É possível praticar vibe coding sem saber programar?

Como desenvolvedores e engenheiros, vimos uma grande variedade de ferramentas usadas para simplificar o processo de criação de software. Antes, usávamos o Scratch para criar uma pipeline de blocos que funcionava em um cenário de condições. Depois, surgiram ferramentas no-code para ajudar os usuários com grandes ideias, mas pouca experiência técnica na criação de aplicações. A inovação mais recente para simplificar o desenvolvimento de aplicações surgiu a partir dos modelos de linguagem, (como "Crie uma aplicação Quarkus com um front-end em React para mostrar cotações da bolsa") que interpretam comandos em linguagem natural e automatizam tarefas como configuração de projetos, geração de código e execução de testes. Essa tendência, conhecida como "vibe coding", é impulsionada pela Agentic AI. Ela já está presente nos ambientes de desenvolvimento atuais, mas quais são os efeitos do vibe coding? Será que faz mais mal do que bem?

A evolução da assistência ao código

O vibe coding é o ato de interagir com um prompt de inteligência artificial (IA) para produzir um código utilizável, muitas vezes sem ter a capacidade técnica de codificar sozinho. Recentemente, vimos grandes mudanças nos editores de código: como o GitHub Copilot, lançado em outubro de 2021, antes mesmo do lançamento dos serviços públicos de modelo de linguagem no estilo GPT, e amplamente adotado com rapidez como uma ferramenta de preenchimento automático de código. Por exemplo, se você digitar System.out.print, o GitHub Copilot pode preencher automaticamente com ln(“Hello World!”). No entanto, é preciso saber escrever ao menos um pouco de código para o Copilot ter o que completar.

Após a redução da barreira de entrada para codificação com o lançamento do Cursor, um ambiente de desenvolvimento integrado (IDE) com tecnologia de IA, a discussão sobre vibe coding ganhou destaque com líderes do setor, como Andrej Karpathy, membro fundador da OpenAI, que se pronunciou e cunhou o termo "vibe coding".

O Cursor, desenvolvido usando como base o famoso IDE Visual Studio Code, é semelhante a muitos outros editores de código à primeira vista. No entanto, com o "vibe coding", descrito por Andrej Karpathy, você descreve em linguagem natural o resultado desejado para o projeto ou uma alteração no código, e o backend do modelo sugere ou faz alterações de forma autônoma. Talvez esse seja o caso de uso mais comum da Agentic AI, onde um modelo tem autonomia ou acesso a ferramentas para ampliar seus recursos. Para essas ferramentas de codificação com tecnologia de IA, isso pode incluir leitura e gravação em arquivos, acesso online a documentação e páginas da web, acesso ao terminal para execução de testes e muito mais. 

No entanto, o que tem sido crucial para essa funcionalidade é a janela de contexto estendida para modelos de linguagem. Isso se estendeu de centenas para milhões de tokens por vez, permitindo que o vibe coding use toda a base de código como contexto com um modelo de linguagem. Por exemplo, o Llama 2 era compatível com uma janela de contexto de 4.096 tokens, o Llama 3 oferecia inicialmente uma janela de 8.192 tokens e o Llama 4 gerencia nativamente até 10 milhões de tokens em seu contexto. Quanto maior for o contexto, maior a utilidade que ele oferece aos desenvolvedores e usuários interessados em vibe coding.

O que você precisa saber antes de praticar o vibe coding? 

Nem todos somos desenvolvedores experientes. No entanto, muitos estão superinteressados em tecnologia e em ver ideias se tornarem realidade, só não tanto na parte da sintaxe e dos pontos e vírgulas. Ferramentas como o Cursor dão a esperança de desenvolver uma aplicação útil. Vamos dar uma olhada na experiência típica de um usuário que quer programar com vibe coding. Assim, você pode entender melhor onde ele funciona, onde falha e como alguém pode usá-lo para melhorar os próprios fluxos de trabalho.

Fiz o download do Cursor do website do Cursor, onde havia instaladores pré-compilados para Linux, Mac e Windows. Não tinha certeza sobre como começar, então fiz o upload de uma captura da tela inicial do Cursor em um assistente de IA e solicitai orientação. Seguindo as instruções, criei uma pasta para armazenar todos os arquivos do projeto e a abri usando o botão Open project (Abrir projeto).  

