Geração, revisão, documentação, depuração e testes com IA

Do zero

Pense na IA como um colega muito rápido, que escreve rascunhos em segundos, mas que às vezes erra com toda a segurança. Ele ajuda em cinco trabalhos do dia a dia:

• Gerar código: escrever a função a partir do pedido.
• Revisar código: ler uma mudança e apontar erros, riscos e trechos confusos.
• Documentar: escrever comentários, explicações de funções e o README.
• Depurar: ler a mensagem de erro, levantar hipóteses e achar a causa.
• Gerar testes: propor os casos que provam que o código funciona, inclusive os de canto.

A regra de ouro vale para os cinco: a IA faz o rascunho, a pessoa é a editora responsável. Rascunho bom economiza tempo; rascunho aceito sem leitura vira defeito em produção.

Frase para guardar: IA gera, revisa, documenta, depura e testa; a pessoa confere, decide e responde pelo resultado.

Em 1 minuto

• Geração: pedidos pequenos, com critério de pronto; ler o diff inteiro; desconfiar de bibliotecas e funções que você não conhece (podem não existir); conferir segurança (validação de entrada, consultas parametrizadas, segredos fora do código).
• Revisão assistida: a IA faz uma primeira passada no pull request (defeitos, riscos, legibilidade), com o requisito e o padrão do projeto no contexto. Ela erra para os dois lados (aponta falsos problemas e deixa passar reais); a aprovação é humana.
• Documentação: comentários que explicam o porquê (o como está no código), docstrings, README e registros de decisão de arquitetura (ADR). A documentação gerada precisa ser conferida contra o código: o modelo pode descrever o que parece plausível, e não o que o código faz.
• Depuração: dar a mensagem de erro completa, a pilha de chamadas (stack trace), os passos para reproduzir e o que já se tentou; pedir hipóteses e um teste que reproduza o erro antes da correção; corrigir a causa, não o sintoma.
• Testes: casos normais, valores-limite e erros; testes escritos a partir do requisito, não do código que se quer testar; testes de caracterização antes de refatorar código legado; teste de mutação para medir se os testes pegam defeitos. Cobertura alta não garante testes bons.

Exemplo concreto: a depuração do relatório de diárias

O sistema falha em produção:

Traceback (most recent call last):
  File "src/relatorios/diarias.py", line 42, in total_por_servidor
    total += diaria.valor
TypeError: unsupported operand type(s) for +=: 'float' and 'decimal.Decimal'

O pedido à IA, com tudo o que ela precisa: a mensagem completa acima, a função total_por_servidor, e a instrução “explique a causa provável, escreva um teste que reproduza o erro e só então proponha a correção”.

A resposta, conferida pela pessoa:

1. Causa: a função começa com total = 0.0 (um float), e os valores das diárias são Decimal. Python não soma os dois tipos diretamente.
2. Teste que reproduz: calcular o total de duas diárias de Decimal("800.00") e esperar Decimal("1600.00"). O teste falha com o mesmo erro: a causa está confirmada.
3. Correção: total = Decimal("0"). O teste passa, e os outros continuam passando.

Repare que a correção “fácil” seria converter tudo para float. Isso faria o erro sumir (o sintoma), mas traria imprecisão de centavos, e o projeto exige Decimal para dinheiro. Por isso a pessoa revisa a proposta à luz das regras do projeto.

E os testes gerados, são bons? Na função de multa por atraso (0,33% ao dia, teto de 20%), a IA gerou testes para 0 e 10 dias de atraso, com cobertura de 100% das linhas. A equipe roda um teste de mutação: a ferramenta troca o teto de 0,20 por 0,25 e roda os testes de novo. Todos passam, ou seja, o mutante sobreviveu, porque nenhum teste chega ao teto. Falta o caso de 61 dias. Cobertura de 100%, e ainda assim um buraco.

Comparação: os usos e os cuidados

Como a FCC cobra

• Documentação gerada e a necessidade de conferi-la.
• Testes de caracterização antes de refatorar código legado.
• Teste de mutação e cobertura de código.
• Responsabilidade de quem aprova o código.

Pegadinhas

Explique com suas palavras

Explique a um colega por que testes com cobertura de 100% ainda podem deixar passar um erro, usando a função de multa e o teste de mutação.

1. Escreva sem olhar a lição, com frases curtas e um exemplo seu.
2. Onde travar ou precisar de jargão, há uma lacuna: releia só essa parte.
3. Compare com a explicação-modelo e reescreva o que faltou.

Sua explicação

Fica salva neste navegador.

Comparar com uma explicação-modelo

Cobertura de 100% quer dizer que os testes passaram por todas as linhas do código, não que conferiram todas as regras. Na multa, os testes de 0 e 10 dias de atraso passam pela linha do teto de 20%, mas nenhum deles chega perto do teto. Se alguém trocasse 20% por 25%, nenhum teste reclamaria.

O teste de mutação faz exatamente essa troca de propósito: muda pequenos pedaços do código e roda os testes de novo. Se os testes continuam passando com o código estragado, eles não estão protegendo aquele ponto. Aí se acrescenta o caso que faltava, como 61 dias de atraso, que precisa dar exatamente 20%.

Teste-se

Mais duas questões deste tópico estão em Questões.

Flashcards gerados

Ligação com o estudo de caso

Num caso sobre a adoção de IA pela equipe de desenvolvimento, defina um fluxo: a IA gera e faz a primeira revisão, mas todo pull request tem revisão humana; depuração com reprodução por teste antes da correção; testes derivados dos requisitos, com casos de limite, e acompanhamento por teste de mutação, não só por cobertura; documentação gerada revisada junto com o código. A lição de riscos e qualidade complementa com segurança e responsabilidade.

Fontes da lição

• Edital nº 01/2026, Anexo II, Engenharia de Software Assistida por IA e Sistemas Agentivos (fontes/edital-01-2026.txt).
• Michael Feathers, Working Effectively with Legacy Code (testes de caracterização).
• Yue Jia e Mark Harman, “An Analysis and Survey of the Development of Mutation Testing” (2011).
• Documentação do Python: módulo decimal.