Do prompt ao loop: depois do prompt context e do harness, a engenharia de agentes subiu mais um degrau
Por Digital Solutions do Brasil
A frase que incendiou junho de 2026
No começo de junho de 2026, uma frase curta de um desenvolvedor chamado Peter Steinberger viralizou e foi vista mais de um milhão de vezes. A provocação estava na simplicidade: você não deveria mais ficar digitando prompts em agentes de código — você deveria projetar o loop que digita os prompts no agente por você.
No dia seguinte, Addy Osmani, engenheiro do Google, publicou um artigo organizando o conceito sob um nome: loop engineering. A definição dele é direta. Loop engineering é substituir você mesmo — a pessoa que dá os prompts ao agente — por um sistema que faz isso no seu lugar. Você define um propósito, e a IA itera até concluir.
A confirmação veio de dentro de quem constrói essas ferramentas. Boris Cherny, responsável pelo Claude Code na Anthropic, resumiu a própria rotina dizendo que não promptava mais o modelo. Ele escreve loops que promptam o modelo e decidem o que fazer. O trabalho dele virou escrever loops.
Por quase dois anos, a forma de extrair valor de um agente foi escrever um bom prompt, dar contexto suficiente, ler a resposta e digitar o próximo passo. O agente era uma ferramenta, e você a segurava o tempo todo, um turno depois do outro. É exatamente essa parte que está acabando.
A escada de abstração: context, harness, loop
A melhor forma de entender loop engineering é enxergá-lo como o degrau mais novo de uma escada que o setor subiu depressa.
| Camada | O que ela resolve | A pergunta central |
|---|---|---|
| Context engineering | o que o agente sabe na hora de agir | a informação certa está no contexto certo? |
| Harness engineering | o ambiente de uma única execução | o agente tem ferramentas e limites certos para uma corrida? |
| Loop engineering | o sistema que aciona o agente ao longo do tempo | quem dispara, verifica e decide o próximo passo quando ninguém está olhando? |
Cada camada não substitui a anterior — ela se apoia nela. Um loop mal alimentado de contexto e sem um bom harness apenas erra mais rápido e em escala.
A anatomia de um loop
Existe uma definição enxuta que captura bem o que diferencia um loop de uma simples automação. Um cronjob é um gatilho. Um prompt é uma instrução. Um agente comum executa uma tarefa quando alguém pede. Um loop é outra coisa: é gatilho + contexto + ação + verificação + estado + regras de retentativa e de parada.
São seis peças. Cada uma resolve um problema que, ignorado, derruba o loop em produção.
Gatilho
O que coloca o loop em movimento sem você. Pode ser um cronograma (a triagem que roda toda manhã), um evento (um sinistro novo entra na fila) ou uma condição de negócio. Sem gatilho autônomo, você ainda é o gatilho — e aí não há loop, há trabalho manual com passos extras.
Contexto
O que o agente precisa saber para agir bem naquele ciclo. Não é despejar tudo, é curar o essencial. Contexto demais polui o raciocínio, contexto de menos vira chute confiante.
Ação
O passo em que o agente efetivamente faz algo no mundo: chama uma ferramenta, escreve um arquivo, abre um chamado, consulta um sistema. Conectores e integrações são o que permitem que a ação aconteça dentro do seu ambiente real.
Verificação
O passo que decide se o que o agente produziu pode seguir adiante. É a peça mais subestimada e a mais decisiva. Regra de ouro: quem escreveu não pode ser o único a aprovar.
Estado
A memória que vive fora da conversa. Um arquivo, um quadro de tarefas, qualquer coisa em disco que registre o que já foi feito e o que falta. O modelo esquece tudo entre execuções — então a memória precisa estar do lado de fora.
Regras de retentativa e parada
O que impede o loop de virar um problema: limites de tentativa, detecção de falta de progresso, orçamento de custo e, acima de tudo, uma condição de parada definida antes de começar. Loop sem freio não é autonomia — é desperdício automatizado.
A verificação é o que separa o experimento da produção
O ponto mais delicado de um loop é também o seu maior valor. O modelo que produziu uma resposta é generoso demais ao corrigir o próprio trabalho — ele tende a aprovar o que escreveu. A saída que a indústria encontrou é estrutural: separar quem faz de quem confere. Um segundo agente, com instruções diferentes e, quando vale a pena, um modelo diferente, revisa a saída do primeiro e pega o que ele deixou passar.
