você entende a posição desse cara, certo?

Empreendedor em Residência da @Esade, Membro do Conselho Consultivo da iHealth Labs, Conselheiro, Mentor e Coach no Martin Trust Center for MIT Entrepreneurship, Investidor Anjo, e Chefe de Produto @Google Edu, Fundador, CPO e CEO da BrightBytes (Adquirida pelo Google), Membro do Conselho da iEARN-USA, Mentor e Coach - Big Ideas na Universidade da Califórnia, Berkeley Hisham Anwar, Empreendedor - Tecnólogo - Investidor Anjo O maior desafio na construção de agentes prontos para empresas não é a capacidade da IA de codificar, mas sim a Lacuna de Contexto. Assistentes de IA tradicionais muitas vezes perdem a visão geral à medida que as sessões crescem. Eles esquecem os padrões arquitetônicos, as peculiaridades da pilha tecnológica específica e o roadmap do projeto a longo prazo. Em um ambiente empresarial, isso (amnésia) leva a retrabalho e código inconsistente. Eu tenho mergulhado profundamente na estrutura GSD (Get Shit Done) para Claude Code, e é um divisor de águas para fluxos de trabalho agentes: Memória Persistente: Utiliza um planejamento/ diretório estruturado para dar a Claude uma memória a longo prazo, garantindo que ele nunca perca de vista os objetivos do projeto. Engenharia de Contexto Automatizada: Com comandos como /gsd:map-codebase, ele não apenas lê o código; ele constrói um modelo mental de toda a sua arquitetura. Roadmaps Verificáveis: Força um ciclo "Planejar > Executar > Verificar" que espelha os fluxos de trabalho de engenharia sênior, reduzindo a necessidade de supervisão constante. O que isso resolve: - Reduz a descoberta de semanas para dias - Extrai modelos de domínio implícitos de sistemas existentes - Gera fundações de camada semântica a partir de código de produção - Documenta fluxos de dados reais vs. arquitetura pretendida A chave insight: Sua lógica de negócios já codifica seu modelo de domínio. O GSD nos permite extraí-lo programaticamente em vez de reconstruí-lo manualmente através de entrevistas com partes interessadas. Esta não é uma solução completa para a lacuna de contexto, você ainda precisa de expertise humana em domínio, governança de dados e validação. Mas é um poderoso acelerador para a fase de descoberta. Se você está construindo camadas semânticas ou gráficos de conhecimento para IA empresarial, essa abordagem vale a pena explorar. Ao passar de prompts isolados para um sistema de engenharia de contexto gerenciado, podemos construir agentes que não apenas escrevem código, mas realmente entendem os sistemas que estão construindo. Se você está construindo para a empresa, pare de lutar contra a janela de contexto e comece a engenheirá-la.

ÚLTIMA HORA: $GSD está agora verificado na @JupiterExchange 🔥