Descubra como combinamos agentes de IA (Claude Code e Antigravity) para backend e frontend na Tech Blues, economizando tokens e garantindo engenharia sólida.
Publicado em · Inteligência Artificial
Uma pergunta que sempre aparece nas conversas com clientes, parceiros e outros desenvolvedores é: “Qual Inteligência Artificial vocês usam para programar na Tech Blues?”
Muita gente espera ouvir o nome de uma única ferramenta — como se existisse um campeão absoluto que resolvesse qualquer problema melhor do que todos os outros. Na prática da nossa engenharia, a resposta é outra: depende da tarefa.
Assim como uma equipe técnica não usa a mesma ferramenta para desenhar uma tela, configurar um banco de dados e monitorar um servidor, hoje nós combinamos agentes e modelos diferentes para cada parte do trabalho. Abaixo estão os bastidores reais de como construímos sistemas e plataformas SaaS como o SuiteOps, o SpedOps e o SindiOps.
Duas ferramentas agênticas principais no dia a dia
Hoje não usamos a I.A apenas como um “chat” onde se copia e cola um trecho de código. Trabalhamos com agentes de desenvolvimento — ferramentas que leem a estrutura inteira do projeto, entendem as convenções da arquitetura, escrevem código e rodam a suíte de testes automatizados para verificar o resultado.
No nosso fluxo principal, dividimos o trabalho entre duas delas:
1. Claude Code (Anthropic) para especificação e backend
O backend é a parte do sistema que o usuário não vê diretamente, mas que sustenta toda a operação: regras de negócio, cálculos financeiros e fiscais, banco de dados, filas de processamento, segurança multiempresa e integrações com APIs externas.
É no Claude Code que especificamos as funcionalidades e desenvolvemos a maior parte do backend. Para esse tipo de raciocínio estrutural — manter a consistência entre dezenas de arquivos, respeitar contratos de banco de dados e criar testes rigorosos —, ele tem se mostrado excelente.
2. Antigravity (Google) para o frontend e interfaces
O frontend é a parte que o seu cliente e a sua equipe enxergam e usam todos os dias: painéis, formulários, quadros kanban, gráficos e experiência de navegação.
O Antigravity também desenvolve bem o backend, mas, na nossa experiência diária, ele se destacou no trabalho de frontend: a construção visual das telas, o cuidado com espaçamento, hierarquia e acabamento estético saem com um nível superior.
A regra da lâmpada e do especialista: alternando entre Sonnet e Opus
Mesmo dentro de uma única ferramenta, como o Claude Code, nós não deixamos o mesmo modelo ligado o tempo todo. Alternamos constantemente entre dois modelos da mesma família:
- Sonnet no dia a dia: rápido, direto e muito eficiente para a grande maioria das implementações, ajustes de rotas, testes e refatorações bem definidas.
- Opus nas tarefas mais complexas: acionado quando o problema envolve uma decisão de arquitetura delicada, uma investigação profunda de performance ou uma regra de negócio com muitas variáveis.
Por que fazemos essa divisão? Porque cada resposta da I.A consome tokens, e token tem custo.
Usar o modelo mais pesado e mais caro do mercado para criar um campo simples num formulário é como chamar um cirurgião especialista para trocar uma lâmpada: o serviço vai ficar pronto, mas a conta não faz sentido. Escolher o modelo certo para a dificuldade da tarefa mantém a produtividade lá em cima e o custo operacional sob controle — o mesmo princípio de FinOps que aplicamos quando desenhamos produtos com I.A embarcada para os nossos clientes.
Modelos complementares: GLM e Qwen
Além da dupla principal, de vez em quando também colocamos em campo modelos como GLM e Qwen para tarefas específicas, testes comparativos e fluxos auxiliares. O mercado de Inteligência Artificial evolui rápido, e manter o processo aberto às melhores opções evita depender de um único fornecedor.
| Etapa do desenvolvimento | Ferramenta / Modelo principal na Tech Blues | Por que usamos |
|---|---|---|
| Especificação e regras de negócio (Backend) | Claude Code (Sonnet no dia a dia · Opus em alta complexidade) | Precisão em regras de negócio, banco de dados, integrações e testes |
| Interfaces e experiência visual (Frontend) | Antigravity | Resultado visual mais limpo, estético e bem acabado nas telas |
| Apoio e tarefas pontuais | GLM e Qwen | Flexibilidade e ótimo custo-benefício em fluxos complementares |
| Revisão final e decisão de arquitetura | Engenharia humana + suíte de testes automatizados | Garantia de segurança, isolamento de dados e aderência ao negócio |
A lição que vale para qualquer empresa
O que aprendemos usando Inteligência Artificial intensamente na nossa própria fábrica de software é a mesma recomendação que levamos aos nossos clientes: não existe “a melhor I.A”. Existe a I.A certa para cada tarefa, combinada com processo e revisão humana.
Se você quer trazer essa mesma eficiência para dentro da sua operação — seja desenvolvendo uma plataforma SaaS, conectando seus sistemas via integrações ou implantando automações com I.A —, faça o diagnóstico do seu projeto e converse com a nossa equipe.
Leia também: A Inteligência Artificial vai substituir os programadores? O que muda na prática e “Criei um SaaS num fim de semana só com I.A”: protótipo ou produto?.