Meu fluxo de trabalho de programação com LLM para 2026 (Addy Osmani)

Fluxo de trabalho de uso de LLM organizado por Addy Osmani, engenheiro do time do Google Chrome, com base em 1 ano de experiência com programação por IA.

Princípios centrais:

• Especificação antes do código: escrever primeiro um spec.md com o LLM e definir requisitos, arquitetura e estratégia de testes antes de começar a programar. Ele chama isso de "waterfall de 15 minutos"
• Iterar em unidades pequenas: em vez de pedir um grande resultado de uma vez, dividir o trabalho por funcionalidade/função/bug. Se entregar um bloco grande, o resultado fica "como se tivesse sido feito por 10 pessoas que nunca conversaram entre si"
• Fornecer contexto suficiente: passar ativamente código relacionado, documentação de API e restrições. Usar ferramentas como gitingest e repo2txt para injetar a base de código no LLM
• Escolha de modelo e uso em paralelo: se um modelo emperrar, mudar para outro. Aproveitar validação cruzada, como pedir ao Gemini para revisar código escrito pelo Claude
• Humanos obrigatoriamente no loop: tratar o LLM como um desenvolvedor júnior "muito confiante, mas propenso a erros". Revisar e testar todo código gerado, e não fazer commit de código que você não consegue explicar
• Controle de versão ultradetalhado: fazer commit a cada tarefa para garantir "save points". Usar git worktree para rodar várias sessões de IA em paralelo
• Definir regras com CLAUDE.md/GEMINI.md: escrever em arquivos o guia de estilo do projeto, padrões preferidos, regras de lint etc. e injetá-los na IA
• Integração com CI/CD: testes automatizados e linters atuam como gate de qualidade para código gerado por IA. Um loop cíclico em que logs de falha são enviados de volta para a IA como feedback

Pontos que valem atenção:

• Na Anthropic, cerca de 90% do código do Claude Code é escrito pelo próprio Claude Code
• A IA recompensa as melhores práticas já existentes. O maior efeito aparece quando a capacidade de engenheiros sênior (projeto, gestão de complexidade, julgamento de automação) se combina com IA
• Ferramentas de IA ampliam capacidade, não substituem. Usar só IA sem base pode virar uma "versão turbinada do efeito Dunning-Kruger"