Isso não é teoria de laboratório. Levantamentos com sistemas de agentes em produção mostram que a verificação humana ainda domina a avaliação — presente em cerca de três quartos dos casos — com o modelo atuando como juiz em pouco mais da metade. E os times que usam um modelo como juiz quase sempre o combinam com revisão humana, roteando os casos de baixa confiança para um especialista e amostrando os de alta confiança para conferência contínua.
O agente de QA — aquele que verifica a saída antes de ela seguir adiante — nunca foi um detalhe de rodapé. Em fluxos sensíveis, como documentos judiciais ou regulação de sinistros, ele é o personagem principal. É ele que torna a automação confiável o suficiente para operar sem a cola humana. Loop engineering apenas dá um nome novo àquilo que já tratávamos como o coração da arquitetura.
O que um loop parece na prática
Triagem que se realimenta
Uma automação roda toda manhã, lê o que mudou desde ontem (falhas, pendências, novas entradas na fila), escreve as descobertas em um registro e abre o que precisa ser tratado. Traduzido para a operação de uma seguradora ou de uma rede hospitalar, é a fila de sinistros, a gestão de leitos ou o backlog documental sendo varridos e priorizados sem alguém fazendo isso na unha.
Pipelines que se reparam
Quando uma execução falha, o próprio loop dispara uma resolução. Um verificador com critérios de aceitação definidos por um humano avalia a correção, o trabalho acontece em ambiente isolado e cada escrita ocorre em uma ramificação separada, deixando a produção intocada até a aprovação.
Decisão com humano no laço
Em processos como aprovação de crédito ou regulação de um sinistro, o loop valida dados, cruza documentos e prepara a decisão, mas a ação irreversível passa por um ponto de controle humano. A régua é simples: antes de escrever no banco, disparar um pagamento ou publicar algo para fora, o loop para e pede aval.
QA que se constrói sozinho
Já existem agentes que escrevem e mantêm testes em linguagem natural, observam o estado da aplicação, refazem passos quando algo quebra e validam resultados. Um único especialista, apoiado por esse loop, produz cobertura de teste num ritmo que antes exigia um time inteiro.
O risco que ninguém precifica: o loop que vira muleta
Aqui mora a parte que mais separa quem ganha de quem se machuca. A versão útil de loop engineering é embrulhar as partes repetitivas ou arriscadas de um fluxo com memória e checagens. Não é tornar o fluxo inteiro mais rígido, nem transformar tudo em script. Excesso de rigidez mata justamente a flexibilidade que faz o agente valer a pena.
E o loop não apaga você do trabalho — ele muda o seu trabalho. Três armadilhas ficam maiores, não menores, conforme o loop melhora:
Para quem já opera a Fábrica de Agentes, isso não é novidade
Reorganizando tudo: o loop (gatilho, contexto, ação, verificação, estado, freios) é a descrição de um pipeline de automação cognitiva bem desenhado. A separação entre quem faz e quem confere é o agente de QA que sempre colocamos no centro. Embrulhar o repetitivo e o arriscado com memória e checagens é, palavra por palavra, o que significa eliminar a cola humana sem perder o controle.
O mercado acabou de batizar com um nome em inglês uma prática que já era o núcleo do nosso trabalho. A diferença entre tratar IA como uma feature contratada de um fornecedor e como uma capacidade de engenharia que você controla está exatamente aí: no loop, e em quem o desenha.
"Quem desenha o loop continua sendo o engenheiro. Quem só aperta o botão entrega o julgamento junto com a tarefa."
O próximo degrau
A escada não para aqui. Primeiro veio o context engineering. Depois o harness engineering. Agora o loop engineering. E fica no ar a pergunta que já começa a aparecer nas conversas de quem está na fronteira: depois do harness e agora o loop, o que vem a seguir — RL e aprendizado contínuo?
Fábrica de Agentes
Squads digitais com verificação no centro, prontos para produção
Desenhamos pipelines de automação cognitiva onde o loop dispara, age, verifica e sabe quando escalar para um humano. O agente de QA não é detalhe — é o personagem principal.
Pronto para eliminar a cola humana?
Converse com nossos especialistas e descubra como a Fábrica de Agentes se encaixa na sua operação.
Falar com um especialista