem “terminei”. Você começa a usar a entrega, encontra uma parte esquecida e precisa descobrir quanto do restante também ficou pela metade. Para quem mantém sistemas, integrações ou ferramentas internas, esse trabalho de investigação pode consumir a economia obtida na geração do código.

O Unlazy propõe registrar condições de conclusão e exigir evidências antes de encerrar uma tarefa. Minha leitura é que o valor está nessa disciplina: transformar pedidos em resultados verificáveis. A expressão “resolver a preguiça da IA”, usada pelo vídeo, promete mais do que uma demonstração consegue sustentar. Uma checagem executada também pode estar errada, ser superficial ou verificar algo diferente do que você pediu.

Por isso, eu avaliaria essa skill pela qualidade das provas e pelo tempo necessário para revisar a entrega. A quantidade de agentes trabalhando ao mesmo tempo seria uma decisão posterior.

Pontos principais

• 01:04 O canal apresenta o Unlazy como uma forma de vincular conclusão a evidências registradas. A mudança prática é tornar o estado de cada requisito consultável, reduzindo a dependência do resumo final escrito pelo agente.
• 02:37 A explicação distingue trabalho declarado completo antes da hora e redução silenciosa do escopo. São falhas diferentes: testar o que foi implementado não revela, sozinho, um requisito que desapareceu do plano.
• 05:49 A profundidade da árvore controla a decomposição da tarefa. Na versão descrita, profundidades de até três usam o modo solo; quatro ou mais acionam a orquestração. Isso organiza o trabalho, mas o número escolhido não constitui uma medida de qualidade.
• 07:24 Cada condição de conclusão associa resultado, comando, saída esperada e evidência. O ponto decisivo é o significado do comando: encontrar uma frase de sucesso só ajuda quando essa frase depende de uma verificação real.
• 08:28 O coordenador confere novamente o trabalho recebido e registra requisitos abandonados com justificativa. Essa visibilidade permite distinguir uma entrega completa de outra que precisa de intervenção, sem esconder pendências no relatório.
• 10:34 O canal relata uma execução de três a quatro horas que havia produzido apenas uma página de login e atribui a demora ao despacho sequencial. É um relato daquela configuração, sem comparação controlada que permita estimar seu próprio ganho.
• 11:38 Na versão modificada, o plano distribui a responsabilidade pelos arquivos antes do trabalho paralelo. A equipe relata dez agentes simultâneos e uma primeira versão do aplicativo em aproximadamente duas horas. O princípio aproveitável é explicitar dependências e responsabilidades antes de aumentar a concorrência.

Como aplicar

Unlazy: comece pelo que pode ser comprovado

Escolha uma funcionalidade pequena, mas completa. Meu exemplo seria importar contatos de um CSV para uma ferramenta interna. A tarefa deve incluir leitura, validação, gravação e apresentação dos erros. Pedir apenas “uma tela de importação” deixaria espaço para uma interface convincente sem importação funcionando.

Antes de começar, escreva os resultados obrigatórios e os comportamentos ainda indefinidos. Duplicatas serão ignoradas, atualizadas ou rejeitadas? Uma linha inválida interrompe o arquivo inteiro? Essas decisões precisam estar resolvidas antes de virar código ou teste.

Use dados fictícios e resultados conhecidos. Para esse exercício, eu prepararia os seguintes casos:

| Cenário proposto | Resultado exigido | Evidência útil | |---|---|---| | Arquivo com 12 linhas válidas, sendo duas repetidas | Dez contatos únicos gravados | Consulta aos registros persistidos e comparação dos campos | | Reenvio do mesmo arquivo | Nenhuma duplicação adicional | Contagem e conteúdo antes e depois | | Arquivo separado com telefone inválido | Tratamento conforme a regra definida | Erro associado à linha correta e estado final da importação | | Nome com acento e telefone com +55 | Valores preservados conforme o contrato | Leitura dos dados após a gravação |

Essa tabela acrescenta algo que uma lista de funcionalidades não oferece: uma definição observável de sucesso.

Teste se a checagem consegue reprovar

Peça a implementação das verificações e examine o que elas realmente consultam. Procurar a palavra “importado” numa resposta não demonstra que os contatos chegaram ao armazenamento. Verifique também se o comando testa o código atual ou lê um relatório antigo.

Depois, introduza uma falha controlada numa cópia de trabalho: desative temporariamente a gravação, por exemplo. A checagem precisa falhar. Restaure a implementação e confirme que volta a passar. Esse exercício ajuda a encontrar testes que continuam verdes independentemente do comportamento.

O formato oficial dos arquivos de verificação está na referência de gates. Adapte o exemplo à estrutura exigida pela versão instalada.

Confira a versão antes de copiar o ajuste do vídeo

Na consulta feita para este rascunho, o README já descreve orquestração paralela e identifica o código atual como voltado à versão 2.1.0, sem apresentá-la como uma release marcada. Portanto, confira o repositório oficial antes de editar a skill para adicionar paralelismo. Registre o commit usado para conseguir repetir o experimento.

Comece a instalação no projeto escolhido, seguindo o README correspondente. Evite misturar uma instalação atual com instruções antigas retiradas da demonstração.

Paralelize depois de definir os contratos

No exemplo da importação, leitura do arquivo e apresentação dos erros podem avançar separadamente depois de definido o formato dos dados trocados. A integração depende desse acordo. Dois agentes alterando o mesmo módulo central provavelmente exigirão coordenação adicional.

A documentação de paralelismo esclarece que a declaração de propriedade dos arquivos coordena processos cooperativos; ela não impõe isolamento de escrita. Minha regra seria começar com poucas tarefas independentes e conferir o resultado integrado a cada rodada.

Compare o esforço total até a aprovação

Faça execuções comparáveis com e sem a skill, partindo do mesmo código e dos mesmos critérios. Registre tempo total, consumo informado pela ferramenta, requisitos atendidos e minutos de revisão humana. Repita o suficiente para perceber se o resultado dependeu de uma execução especialmente boa ou ruim.

O próprio projeto publica um protocolo de validação e reconhece limitações de suas comparações históricas. Eu adotaria o Unlazy se ele reduzisse omissões e investigação manual num custo aceitável. A aprovação final continuaria dependendo do comportamento integrado e das decisões que exigem julgamento humano.