🌙Ex-engenheiro da Meta faz IA trabalhar enquanto ele dorme
Kun Cheng, ex-engenheiro sênior da Meta (nível L8, que é bastante alto na hierarquia), construiu um sistema onde agentes de IA trabalham em tarefas de programação durante a noite, sem supervisão. Ele criou três ferramentas gratuitas para isso: uma que transforma planos de código em diagramas visuais, um orquestrador que mantém os agentes trabalhando rumo a um objetivo, e um validador que identifica erros antes de o código ser aprovado. --- A filosofia dele é simples: quanto mais tempo você investe planejando em detalhe o que quer, mais tempo a IA consegue trabalhar sozinha depois. E toda vez que ele encontra um atrito no processo que nenhuma ferramenta resolve, ele constrói uma nova. --- O ponto mais provocativo é a mentalidade. Segundo Kun, "se você ainda revisa manualmente cada linha de código, você é o gargalo". Para quem gerencia equipes ou projetos de qualquer tipo, a lição vale: o papel do humano está migrando de executor para planejador e revisor estratégico.
Kun Cheng, ex-engenheiro sênior da Meta (nível L8, que é bastante alto na hierarquia), construiu um sistema onde agentes de IA trabalham em tarefas de programação durante a noite, sem supervisão. Ele criou três ferramentas gratuitas para isso: uma que transforma planos de código em diagramas visuais, um orquestrador que mantém os agentes trabalhando rumo a um objetivo, e um validador que identifica erros antes de o código ser aprovado.
— @petergyang View on X
Kun Cheng, ex-engenheiro de software nível L8 na Meta, desenvolveu um sistema de agentes de IA capaz de executar tarefas complexas de programação durante a noite, sem intervenção humana. A arquitetura desloca o gargalo do desenvolvimento da escrita de código para o planejamento estratégico, permitindo que o trabalho cognitivo pesado ocorra enquanto o desenvolvedor está offline.
O arsenal técnico: três camadas de automação
O ecossistema construído por Cheng opera através de três ferramentas open-source interligadas. A primeira converte especificações técnicas em diagramas visuais, facilitando a comunicação de arquitetura antes da implementação. A segunda funciona como um orquestrador de agentes, mantendo múltiplos processos de IA alinhados com objetivos definidos sem necessidade de micromanagement. A terceira atua como um validador automatizado de código, identificando bugs e inconsistências antes que o output chegue à etapa de revisão humana.
A metodologia segue uma lógica de compensação: quanto mais detalhado é o planejamento inicial, maior a autonomia dos agentes durante a execução. Cheng adota ainda uma postura de builder contínuo — sempre que encontra atritos no workflow que ferramentas existentes não resolvem, desenvolve uma solução específica para aquele gap.
Do teclado ao quadro branco: redistribuição de tarefas
A proposição central desafia convenções do software engineering tradicional. Segundo Cheng, "se você ainda revisa manualmente cada linha de código, você é o gargalo". A afirmação aponta para uma transição inevitável: o papel do engenheiro está migrando de executor técnico para arquiteto de sistemas e curador de constraints.
"Para realmente escalar o que conseguimos dos agentes, precisamos nos tirar do caminho o máximo possível", resume o ex-meta. Isso significa que skills de especificação rigorosa, design de arquitetura e definição de critérios de aceitação tornam-se mais críticas que proficiência em sintaxe específica de linguagens.
Implicações para o mercado brasileiro
Para desenvolvedores e tech leads no Brasil, o case de Cheng sinaliza uma mudança de prioridade no stack de habilidades. A competição deixa de ser sobre velocidade de digitação ou memorização de documentação, e passa a envolver capacidade de decomposição de problemas e modelagem de sistemas. Ferramentas de orquestração e validação automática devem se tornar padrão em pipelines de CI/CD, exigindo familiaridade com workflow engineering e prompt architecture.
O modelo também sugere uma nova economia de escala para startups e equipes enxutas: um planejamento de qualidade permite multiplicar output sem aumentar headcount, desde que a infraestrutura de agentes seja robusta o suficiente para operar sem supervisão constante.