A interface do Cursor é semelhante à do VS Code, exceto por uma janela de chat à direita. Essa interface, com o ambiente de trabalho e os arquivos ativos abertos à esquerda e a janela de chat à direita, simplifica o fluxo de trabalho. Assim, não há necessidade de pressionar Alt+Tab entre janelas diferentes apenas para conversar com um sistema de IA. Ele já está integrado ao editor de código.

Na Red Hat, a educação contínua é incentivada e apoiada, seja por meio dos cursos do Red Hat Training and Certification sobre containers, Kubernetes e GitOps ou pela contribuição com os projetos open source. Isso me inspirou a criar uma ferramenta de memorização executada localmente, para hospedá-la e compartilhá-la com outras pessoas. 

Meu primeiro prompt: Crie uma aplicação de flashcards para ser executada no meu navegador. Quero poder virar e adicionar os cartões aos favoritos.

Minha solicitação foi processada por um modelo baseado em nuvem, e o Cursor produziu o código em três arquivos: 

• index.html: a estrutura da página principal
• style.css: estilo e layout
• script.js: funcionalidade 

Grande parte do processo envolveu clicar em Accept (Aceitar) em cada sugestão de arquivo e código. 

Em seguida, eu obtive um link para a minha aplicação de flashcards. Infelizmente, ela não funcionou muito bem. 

Precisei pensar, só um pouco, e explicar os problemas na janela de chat. Como o Cursor e muitos modelos modernos podem processar imagens e texto, incluí capturas de tela com explicações em linguagem natural sobre onde os problemas estavam. Após alguns ajustes, funcionou. 

O Cursor gerou uma aplicação completa com cartões editáveis, animações fluidas, botões Previous (Anterior) e Next (Próximo) e armazenamento persistente. Abri o index.html⁣e ela foi executada prontamente. Não foi perfeito, pois não há back-end nem sincronização entre dispositivos, e a escalabilidade exigiria mais conhecimento. Ainda assim, parece magia, considerando que a criei com apenas um prompt.

Se você nunca escreveu uma linha de código na vida, o Cursor ou plataformas semelhantes não serão suficientes para desenvolver uma aplicação totalmente funcional. O código produzido por IA sem compreensão conceitual é frágil. Você encontrará inúmeros problemas se tentar implantar o código, gerenciar a infraestrutura ou solucionar problemas em um ambiente de produção. Sem conhecimento básico, você pode encontrar obstáculos ao tentar escalar, proteger ou manter sua aplicação no mundo real.

Ainda assim, acho que vale a pena experimentar, independentemente do seu nível de experiência. Pode ser complicado para iniciantes, porque existem vários jeitos de realizar tarefas. Se você não conhece os princípios básicos do comportamento do terminal (como digitar a senha do computador sem conseguir vê-la ou pressionar Y para confirmar), é fácil cometer erros. Meu conselho para iniciantes é enviar capturas de tela para o Cursor quando não conseguir explicar os erros e usar outro chatbot para explicar o que o Cursor presume que você já sabe e para descobrir o que solicitar. Isso está se tornando tão comum que existe um termo para a arte de saber o que solicitar à IA: engenharia de prompt, ou seja, saber como formular efetivamente uma pergunta ou solicitação a um modelo para obter o resultado desejado. 

A realidade do vibe coding

As ferramentas de codificação com IA e a arte do vibe coding continuarão tornando a programação mais acessível. Como qualquer outra habilidade, ofício ou profissão aprendida, a tentativa e erro tem um grande valor. Muitos desenvolvedores se lembram bem das sessões de depuração, problemas com versões e SDKs de Python ou Java ou execução de etapas. Uma coisa é criar código, outra é criar um bom código. Devido à forma como os modelos de linguagem são treinados atualmente, parte do conjunto de dados pode incluir respostas imprecisas ou códigos inadequados e desatualizados, e o usuário comum não consegue treinar novamente um modelo por conta própria.

A resposta é investir em você. A Red Hat oferece treinamento hands-on em IA e tecnologias fundamentais, como Linux e Kubernetes. No mundo da IA, há um futuro promissor para o vibe coding e para o aumento dos recursos de IA com a programação tradicional. Você pode pensar nisso como uma “depuração com patinho de borracha” (rubber duck debugging, em inglês), uma técnica comum onde o desenvolvedor explica em voz alta um problema ou intenção para um patinho de borracha, auxiliando o cérebro a analisar a situação de forma mais objetiva. A diferença é que, com a IA, o patinho agora responde.