Uma nova forma de programar com inteligência artificial está emergindo, e não se trata de melhores modelos ou prompts mais longos. Trata-se de loops: projetar sistemas onde os agentes de código se chamam a si mesmos em ciclos autônomos até completar um objetivo.
Peter Steinberger, engenheiro na OpenAI, resumiu em um tuíte que acumulou mais de 5 milhões de visualizações: “Você não deveria mais estar fazendo prompting para agentes de código. Você deveria estar projetando loops que fazem prompting para seus agentes”. Boris Cherny, líder do Claude Code na Anthropic, disse algo similar em uma entrevista: “Já não faço mais prompt para o Claude. Meu trabalho é escrever loops”.
O que é um loop?
Um loop de agente é um sistema onde:
- Um trigger inicia o processo (um PR criado, uma issue atribuída, um timer)
- Um objetivo verificável define quando terminar (testes passando, PR mergeado, documentação atualizada)
- O agente executa, avalia seu progresso e decide se continua ou finaliza
- O processo se repete autonomamente sem intervenção humana até cumprir o objetivo
A diferença fundamental com o prompting tradicional é que o humano já não está no ciclo. O humano define o que e o para que, mas o agente decide o como e o quando.
A fatura de tokens mais cara do mundo
Steinberger também revelou que em certo momento teve uma fatura mensal de $1,3 milhão de dólares em tokens, com 603 bilhões de tokens processados, 7,6 milhões de requisições e 100 agentes executando em paralelo. É preciso colocar isso em contexto: Steinberger é funcionário da OpenAI e tem acesso gratuito aos modelos — esse valor reflete o volume que um loop de alta intensidade pode consumir, não o custo típico para um desenvolvedor independente.
Mas o número ilustra um ponto importante: loops são caros. Não em termos absolutos (um loop pessoal custa frações desse número), mas porque o custo escala com a autonomia. Mais autonomia = mais tokens = mais dinheiro.
Só para o 1%?
Matthew Berman, criador de conteúdo sobre IA, descreveu essa técnica como “só para o 1% do 1%” dos engenheiros. A razão não é apenas o custo de tokens, mas a complexidade de projetar loops que não se percam em ciclos infinitos, que tratem erros corretamente e que saibam quando escalar para um humano.
No entanto, ferramentas como Claude Code (com seu comando /goal) e Cursor (com suas automações) estão democratizando o acesso a essa técnica. Você já não precisa implementar um orquestrador do zero — as ferramentas incorporam isso como funcionalidade nativa.
O que isso significa
A ascensão dos loops de agentes representa uma mudança sutil, mas profunda, na engenharia de software. Pela primeira vez, o trabalho do engenheiro não é escrever código linha por linha, mas projetar sistemas de geração de código que operam de forma semiautônoma.
Isso tem implicações em como medimos produtividade, como treinamos novos desenvolvedores e como estruturamos equipes. Se um loop pode fazer o trabalho de um desenvolvedor júnior durante uma semana, o que isso significa para a carreira de engenharia de software?
Por enquanto, os loops continuam sendo uma técnica de vanguarda. Mas com Steinberger, Cherny e as equipes da OpenAI e Anthropic apostando neles, é questão de tempo até que se tornem o padrão.