TLDR;

Seniores não fazem "prompt and pray", eles usam um fluxo agentic com um Agentic Development Environment, orquestram sub‑agentes especializados e convertem decisões de arquitetura em prompts de implementação precisos. A pilha inclui duas ADs (Codeex para modelos GPT e Cursor para variedade), uma estratégia de dois modelos (executor pesado como GPT‑5.6 Terra/Soul e pesquisadores leves mais rápidos) e um conjunto enxuto de skills (~25–30) como domain modeling, codebased design e code review. A qualidade é assegurada por um loop de revisão: ferramentas de revisão de código por IA analisam cada pull request, retornam os achados aos agentes e o processo itera até o engenheiro fazer a revisão final.

Resumo

Este trecho descreve um fluxo de trabalho de engenharia de IA profissional que evita o “prompt and pray”, explicando um ambiente agente (ADE) e uma estratégia de modelos e skills. O autor usa duas ADEs — Cursor para variedade de modelos e CodeX para aproveitar melhor GPTs (GPT‑5.6 Soul/Terra) — e assina planos pagos que equilibram custo e limite de uso. A abordagem recomenda sempre dois modelos por agente: um executor pesado e mais lento para implementar, e um pesquisador leve e rápido para buscar informações na web e no código. Além disso, enfatiza a limitação de skills instaladas (cerca de 25–30, nunca mais de 50) para evitar consumo desnecessário de contexto; prioriza skills de modelagem de domínio, design baseado em código, revisão de código e uma skill própria de orquestração de features para coordenar subagentes especializados. O fluxo inclui definir escopo e arquitetura, transformar decisões em prompts de implementação precisos, delegar tarefas para agentes especializados e realizar ciclos de revisão automática (ferramentas de code review) que retornam feedback aos agentes até o código ficar pronto para revisão final humana. Ele também avalia diferenças marginais entre plataformas, trade-offs de custo e performance, e usa skills de design para front-end relevante.